最近AiCoding的一些感受
一、突然从prompt转向skill的跨越
大概去年年底尝试过claude code编写了一些demo程序，发现他用到了skill.md文档，然后agent根据skill文档去编写程序。当时觉得这真的是一个很大的跨越，之前使用prompt的方式编写代码，最大的问题就是需要不断的去对话，对话上下文太多了，ai还会逐渐变的混乱，记不得前面的提示词了。
截图是我用 claude-code 做过一个完整的 Web 版本贪吃蛇游戏，claude-code生成的项目文件夹：
游戏运行起来的截图找不见了！！暂且留白
二、写好一个skill很重要
对比以前“Prompt + Agent 多轮对话”的方式，我更愿意把 Skill 理解为：
把你对任务的理解、工程化约束、验收标准，提前沉淀成可复用的指令模板。
所以，写一个行之有效的 Skill，重要性不亚于编码能力本身。
2.1 可以借助 skill-creator 来写 Skill
如果你不确定 Skill 怎么写，可以直接用官方提供的 skill-creator 来辅助生成和迭代：
- Skill 示例与仓库：
github.com/anthropics/…
2.2 使用find-skill这个skill帮我查找skill
三、重新认识 Agent：它很强，但很多时候能力上限由使用者决定，”人有多大胆，地有多大产"，充分发挥你的想象力
这段时间对 Agent 的认知也发生了变化，主要有几个点。
3.1 很多事情不是大模型“做不到”，而是“你没把它指挥好”
从结果来看，很多任务并非模型能力不够，而是我们的指令缺少：
- 明确的目标与验收标准
- 必要的上下文边界（不能自由发挥到跑题）
- 对输出格式、工程规范、改动范围的约束
把这些补齐后，达成率会显著提升。
3.2 Agent 很像“全能但莽撞”的实习生
和刚工作的新生接触过，我对他们的印象是：让写一个具体的组件、模块代码很快，学习能力也很强（包括我刚毕业工作时也是这这个状态，那会主要还是工作有新鲜感+成就感，现在就一言难尽咯~）。但是经常由于实践缺失，需要进一步完善做出的东西。
所以我更愿意把 Agent 类比成一个能力很强的实习生：
- ①知识面很广、动手很快、实现方案也很发散
- ②有时会莽撞：容易“自作主张”，做出文不对题的事情
- ③遇到复杂上下文时，可能会出现“偷懒/撂挑子”的倾向
因此，和 Agent 协作的关键不是“让它更聪明”，而是：
给它更像真实工程团队一样的规范、边界与流程。
四、不止skill，SDD项目范式横空出世
SDD即：Spec-Driven Development规范驱动开发
它的核心思想是：
- 在项目中维护
spec.md、skill.md等规格文档 - 需求变更先改规格，再让 AI 严格按规格实现
这类流程能有效降低“对话式开发”的随机性，尤其适合多人协作或中大型项目。
如果你对这套方法感兴趣，可以看看 OpenSpec 框架， 如果有使用上的问题，官方文档没说清楚的，让大模型去理解，你直接对大模型提问即可：
下面用「流程图」的方式，把 OpenSpec 的典型使用工作流讲清楚。
你也可以把它理解为：用规范文件把需求到实现的链路串起来
4.1 OpenSpec 工作流（概览）
4.2 OpenSpec 工作流（实践建议）
五、Agent 与传统 Chat 的最大区别：它可以直接“做事”
传统 Chat 更多是在“给你方法和思路”；而 Agent 则更像一个可以被委派任务的执行者：
- 需要什么上下文，它可以自己去查
- 发现问题，它可以自己改
- 最终目标是交付可用结果，而不是停留在建议层面
六、Agent也会偷懒/疲劳：你可以化身"程序员鼓励师"加油打气
当问题变复杂，或者上下文理解成本很高时，模型有时会给出一种“解决不了”的结论，或者在不充分尝试的情况下提前收尾。
我实践下来，一个有效策略是：
- 明确拒绝“解决不了”的结论
- 要求它继续尝试，并提出多种可行方案
- 给出更严格的验收要求、边界条件和失败不可接受的约束
这种“高压推进”的方式确实能显著提升效率。
有个开源项目专门做了类似的 Skill，名字就叫 pua：
说实话这听上去有点“邪修”，但我实际试过：一个原本卡了半小时的问题，用上之后几分钟就能定位并解决。
下面是我当时记录的一段 pua Skill 片段（原样保留）：
七、mcp：用skill写更多很强的mcp服务，无敌组合
以前让我自己去实现mcp服务，那是比较费时间的，但是现在完全可以使用创建mcp服务的skill来创建我们所需要的mcp服务。网上有的直接复用，没有的让大模型写一个服务就行了，一般默认使用nodejs、python脚本来实现的。
之前一次ai coding的分享会上，我看到了同事演示他最近半年探索ai，导入+编写了非常多的mcp服务，基本上让ai随时能访问到项目的任何上下文了。
八、结语
回过头看，这一轮体验给我最大的收获是：
- Prompt 是临时口头指挥，Skill 是可复用的“作业指导书”，SDD则是项目级落地方案
- Agent 能力很强，但需要像工程团队一样的边界与流程
- 规范化（SDD/OpenSpec）能显著降低协作不确定性
- 在复杂问题上，“更严格的验收与更明确的约束”往往比“更聪明的模型”更关键
- 想到什么好的idea，不要迟疑，直接上手去验证
