关于 AI Coding 的一些个人技巧
内容提要
作者认为AI编程中工具和模型差异不大，关键在于使用者如何驾驭。他分享个人技巧：质量优先于速度，避免并行过多任务；少用Skill，只补模型未知知识；多提问而非下命令，让模型提供方案由人拍板；先控制设计文档再写代码；按实际取舍向后兼容；AI Review需人工把关，反对全自动循环；最后强调保持勤奋最重要。
延伸解读
工具与模型差异不大，关键在于驾驭
作者认为，AI编程中工具和模型差异不大，如同不同品牌的车，驾驶员应掌握不同开法。模型是模型，人是人，产出质量应跟操控者走。如果产出波动大，说明没有驾驭好工具和模型的特点。因此，不必限制自己只用特定工具或模型，而应提升操控能力。
质量优先，避免并行过多任务
作者强调质量远高于速度。在中国大公司犯大错机会可能只有一次，外企三次，创业公司四到六次。并行开三个以上窗口、烧大量token产出代码，容易翻车。作者日常最大并行读为3，再多无法检查每个Agent的工作成果。公司很少因稍慢开除人，但常因大事故开除人。
少用Skill，多提问而非命令
作者对Skill使用原则是：只有模型和巴菲特都不知道的知识才用Skill。Skill装多会放大模型过度思考的缺点，且难以预期模型反应。在提示词上，少用精确命令或模糊命令，多用问句如“有哪些实现方法”，让模型深度思考方案，由人拍板，这才是真正驾驭模型。
控制设计文档，选择性兼容，善用AI Review
对于几百行以上的改动，作者让AI先生成Lark设计文档，理解设计后才能提出更有价值的见解。模型喜欢写向后兼容代码，但人知道部署顺序和用户情况，应据实取舍。AI Review需人工检查意见，反对全自动循环，因为共享上下文不客观，不共享则不充分，且人脑中有额外上下文。
Q&A
AI编程中工具和模型的选择重要吗？
作者认为工具和模型差异不大，关键在于使用者如何驾驭。他用过cursor、windsurf、devin、codex、claude code，感觉没有本质差异，模型差异也越来越小。正确的AI Coding方式应该是产出质量跟操控者走而不是跟着工具和模型走。
为什么AI编程中质量比速度更重要？
作者认为一份正经工作对错误的容忍度不高，并行开多个窗口、烧大量token产出大量代码容易翻车。他日常最大并行读只有3，再多脑子忙不过来检查每个Agent的工作成果。很少有公司因为干活稍慢开除人，但经常因为搞出大事故开除人。
如何正确使用Skill？
作者的原则是「只有模型和巴菲特都不知道的知识，才用Skill」。比如巴菲特不知道x.com的API或如何自动化调用浏览器，这些装Skill会极大改进效率。但巴菲特知道批判性思维和正确提问，不能装「巴菲特Skill」指望模型按他的脑回路运行。过度使用Skill会导致Overthinking、黑盒编程等问题。
为什么应该多提问而不是下命令？
精确命令会让模型不深度思考，你也不深度思考需求复杂性，留下隐患；模糊命令模型可能闷头实现，你和模型都没深度思考，纯黑盒。而问句如「有哪些实现方法？」会促使模型深度思考不同方案，最后拍板的人是你，这才是真正的驾驭模型。
如何控制设计而不是代码？
对于几百行代码量以上的改动，让AI先生成一份Lark设计文档（富文本，有丰富工具集），AI会画架构图/流程图，帮助你理解设计并提出更有价值的见解。设计文档也能帮review代码的人快速理解实现。模型能力很难出现设计文档对而代码错的情况，所以是否review代码取决于PR的重要性。
AI Review应该如何正确使用？
作者100%反对一个Agent写代码、一个Agent Review、第一个Agent再根据Review意见写代码的Loop编程。因为Review Agent共享上下文则不客观，不共享则上下文不充分。更倾向于AI Review，人工检查Review意见，摘取部分让Coding Agent修改，再反复。虽然速度慢，但编程速度问题已解决，现在的问题是质量。
为什么保持勤奋比技巧更重要？
作者发现比模型更喜欢偷懒的是人。大部分需求AI可以10分钟完成，也可以反复对话十几轮花几个小时完成，目前没有公司能审核你的勤奋度，完全靠个人意识。在过渡阶段，能做的只有时刻提醒自己保持勤奋，至少在重要的事情上保持勤奋，这比所有奇技淫巧都重要。
