AI 时代我的开发工作流：从踩坑复盘到多项目并行验证
内容提要
作者分享AI时代个人开发工作流的变化：从深度钻研转向多项目并行，利用AI提升效率。核心方法包括用CLI和富文本编辑器沉淀踩坑经验为文章和Skill，通过自动化验证（如LobeHub的/acceptance）减少手动测试，并强调上下文切换和复盘的重要性。文章由AI辅助生成，但内容基于真实实践。
延伸解读
从深度钻研到多项目并行：AI 带来的角色转变
作者指出，AI 的发展使其从对技术深度钻研转向同时负责多个产品的迭代与开发。这种转变不仅源于 AI 提升效率，也与其个人 ADHD 特质相关——频繁切换上下文的习惯反而成为并行管理多个项目的优势。文章列举了 mx-space、afilmory 等五个项目，说明在只有一人两台电脑的情况下，借助 AI 实现多项目并行是可行的。这反映了 AI 时代开发者工作模式的潜在变化。
踩坑经验沉淀：从 AI 会话到文章与 Skill
作者介绍了一套将 AI 长对话中的踩坑复盘转化为可复用资产的工作流。核心是通过 CLI 和富文本编辑器（如 LiteXML）让 AI 直接生成技术文章和 Skill，并设计了分层结构（SKILL.md、references、scripts）以避免模型上下文过载。文章还提到，为过滤 AI 生成内容，网站添加了“无 AI 写作”筛选，表明这些文章主要面向机器而非人类读者，体现了自动化内容生产的实践。
自动化验证：减少手动测试的关键
在多项目并行开发中，手动验证 UI 和流程耗时且易出错，因此作者强调自动化验证的重要性。他使用 LobeHub 的 /acceptance skill，让模型自动执行验证、回归测试并生成包含截图等交付物的报告。文章提到，最新模型（如 GPT 5.6、Claude Fable 5）已内置验证能力，但可视化结果仍需 skill 补充。这一流程显著减少了人工介入，但也会出现阻塞或未覆盖的情况，需要用户手动处理。
Q&A
AI时代，作者的个人开发工作流发生了哪些主要变化？
作者从深度钻研技术转向多项目并行开发，利用AI提升效率，token消耗量从每月50-60亿增加到两天就能用完，翻了15倍。同时，技术文章写作减少，更多由AI辅助生成。
作者如何将踩坑经验沉淀为文章和Skill？
作者通过AI长对话进行踩坑和解决问题，然后使用工作流自动生成技术文章，并附带一个Skill。具体使用CLI和富文本编辑器，通过自定义节点（如MapNode、ExcalidrawNode）增强交互性，最后通过Skill（如anchor skill）将session总结为文章和Skill。
作者如何实现多项目并行开发？
作者通过上下文切换和自动化验证来实现多项目并行开发。上下文切换要求对每个项目有了解，自动化验证则使用LobeHub的/acceptance skill，让模型自动进行验证和回归测试，减少手动介入。
作者为什么选择富文本编辑器而不是Markdown？
因为Markdown能承载的信息格式太局限，扩展语法容易让AI写坏，且不是block结构。富文本编辑器支持自定义交互节点，如MapNode、ExcalidrawNode，并能通过XML修改，更适合AI生成丰富的数据展示。
作者如何自动化验证UI和流程？
作者使用LobeHub的/acceptance skill，安装后手动触发，模型会自动进行多轮验证，包括操控浏览器、CDP等，发现bug会自动修复，最后生成包含截图、视频等交付物的验证报告。如果流程阻塞或未验证到，会给出警告。
作者如何避免AI生成文章中的Slop？
作者有一个专门的skill来消除AI Slop，但承认难免会有，因为文章主要不是给人读的，而是工作流复盘后的自动总结。
作者在Skill中如何设定写作人格和文章框架？
Skill中确定了三种写作方向对应三种人格，并设定文章框架类型，如教程类或经验总结（pattern）。pattern写法随意，没有固定模板。
