xop01/ai_goodpractice

ai_goodpractice 是开发者 xop01 手写的一份指南（非AI生成），分享他们如何利用AI作为编程工作的管理者，而不是自己编写代码。

这是什么

一份基于作者日常经验（每天使用AI超过8小时，持续数月）的长篇、观点鲜明的指南。他们声称，代理式工作流——即AI助手编写、测试和修复代码，而人类进行指导——可以让你将产出提升10到20倍，并在数月而非数年内完成雄心勃勃的软件项目。

作者特意手动编写了这份指南：他们认为AI无法像他们自己那样表达自己的想法和生活方式。他们邀请读者在X（Twitter）账号上提供反馈和讨论。

核心理念

与其做一名输入代码的程序员，你成为一位“领导者/管理者”，负责：

• 构想软件及其构建方式
• 将该构想转化为AI可以执行的详细提示词
• 审查和引导AI的工作，就像管理者指导团队一样

作者表示，自从采用这种工作流以来，他们没有手动编写过一行代码。

适用对象

该指南声称对完全初学者和经验丰富的程序员都有用——任何希望从AI订阅中获得真正、持续工作成果的人。

指南结构：3个步骤

步骤1——设置

• 选择集成AI的IDE（Cursor、VS Code、Claude Code、ChatGPT等）
• 将AI视为一个有能力但需要清晰指示的合作伙伴——思考你的提示词对于一个没有额外上下文的聪明人是否有意义
• 设置环境，包括规则、技能和MCP（将AI连接到其他软件的小工具）。作者称这是最被低估的步骤。

关键实践：通过AI本身构建你的规则。不要手动编写规则，而是提示AI分析你的代码风格并为仓库生成规则。作者给出了示例提示词，并强调要详细——例如，“深入分析代码风格并将其作为规则应用”，以及针对测试、辅助工具和简洁性的特殊规则。

步骤2——避免“垃圾输出”（低质量AI输出）

作者警告说，许多“AI垃圾输出”源于薄弱的基础和粗心的提示。他们的建议：

• 优先创建自己的规则/技能/MCP，而不是从网上下载，因为现成的往往不适合你的工作流
• 作者自己的MCP：project-progress-mcp——一个用Zig编写的工具（作者说他们之前从未用过Zig），用于跟踪项目进度，使AI保持文档化的路线图，不偏离原始目标
• 文档至关重要：保留关于关键功能和基础设施的轻量级文档，以便AI快速理解代码库，而无需重新阅读整个文件。但保持文档更新，否则它们会过时并产生误导
• 测试是最重要的步骤：适当的测试套件让AI验证自己的工作，并能在没有人工检查的情况下长时间自主工作
• 对于大型任务：使用IDE的“计划模式”，编写非常详细的计划，指定每个重大更改都需要测试用例，告诉AI时间不是限制（“计划没有时间限制”），然后在开始前仔细审查整个计划
• 最后进行审计：计划完成后，提示AI确认所有内容都已实现，以“长寿、可扩展性和稳定性”为目标，并参考原始计划

步骤3——让AI改善你的生活

作者列出了7条原则。指南详细阐述了前两条：

1. 利用你的时间最大化提示——将你的提示与AI将花费的时间相匹配。如果你要去做晚饭，启动一个足够大的提示，让AI在你离开时保持忙碌。这让你在休息期间“工作”数小时——但作者警告不要不断检查AI的进度（“适度是关键”）。
2. 学习你使用的技术栈或主题——AI是加速你的工具，不是理解的替代品。要很好地指导AI并发现错误，你至少需要对其工作内容有基本了解。

指南列出了其余五条但未详细说明：知道何时离开、信任你的合作伙伴、转化你的想法、多任务处理和为正确的任务使用正确的模型。

指南中的示例提示词

• “我需要你深入分析（文件夹路径/网址）中的代码风格，并将其作为此仓库的规则应用”
• “我需要你创建一个技能，供代理用于处理MySQL……深入探讨MySQL的可能性”
• “这个项目将用于（目的）……我需要关于哪种技术栈最好的建议……基于我的需求：长寿、稳定性、可扩展性、性能”

底线

这个项目本质上是一篇观点鲜明的文章，而不是代码。它主张通过纪律性的设置、详细的提示、文档和测试，一个人可以让AI构建严肃的软件——而且同样的习惯可以转化为更好的工作与生活平衡，让你在更少专注工作的时间下，让AI承担重担。