夜雨聆风最近使用 AI Coding 的一点记录和感想
最近很忙，冒泡不频繁了，最近在做一款 Agent 的桌面客户端，目前第一个小版本已经上线了。
在过去的半个月里，是我过去很长一段时间里用 AI Coding 最多的半个月。几乎除了吃饭和睡觉，我全部的时间都在了 AI Coding 上。
原本我一个月是 20 刀的 Claude Pro 会员和 20 刀的 ChatGPT Plus 会员，但发现不够用了。所以在上个月，我把 ChatGPT 升级成了100 刀的Pro 版，同时仍然保留着 20 刀的 Claude Pro。最近的 token 消耗量也是一次次刷新纪录，今天又创新高，应该能到 400M。
在这个产品的开发过程中，遇到了挺多问题的，今天有时间来总结一下。从三个方面吧，人员、模型、应用。
一、人员方面
首先是人员方面，我们现在想做的这个事情，算是对我们 Agent 的一次重大升级。我们以前的一些 Agent 实际上并不能称之为真正意义上的 Agent，它们更多是偏向于一些 workflow 定制化的东西。
那我们新组建了一个七八个人的开发小团队。成员们以前主要是做前端或后端开发的，没有人做过客户端开发。因为缺乏客户端开发经验，所以我们现在全部依靠 AI coding 来完成。
实际上，从 5 月初开始，我们原有的开发人员已经进入了全栈模式。无论是前端还是后端，基本上都是由个人独立承担需求。一个小需求不再区分前后端，而是由一个人独立完成。前端开发需要使用 AI 去写后端的代码，后端开发也要使用 AI 去写前端的代码。
这就是我们目前在人员和开发模式上的一些现状。
二、模型层面
然后是模型层面。刚才提到，我现在是用 GPT 和 Claude 比较多。但也有一些其他的同学，在用国内的 MiniMax、DeepSeek V4 或者是 GLM等。通过几个事情来分享一下吧。
国内模型有些问题还是经常遇到解决不好的问题，用 GPT 或 Claude 能更好的给出解决方案。从整体的使用以及问题的解决上来看，国内这些模型还是要向国外这些模型不断地去学习，还是有很大进步空间。
再一个就是在模型使用的结合上面。虽然现在 100 刀的额度基本够用，但我仍然在为 Claude 续费。因为在我的实际体感中，Claude 和 GPT 在很多时候是需要相辅相成、一起合作的。
第一个是我现在和 GPT 或者 Claude 对话的过程中，大概聊几轮就能感觉得到这个问题它能不能解决。
上周遇到了两个问题，基本都是在和 GPT 5.5 聊了几轮以后，就感觉到它应该已经把自己绕进去了，也快把我绕进去了。我感觉它解决不了这个问题，所以就放弃了。我赶紧换成了 opus 模型，把详细的背景和问题描述过去以后，它很快就很针对性地找到了原因并解决了。而在 GPT 5.5上，我其实已经花了半个小时跟他聊这些东西，有点浪费时间了。
第二个是隔了一天我又遇到了一个问题。在 GPT 上，即便我把思考档位开到了最高，它仍然没有很好地解决。我又抱着试试的心态去找 opus 模型，最后也是很快解决掉了。
那这时候就想，opus 模型就一定好吗？也不一定。上个月，我用 Claude 写一个需求时，针对 OSS 存储的问题绕了好久一直没有解决。然后我把问题描述给 Codex，让它 review 了一下当时的代码，结果 Codex 很快就把问题解决了。
所以我现在的感觉是，这些模型你还是要都拥有。在关键的时候、关键的点上，如果你发现一个模型真的解决不了了，不要犹豫，立马就换掉。
三、应用层面
1.方案和计划是最重要的，实施是其次
其实大家可能已经在开始使用了，核心就是“方案先行”。那怎么才能更好的和模型聊方案呢？说白了就是一句话：把事情讲清楚。
1.要跟模型讲清楚你的需求和背景，沟通的过程要像跟人聊天一样，类似于产品经理与开发之间的沟通，这其实就是你和 AI 交流的过程。
2.有些时候即使你明明知道某些功能该怎么做，也不要直接告诉它“我要怎么做”。相反，你要引导它去思考“应该怎么做”。这样它可能会提出新的方案，如果你发现它的方案更好，就能激发你的灵感。另一方面，通过这种方式能让 AI 更深入地知晓整件事情。
在目前来看，尤其是最近 Claude 和 Codex 都更新了 /goal 指令以后，我们会发现一个好的方案和计划是最重要的，它其实占到了 80% 左右的比重。
所以，与它沟通方案的这个过程，实际上占据了我目前实现需求的大部分时间。其实最后实施执行的那段时间是很快的，反而没那么重要了。
2.擅用 worktree，擅于多分支并行
在最近的使用当中，其实用得最频繁的就是 worktree 和多分支并行开发。我发现当我使用了 /goal 这个指令以后，程序基本上都会运行一段时间，半小时、一小时甚至几个小时都有可能。在这段时间内，你不能干等着，还要去完成另一个需求。那怎么办呢？再开一个 worktree，拉取一个分支。
我目前是在主分支的上进行 worktree 的面板管理。有时候可能会有四个任务同时并行，当你完成了这四个任务以后，把它们进行合并。有冲突没关系，冲突让 AI 解决就好了。
worktree 的使用，确实极大的提高了我的效率。
3.复杂的方案设计，擅用子智能体评审、review 等
我们第一点刚才说到了方案的重要性。当你拥有一个方案以后，可以让他再次去 review 你的方案。在你的计划和设计确认没有问题后，就可以让他去执行了。
在这个评审的过程中，你可以让他在产品、UI、架构、开发等不同维度，利用相应的子智能体去评审你现在的方案、UI、设计以及架构。
4.团队协作开发，方案/技术归档很重要
在团队开发和协作方面，因为每个人使用的工具和习惯不同，在代码行为风格上也会有很大差异。但我们终归要让模型知道别人在做什么、具体的方案是什么以及改动了哪里，所以这些文档的处理非常重要。说白了，就是为了给模型提供更好的上下文。
在这块工具的选择上, 我们最开始用 Openspec，现在 bmad 的比较多一些。但我发现这些东西还是太重了，每次都要生成很多内容，对我来说不太友好。
各位小伙伴有更好推荐的话，可以一起交流，我也希望能用到更高效的东西。
以上是最近的一点感想，可能有不当之处，欢迎大家一起交流 讨论～
推荐阅读：
作者：叫我姜同学
如果您觉得文章还不错，麻烦在点赞、推荐、转发、评论中的任何一个都可。谢谢您的时间，下次见~
