Parker @[email protected]

每当看到现在云计算厂商搞什么 Tenant & Broker 概念，我就想说去你妈逼的吧！

什么时候国内公共厕所能不再有人吸烟，马路上汽车不再疯狂鸣笛了，中国人的整体素质才算上来。这还真不一定会实现，毕竟几千年下来素质都这样，怎么能期望未来能有改善。

使用 GitHub Copilot 的最佳实践：新项目从零起步，渐进式开发。现有项目重构或重写，一次性到位。

https://www.onedoc.xyz/s/-kdwKTZ8u

上海纽约大学，这个学校挺有意思的。算是中美教育结合的产物。

AI 目前还在高速发展，背后的隐私问题被掩盖。目前使用 AI 尽量不要输入个人隐私信息，包括姓名、住址、银行卡信息等，因为有些厂商会公开发布 prompts 信息。尤其是一些中转站，或者三方提供免费模型的。记住：AI 可以干活，但不能信任他们，他们可能会出卖你。

OpenRouter 就明确告诉用户” Some providers of free models may publish your prompts and completions to public datasets for research purposes.”

GPT-5-high 用来分解需求、生成多阶段的 prompts 时候非常给力。那种惜字如金的精炼特质非常适合这种场景。Sonnet 接管了接下来的代码生成任务，简直完美。Gemini 适合在方案尚未定型时候，整理需求理清思路。

现在使用 AI Coding Agent 编程，最大的挑战竟然是：【不要在等待代码生成途中刷短视频】。一贯沉浸式编程被 AI 的思考时间分裂成了碎片化的阶段，真的会忍不住在提交一个 Prompt 后刷一下视频放松放松。就好像本来是马拉松长跑运动员，忽然开始了一段一段的 10 米冲刺，大脑还没进入状态，就忽然又停了下来。反反复复，完全没有那种沉浸的心流状态。

我是有些庆幸自己在大 AI 时代之前学会了一门编程语言，并且有一些纯粹的“手敲字符”的编程体验。这在今天看来已经属于【古法编程】范畴，没人会再有心情从零开始学习一门语言了，更不会完全用手敲键盘的方式去写代码了。AI 在编程领域的革新是巨大的，完全推翻、替代了之前的编码方式，就好像汽车出现之后，马车就彻底消失了。古法编程以后也注定会消失，成为非常小众的存在。

不同工作流会导致体验和效率差距很大，代码质量也会有差。如果感到了某一刻在跟模型“对抗”，意味着工作流可能遇到问题。遇到问题时候，如果无法切换模型，那就说明工作流还是不够完善。如果遇到了所有主流强力模型都无法解决的问题，感觉得检查一下 prompt 是否精确，给出的上下文是否周全。

vibe coding 最重要的就是工作流，而工作流目前还没有形成最佳实践，并且不同的模型有不同特点，可以在不同类型的 prompt 组合混用。使用的工具也有区别，比如 cli 还是编辑器，又或是 coding agent，都会形成不同的工作流。