时间跨度：9月22日-9月28日
技术
188工时压到149！揭秘我们如何用Cursor让前端效率狂飙
内容：
经过系统化引入 Cursor 作为AI辅助编程工具，我们在会员系统前端开发中取得了显著成效，整体工作效率提升达21%，验证了AI技术在实际业务场景中提质增效的潜力。在多个典型实践场景中，AI展现出在生成页面路由、构建DOM结构、生成Mock数据与类型、优化代码结构等方面的突出能力，大幅降低了重复性、规范化工作的开发成本，同时有效保障了项目代码风格的一致性和可维护性。
然而，实践也表明，AI并非万能。在涉及复杂交互逻辑、动效实现、深度定制组件样式、接口联调与边界处理等强上下文关联或高业务耦合的任务中，AI生成结果仍存在准确率低、逻辑冗余甚至错误的问题，其输出需经过严格的人工审查与修正，甚至在某些场景下人工实现效率更高。
因此，我们认为：AI 适合作为“高级代码助手”，而非“替代开发者”的工具。其真正价值在于释放开发者对重复性、低创造性工作的投入，使其更专注于架构设计、复杂逻辑与用户体验优化等高层级任务。
在我们看来，AI时代的关键不仅在于“如何使用工具”，更在于“如何重构认知与流程”。以下几个方面值得深入思考与实践：
-
人机协同 的开发新模式将成为主流 单纯编码实现的重要性逐渐下降，而架构判断、提示词设计、逻辑校验、系统优化等能力变得愈发关键。开发者需逐渐转型为“AI调度者”，善于将业务问题转化为机器可理解、可执行的指令，并对输出结果进行高效审查与迭代。
-
上下文构建与知识沉淀成为团队核心资产 AI生成质量极度依赖上下文。建立规范化的需求描述、接口文档、组件示例、设计标注等输入标准，将显著提升AI辅助的准确率。团队应系统性建设高质量上下文知识库，形成可复用的AI协同工作流。
-
适应强 AI 辅助的研发流程重构 从需求拆分、任务分配、代码审查到质量保障，传统研发流程需针对AI特性进行优化。例如：更强调任务描述的清晰性、设立AI生成代码的审查 checklist、建立“AI-first”的组件抽象和接口设计规范等。
-
以 AI 为 杠杆 ，聚焦更高价值创新 当基础代码实现效率大幅提升，团队应更多投入在用户体验、性能优化、业务创新等具有不可替代性的领域。AI不应仅仅用来“做更快的事”，更应助力我们“做更有价值的事”。
数字墓园
那些死亡的互联网产品和服务，值得留存一份
AI Coding 落地实践：Claude Code + DeepSeek-V3.1 + DHcoder
内容：
claude code 并行开发【这个功能很强，原来我要使用多个AI编辑器：Qoder、Trae、Cursor等，好用程度参差不齐；现在一个Claude Code就行了，多打开几个终端即可，质量稳定】
你可以轻松的在电脑上打开多个终端，运行多个 claude 会话，每个会话负责处理不同的开发任务，只需要切换不同的终端就能指挥 LLM 开展工作，就像指挥一个团队一样。
如何将 AI 代码采纳率从30%提升到80%？
内容：
开发规则完全进行重构，由单纯的自己作为马来拉车，变为作为人，让AI作为马来拉动车子。
AI辅助开发的时间分配如下：
-
30% 整体项目上下文文档（日志规范、异常规范、依赖引入等）；
-
30% 核心模块开发+调试文档（文档优化、约束条件、命令调试等）；
-
20% 剩余功能模块实现（发放+查询模块）；
-
20% 代码review和质量验证；
投资
投资比例
闲置资金，进行这个投资组合的操盘，实盘投资半年试试
| 资产类别 | 当前金额 | 当前比例 | 目标比例 | 目标变化 | 说明 |
|---|---|---|---|---|---|
| 总量 | 13578.99 | ||||
| 纳指ETF | 8206.2 | 60.43% | 40% | -2774.604 | |
| 标普500ETF | 1588.3 | 11.70% | 20% | 1127.498 | |
| 中概互联网EFT | 1005 | 7.40% | 25% | 2389.7475 | 腾讯、阿里巴巴、美团、小米、拼多多，这个ETF主要是买这几个，我个人没那么多钱，没法买单个公司，这个ETF基金算是我的一个平替 |
| 科创50ETF | 1629.6 | 12.00% | 15% | 407.2485 | 短期玩玩，感受下大A的震荡。如果要长期玩，需要对这些基金中的工作，做个研究 |
| 空仓 | 1149.89 | 8.47% | 0 |
