zwhu

前福报厂
现字节和心脏只有一个跳动的35+前端老登

[zwhu @zwhu__]

我现在的测试方案就是受了响马老师的启发，ai 分析代码和需求完写 playwright 脚本，执行完顺手截图发给我的飞书

[响马 @xicilion]

我以前也是手测，后来每次回归一大堆细节问题，遇到复杂 ui 时序问题完全没法迭代。后来我要求 agent 任何功能和修复必须写 nodejs playwright 脚本，只要再现出现象，它就会自己加日志，拆分，最后修复。完全不需要参与了。

[zwhu @zwhu__]

@xicilion 确实，用了AI，安全性高低全靠大模型厂商的道德水准决定

[zwhu @zwhu__]

@KakaluoteW45042 好奇是怎么知道砍了之后数据变好的？通过消融实验吗

[zwhu @zwhu__]

似乎看过这个剧

[宝玉 @dotey]

鹈鹕骑自行车出处

[zwhu @zwhu__]

最近刷红果刷的停不下来了，有没有好看的剧推荐？

[zwhu @zwhu__]

@fkysly Chromebook

[zwhu @zwhu__]

@realchendahuang 大厂的系统无法录入精美的交互简历🤣

[zwhu @zwhu__]

@ayy7x_ 交朋友

[zwhu @zwhu__]

@ZengwuY @ayy7x_ 求互助

[zwhu @zwhu__]

@DeepMin88285220 留痕

[zwhu @zwhu__]

@VictorGjdpx 我现在还只有一个关注😭

[zwhu @zwhu__]

@fkysly @judegomila 太好了，人类大同

[zwhu @zwhu__]

Qoder 的体验还是非常好的

[Kevin Ma @kevinma_dev_zh]

我最近可能和大家反着来了。

当很多人在追求更自动化的软件生产流水线时，我反而开始慢下来，做更多和 Agent 结对编程的事情。

当越来越多的人把思考、技术设计也交给 AI 时，我却在一点点把这些权限收回来。

现在更多时候，我自己负责思考和做技术设计，AI 用来帮我搜集信息、探索未知、解答问题，以及做一些可行性分析和前期调研。

等我的方案基本成形之后，再让它基于我的设计补齐细节、检查遗漏，最后由我确认。

这样做下来，效果特别好，而且真的很爽。

在具体、局部的问题上，AI 确实很强，也懂得很多。但一旦把问题放进完整的产品交互、业务逻辑和系统上下文里，它很难给出一个让我特别满意的方案。

这时候，人自己的经验、判断和对产品的理解就很有价值。

比如今天早上送娃上学的路上，我突然想到一个办法，可以让产品里的一个功能点体验明显更好。

这种东西往往来自你长期对产品的理解，以及脑子里持续不断地琢磨。

如果只是把需求丢给 AI，让它自己设计，它大概率想不到。

[zwhu @zwhu__]

@realchendahuang @sjdhoome 第2种方案已经跑了几个月了，还挺方便的。

不过最近公司内部的部署平台给了个通用的把线上静态资源转发到 devserver 的方案，现在完全不用管在开发机上启服务的事情了，启动worktree开发完代码，直接push到gitlab上即可

[zwhu @zwhu__]

@yibie 没有评测集的降智都是耍流氓

[zwhu @zwhu__]

@realchendahuang 并行需求多的时候，结合AI bot并行开发，还是非常舒服的

[zwhu @zwhu__]

最近花了点时间折腾了下在开发机上部署了 traex + 字节开源的 botmux

整体的流程就变成，同事在飞书上@我反馈 bug，直接转发给对应Bot话题组，AI 开始工作：
1. 分析问题、修改代码
2. 通过 supervisor 启动 dev server，开启代理转发到测试环境
3. 根据问题编写 Playwright 脚本，跑一遍验证
4. （非常重要）把验证结果和截图发给我，最后由我确认修复是否符合预期
5. commit & push

现在剩下最大的痛点是 Code Review：AI 写代码、跑验证都挺顺了，但我还缺一个在手机上舒服的 CR 体验