EVARA'S BLOG

技术博客

文章目录

我的AI编程流程,被一次额度用尽打回原形

额度用完的那一瞬间,我正在优化自己的一套开发流程。我突然在考虑一个问题:维护这套流程本身,是不是也在每一次任务中引入了更多的重复工作,使用了大量的token。

我过去使用Coding Agent的方式是“口喷”,我说一步他做一步,有时候也会感到有很多重复的话在来回说,我的解决办法就是固定指令写入AGENTS.md以及创建skills固定流程。

后面我接触到了openspec和worktree的项目管理方式,coding的条理性规范性大大提升。

一开始我逐渐把重心放回项目设计和思考上,效率提升明显,后来我一发不可收拾地陷入到考虑如何优化这套流程中。

构建起这个工作体系很麻烦:创建worktree的情形、验收条件、归档openspec、回收worktree、合并分支、回收session的顺序。

但真正算下来,这套流程里相当一部分动作是为了维护流程而做的,不是为了做出东西而做的。

后来我意识到这是标准化、流程化的代价。对于多人团队,收益被很多人摊薄、成本也被很多人分摊;但对于个人独立开发者,收益只有一份、成本却要一个人扛。

所以我现在的做法是按任务大小分流:小任务直接对话解决,跨模块、要并行的,才走完整的流程。判据不是这个流程好不好,而是这个任务值不值得。

并不是每个人都需要一人指挥一群千军万马。有时也可以保留精力,用最简单的chat的方式解决一个值得被解决的问题。

↑ 返回目录

把数据结构当成给 AI 的 API

我现在构建项目,不管是完整项目还是小工具,都倾向于先明确一个结构化数据中间层。我开始很少花心思去考虑用户与软件的交互,反而更期望AI在其中发挥作用——AI能不能根据这份数据规范,结合实际情况,生成一份可以直接导入运行的数据。

比如创建一张Anki类型的学习卡片,人需要填问题、答案、知识点关联和来源等各种信息。但AI直接根据某个题目或某个知识点生成题目,形成JSON,就可以直接创建出这份卡片,甚至可以从一段教材中创建出多张卡片。

再比如TODO任务记录,主任务、子任务的创建,任务之间的关联,手动添加固然可以,但让AI根据描述情况或实际项目进度直接生成一份数据导入,省去了人操作软件的过程。

这跟MCP不是一回事。MCP是给AI开一个入口,让它能调进软件里来;我做的方向是反过来的,让软件本身去贴合AI的能力,把这份数据结构当成给AI的API——AI能直接生成、直接导入,软件就能直接用。

这应当是软件原生就该做的事,不用再套一层协议。

我会在个人项目中明确供AI参考生成的数据结构形式,也会亲自使用此种方式与软件交互。

我期望人可以解放双手,不再需要点击复杂的按钮,填写各种信息,而是在与AI对话中完成和交付一切。

↑ 返回目录