ai coding 半年小结
内容提要
作者总结半年AI编程实践：vibe-coding高效但代码不审查、难积累经验，多数弃坑。有效做法包括用git维护AGENTS.md、启用memory、git worktree并行、通用SKILLS、多模型review PR；有害的是省token中间层和过度编排harness。已弃用SDD和plan模式。建议打造个人工作流，与agent多探讨，人类仍需控制复杂度。
延伸解读
vibe-coding 的代价：效率与经验流失
作者指出，vibe-coding 虽然能快速构建功能，但代码不经过审查直接合入，形成黑盒。这导致开发者无法从代码中积累经验，大部分项目最终被弃坑。即使少数留下，也很快被淘汰。这种模式适合快速验证，但长期看不利于个人成长和项目维护。
AGENTS.md 与 memory：有效但需迭代
用 git 维护统一的 AGENTS.md 并软链给所有 agent，能形成契合个人工作流的约束文档。启用 memory 后，agent 能跨项目提醒接口变更、配置影响等，带来惊喜。但每次模型进步都需重塑 AGENTS.md，且文件会越来越小，最终可能被简单说明覆盖。
多模型 review 与工具选择：克制引入
使用 codex + claude 双模型 review PR，配合本地代码探索，能发现绝大多数问题。作者偏好 cli + skill，排斥 MCP，认为两者在处理确定需求时有用，但需克制评估后引入，过多有害。省 token 中间层和过度编排 harness 被作者视为有害，纯 bash 流更纯粹。
弃用 SDD 与 plan 模式：轻量工作流
作者已弃用 SDD，因为文档无法 review，最终成为污染；也删除了 superpowers 的 doc，只保留一份事实。plan 模式从 gpt 5.6 开始不再必要，模型越来越聪明。TDD 仍在使用。建议形成适合自己的工作流，多与 agent 探讨，人类仍需控制复杂度。
Q&A
vibe-coding 有什么主要缺点？
vibe-coding 意味着代码不 review 直接合入，纯黑盒，功能正常就行，因此你得不到任何经验，大部分项目都弃坑了，只有少量能用的留下但很快会被淘汰。
如何用 git 维护 AGENTS.md？
用 git 维护 AGENTS.md 并软链所有 agent 使用同一份，迭代优化，日积月累加加减减，最终得到一份契合自己工作流的约束文档。
启用 memory 有什么好处？
启用 memory 会得到意想不到的惊喜，例如 A 项目改字段时 agent 会提示 B 项目接口协议不兼容，C 项目加配置时 agent 会问 D 项目是否有级联变更，F 项目字段问题 agent 能告诉你某年某月某日的需求决策。
为什么建议使用 git worktree？
git worktree 从可选变为必选，用于多个任务并行，vscode 支持查看当前所有 worktree 并打开。
多模型 review PR 的具体做法是什么？
使用 codex + claude 双模型，配合本地项目代码自由探索，能 review 出绝大多数问题；也可以使用 cursor 的 /multi-model-review。汇总 review 报告后，再选择一个比较聪明的模型进行确认、校验，最终修复那些正确的问题。
为什么省 token 中间层是有害的？
个人观点认为 rtk、graphy 等一切中间层有害，因为 token 省了多少可量化，但大模型思考返回结果的质量不可量化，纯 bash 流（rg、grep 等）才是最纯粹的。
作者对 harness 和编排持什么态度？
作者讨厌 harness 这个词，认为妄图通过一堆 AGENTS.md + skills + 编排工作做通用化 harness 统一所有项目开发是错误方向，会导致软约束没用、过量上下文、双份事实、中间层冲突歧义重复等问题。对于中小型项目（20W 行代码以内），轻量的 AGENTS.md + 聪明的 agent 就够了。
作者现在还在用 SDD 和 plan 模式吗？
不用了。SDD 文档根本没法 review，最终就是一堆污染，网关各个项目已经删光了；plan 模式从 gpt 5.6 开始没必要了，模型越来越聪明。
作者对 AI 编程的未来有什么看法？
未来模型肯定越来越聪明，并且会有类似 grok bot、cloud agent 出现，慢慢地很多工作逐步被这些替代，甚至所有工作被替代。但至少目前，还需要人类开发者来控制复杂度，也许某一天控制复杂度也不重要了。
