方法的骨架
作者的流程有几个固定支点：动手前先和模型对话把需求磨成明确的规格，让它复述理解再开工；任务切成小块，每块有可验证的完成标准，绝不让模型一口气写大段；测试先行或至少同步，模型的产出永远过测试这道闸；上下文勤管理，长会话定期重置并把结论沉淀成文档。整套方法的精神是把模型当「能力很强但需要管理的协作者」，管理动作一个不省。
共性正在浮现
把社区里口碑好的几篇工作流自述放在一起，会发现殊途同归：高产的人都在做规格化、小步走、强验证，翻车的故事都来自反着做。这说明 AI 编程的最佳实践正在收敛成形，它长得越来越像「敏捷开发的纪律加上代码审查的怀疑精神」，而不是什么提示词魔法。对新手，这类文章比任何提示词大全都值得先读，方法的迁移性远高于咒语。它的另一个价值是祛魅：高手和你用的是同一个模型，差的是流程。
via: Hacker News