WithoutSugarMiao

@ZeawinL 好的 我试试

可以先去 b 站 或者 抖音 看看玩法。

@ltmst 那感觉你们还在初级阶段，可以成规模的使用 IDE+好点的模型，来探索一下。


@baoziyucha 没理解兄弟说你的这个测试方面怎么使用，是什么意思。是说测试人员怎么使用 AI 来完成吗？


@crackhopper #3 棒！兄弟，我发这个帖子 主要就是想了解一下“项目逻辑和细节复杂、技术需求不常见、对产品质量要求高、维护场景多。这条路上反对者多。”这个具体是什么项目，需要实现什么功能，技术需求是什么，我就想自己试试，如果是我来用 现在的工具 能否 hold 住这种场景。因为我在用 claud4.5 开始，就没怎么再遇到自己没办法用 AI 工具解决，反而自己解决不了的事情。我分不清是我自己菜，所以才觉得工具万能，还是别人其实压根不会使用工具。


@archxm “AI 引入太多” 是用的什么模型，有加让它保持代码整洁之类的提示吗。


@crackhopper #5 真棒。第一点我也发现了，所以我在给 AI 的指南里，会给他标出项目整体架构，具体到某个文件是做什么，文件中都有什么功能的函数，并且在 plan 阶段，给它修整不合理的地方。第二点因为我几乎只用 python ，而 python 对 AI 来说更友好，所以我用起来比较舒服，第三点，我之前古法代码 有写集成测试的习惯，所以现在 vibe ，也会一并把测试带出来。之后我们使用方式差不多。


@luanfujian 老项目不能 vibe 吗，能简单讲下如何使用的吗？


@catinsides 真棒！


@swananan 把博客认真看完了，写的确实很好，我觉得基本上我们的理解大部分都是一致的。我觉得以现在 AI 的能力，管理好上下文，是没有项目解决不了的，并且越复杂的项目使用 AI coding 收益就越高。但是对于人的要求也越高了。我在 X 刷到到过一个观点，他说 AI coding 不是抹平了不同级别开发人员的差距，而是加大了开发人员的能力差距，初级工程师用了 AI 能力乘 10 ，而高级工程师用了 AI 能力乘 10000 。


@ty29022 额，这就有点抽象了。我的理解是 LLM 始终是工具，正确的使用工具，才能算作是 vibe coding 。一句模棱两可的需求，就算是人也干不好吧。


@Mandelo 是的。


@shunia 不好意思，其实我没太明白你的意思。测试和 review 是写代码的一部分，我觉得和 vibe 不 vibe 的好像没有什么关系？


@faceRollingKB 棒 正确做法！

@byweilong 这是另一个复杂的话题了，一篇帖子不好回复。

@sprinng 点了。

@aprilwei 也可能是 trea 不太行，换我帖子里的三个试试。

@Clannad0708 唔 你可能误会我的意思了。我说的 vibe coding 只是基础的姿势，不是我真的工作中就用这点，实际我在工作中要负责很多，甚至会自己维护 AI cache ，但是我觉得这些已经比较超出基础水平了。AI 开发不行的人（比如评论中的说 老项目维护 AI 只能辅助的），可能是他们姿势有问题，所以我分享了一下基础的配置。如果是使用了这些基础配置还觉得 AI 不行的人，我比较好奇，他们的工作是什么，为什么和大部分很厉害的高手都背道而驰。虽然我在北京，但是北京 cursor meet 刚好有事没去上，可惜。

@009694 哈哈哈 我确实会先跟 AI 聊 再 plan ，但是我没有说，是因为不是所有人都需要的，很多人拿到需求，本来就有思路的，不是所有人都需要和 AI 先交流。

@darksword21 棒！

@JoJoWuBeHumble 所以需要正确的使用姿势。

@ooee2016 额，没理解啥意思。

@YangWaleed 是的，所以我先把用的模型写在前面，哈哈哈。

@jackOff 和我不太一样，我是直接就用最好的。省的费劲 哈哈哈。

@17681880207 nice 。

这评论区已经给人看力竭了。 为啥中文社区对人才的看法这么严苛？反而 X 上清一色的支持。

“没有什么人是不可替代的，不要把平台当成自己的能力。”
“业务发展期强行提上去的 P10 ，在业务稳定后，面对外界流入人才的冲击，很难守住自己的位置。”
“qwen 做的平平淡淡，被排挤很正常”
。。。。。

懒得引用了，这谁看了能蹦得住。

来了来了来了，从描述的情况来看，我感觉不是召回阶段的问题。

可以考虑在分块阶段优化一下，改成语义分块。判断后一句话和前一句话的相似度，从 0~1,为完全不想干与特别相干。设定一个阈值，当两句话分数相差超过阈值，既作为一个分块。这种分块方式可以让不同的语义分得更清楚。

在处理用户问题的时候，加入意图识别，准确识别意图，你想检索的是处置流程的分片，而不是消防安全事故相关。

以我的使用体验来看，现代模型准确识别出“想要的是处置流程的分片” 这一需求，不是难事。

另外，不行换好点的模型，国内用 deepseek 最新的。

用 cursor 或者 cc 模型就用 claude 或者 gpt 别用其他模型。AI 引入虚空方法，感觉已经是上个世纪的事了，从 claude4.0 开始，都没有这种问题了。

@Zonecde 我也只能算小入门的阶段。项目实际落地中，审计、sso 、权限控制 包括包公 OA 的接入，这些都和传统项目没有太大区别。

在安全方面，因为 agent 会使用工具，所以比传统项目风险更高。可以在 agent 执行中间加入判断层，比如接下来的步骤是删除文件，属于高危操作就给用户确认后再执行，或者 agent 自主判断不执行，通过其他方式完成任务。

至于合规性安全方面，如果要求高可以硬编码，在最终输出的时候加入违规词过滤。或者在模型方面进行安全性微调。

并发方面，我一直是用的 python 做的，首先全异步是比较基础的，如果用 AI 写，那提示词中要有体现。然后是工程结构中的优化，给你几个我做过的方案：
1. 多模型并用，请求分层。比如 轻量级模型，做专门的意图识别，快速分析问题类型，是否需要 agent 深入处理。一般业务中，大部分问题其实都比较简单，是可以简单处理的，把大模型留给最复杂的那个 sub—agent 。
2. 缓存决策信息。可以节省非常多的 token ，比如我在上个工作做一个化工行业的销售项目的时候，会提前缓存 AI 总结的客户画像，以天为单位的产品信息等。再比如阿里的那个免费奶茶，你会发现他虽然中间很多步，但是那个功能尤其的快。
3. 工具并发，当需要调用多工具的时候，也要支持并发。因为工具调用是 agent 最重要的一步，也是和普通提示词工程的区别。
4. 增加兜底机制，允许超时等场景，agent 回复默认信息。
5. 如果还不行，那就加机器好了。

而且其实公司再 oa 上用的独立应用，并发理应不会很高。

哥们，可以去招聘软件上看看，尤其是大厂的 jd 。比如京东的前端招聘要求。

@laminux29 还真是，我在 V2 看了很多讨论 AI 开发或者 vibe coding 之类的帖子，我也有这种感觉。貌似很多人其实并不会 vibe coding 。还有一个原因可能是 不是所有人都用 opu4.5 或者 gemini3 这种模型，我几乎试过市面上大部分的主流模型，不同的模型之间能力会有很大差别。