X作为我第一手的AI 信息流,我会定时看我关注的一些x博主,我把近期用于个人开发 / 企业开发时好用的AI工具/方法整理了下来,分享给大家:
1. Opus5.5 + @felixrieseberg 的提示词来让AI重新审视任务应该如何被专业地完成
- 可以用在复杂任务的规划阶段,而不是每次聊天都使用
- 比如你准备做一个技术项目、开展一项调研时,可以先提交原始需求,再加入这段 Prompt:
I want a deeper version of this task, not a bigger one. Before rewriting it: (1) say what a top professional in this field would do here that I'm not asking for; (2) name the rawest material they would start from instead of what has already been digested for me; (3) name the specific methods and tools they would use; (4) say what, other than you or me, would show the result is right. Then rewrite my prompt to ask for exactly that.
- 我最近在调研把code mode作为特性加入到我的agent,也用了这个meta prompt,效果非常不错,opus5.5本来就是一个强大的模型,有了这种meta prompt之后能发挥它更强大的作用
2. @yetone 开发 magpie的 loop
- yetone用三个 loop 就完成了magpie 这个产品的开发工作,我自己也去实践了一下,落地到实际的开发中,可以概括为需求 loop、反馈 loop、清理+沉淀经验的 loop,有几点需要注意
- yetone 能放手让 loop 跑,是因为社区每天都在帮他补需求,还顺手当了验收方。比如X 上直接@或者 discord 里的消息,都会被它捕获需求的 loop 拿到。
- 如果是个人项目 / 公司内部开发,需求来自自己想 / pm给,没有这股外力,需要自己造一个等价物:把方向写成一个文件,让 loop 从这里拿活儿。人只管方向和验收,loop 负责执行。这个方法论跟几个月前的 loop engineering 没什么区别,但现在模型能力增强(opus5.5真的挺好用的) + yetone践行 build in public,才让整件事情 1+1 大于 2,我觉得这也会是未来个人开发者的一个趋势,靠 agent 收集/分析需求做软件迭代,开发者只需要定义目标+铲屎即可。
- 在内部平台的开发,我是这样用这三个 loop 的:
① 需求 loop:我接入了 prd、工单、和我开发机器上的 adr,这里需要做一些简单的说明,告诉 claude 具体的位置,如果内部有 mcp/cli 之类的就直接接入
② 反馈 loop:反馈来源目前我接入了 bug 单、用户群、埋点数据,同样先用便宜模型筛一遍,生成候选需求。候选需求我不会直接进我开发机器上的 adr,会先发到我 im 的 bot 上,点头后才进需求文件。
③ 清理 + 沉淀经验的 loop:目前我是让 claude 定期结合我 pr 上的 diff 对照需求文件去做对抗性审查,看看有没有做偏,如果同一个坑踩了第二次,就改成 lint 或测试,从结构上让 agent 不会再犯。
- 我在这个试验里面只负责两件事情:改核心模块之前,loop 必须先停下来等确认;每晚花点时间过一遍 loop 的产出。如果想尝试的话,可以建议先从需求 loop 跑起来。
3. @poteto 的 pstack skill
- pstack 是 poteto 公开的一套 Agent 写代码工作流,官方以 Cursor 和 Grok Bot 插件的形式发布(社区也有 Claude Code/Codex 的移植版),目标是写出高质量的代码,里面除了她自己的一些工作流,还加上了一些好用的 meta prompt,比如 sharpen 这个 skill,思路就跟前面 felixrieseberg 的提示词一样。
- 我很喜欢它是因为里面是资深工程师反复做的判断沉淀下来的Agent 在关键节点必须执行的流程,所以你可以直接让你的 claude /codex用以下这个 prompt借鉴pstack,优化你日常的工作流:
“读取我最近一个月的session,结合顺畅合作和反复纠正的案例,提炼我如何定义问题、判断证据、比较方案和推进工作,重点说明不同情境下的取舍。用反例和未参与提炼的案例检验,先形成能指导新 Agent 的工作方式,再借鉴 pstack判断哪些机制值得补充、哪些适合沉淀到 AGENTS.md 或 Skill。给出精炼草案,用具体场景展示它会怎样改变 Agent 的决策。保留需要我决定的取舍,不直接修改配置。”
- 不过用的时候要小心,简单的任务完全没必要用 poteto mode,复杂的任务用即可,因为 poteto mode 的并行模式会带来大量子 agent 调用,消耗你的 token
“三巨头” 中 Alexandr Wang 此前也多次谈到自己的父母是物理学家,他的父母都是从中国移民到美国,在墨西哥州的洛斯阿拉莫斯国家实验室工作,简单说,就是美国最重要的核武器研发机构之一。
“我的父母都是物理学家,我的祖父也是一名物理学家。”
他从小就在这样的家庭中长大,一家人会在餐桌上讨论黑洞、虫洞、外星生命、超新星和遥远的星系。
父母甚至在他二年级时就教他代数。四年级第一次参加数学竞赛,他便拿下了新墨西哥州同年级第一名。此后,他沉迷于数学、科学和物理竞赛。
“所以,我是在一个纯粹的物理学家庭中长大的。”
华人家庭对教育的重视,确实令人感慨。