利益相关:CodeGuidedev开发者的分享。 但是总结的真的很好。第一条就击中我,我平常就是这么干的。
第二条算是CodeGuidedev的软广,等我尝试后再给结论。
原贴:x.com
我每天使用AI工具编码6-7小时。 在过去12个月里完成了36多个项目。
事实是:"用一个提示让AI构建...应用"是不可能的。
以下是成功使用AI编码的关键策略:
1. 做好充分规划
我使用自己的规划技巧,可以在几小时内从想法到为MVP编写完整草案。
我打开ChatGPT语音功能,我们进行一对一对话,讨论我想要什么。
15分钟的交谈后,我会要求:"根据我们在这次对话中确定的所有内容,给我写一份结构良好的草案"。
我把ChatGPT语音当作我的头脑风暴伙伴、评论者、网络研究员和草案撰写者。
最后,我得到了一页纸上的MVP核心功能。
先规划后行动,不要盲目构建。
2. 为AI模型建立完善的知识库
将想法草案输入到 @CodeGuidedev 中,并编写{编码文档}为AI编码模型建立知识库。
这一步对减少AI编码模型的幻觉很重要。
文档包括:
- PRD(产品需求文档)
- 应用流程文档
- 技术栈文档
- 前端指南
- 后端结构
AI模型可以随时参考这些文档,了解下一步要构建什么和不构建什么!
3. 选择正确的工具
每个AI编码工具都有自己的超能力。我几天前发布了我的发现。
我在过去14个月里用AI构建了36个项目。
所有AI开发工具都有所不同。每个工具在某一特定方面表现最佳,例如:
- @windsurf_ai 是初学者的最佳IDE(目前排名第一)
- @cursor_ai 非常适合全栈应用(目前排名第二)
- @CodeGuidedev 非常适合编写项目编码文档
- @Replit 非常适合一次性构建MVP/移动应用
- @v0 擅长设计现代UI组件
- @boltdotnew 非常适合使用Supabase构建微型SaaS
- @lovable_dev 非常适合编写现代登陆页面
- @SoftgenAI 非常适合使用Firebase构建微型SaaS
- @cline 是最佳VS Code扩展/与MCP配合使用
- @base_44 非常适合仪表盘类应用(新工具)
- @ManusAI_HQ 非常适合代理/基于浏览器的工作
- @perplexity_ai 是网络搜索/摘要的最佳选择
- @ChatGPTapp 适合语音对语音/写作工作
- @grok 3 擅长基于网络的研究/X信息
- @AnthropicAI 适合编码(Sonnet 3.7模型)
- @OpenAI 通过API提供各种类型的AI模型
- @GeminiApp 适合多模态(Flash 2.0模型)
这个周末我还在测试:
- Tempo labs
- Databutton
- Srcbook
如果发现更多好用的开发工具,我会更新信息。
4. 选择合适的技术栈
AI模型是在特定编码语言上训练的。使用这些技术栈获得最佳代码质量和更少错误。
推荐这些AI友好的技术栈:
- 前端:NextJS/Vite/Flask
- 数据库:Supabase (PostgreSQL)/Firebase
- 认证:ClerkDev/Supabase/Firebase
- AI:OpenAI/Claude/Gemini
5. 采用逐步构建方法
由你负责规划,让AI执行。使用AI模型来执行计划并实现代码。
使用详细的计划,如 @CodeGuidedev 的50步实施计划,确保AI不遗漏任何内容。
6. 掌握有效的调试提示技巧
调试是AI编码中最具挑战性的部分。使用这些技巧让调试更顺畅:
- 附上错误并说"使用思维链推理首先找出核心问题,然后逐步规划修复问题"
- 要求它"遵循代码的最佳实践。搜索网络并找到解决此问题的方法"
- 只附上相关文件,使AI能更好地专注
7. 善用多个AI模型的组合
针对不同场景使用不同模型,发挥各自优势:
在Cursor/Windsurf中:
- 使用Claude sonnet 3.5进行编码(是的,对于执行代码,它比3.7更好)
- 使用GPT o1/o3-mini-high调试复杂错误
- 使用Gemini Flash 2.0扫描完整代码库并更新文档
8. 充分利用启动套件
使用启动套件(样板)和预装组件来快速构建,节省时间和资源。
CodeGuide有6个专为AI编码模型构建的样板。
9. 保持耐心和坚持
AI编码在第三个提示之后会变得更具挑战性,你需要开始修复错误和优化布局。
会有各种错误、构建问题出现,但有了坚实的基础(文档和规则),你可以更好地驾驭AI。
总结
- 在打开任何AI编码工具之前先规划应用
- 使用 @CodeGuidedev 编写详细的编码文档提供上下文
- 为你的用例选择最佳AI工具
- 使用AI友好的技术栈
- 调试时提供有效的提示
- 针对不同工作使用不同模型