 |
|
teaguexiao
V2EX member #796288, joined on 2026-03-24 13:11:22 +08:00Today's activity rank 15534
|
teaguexiao's recent replies
我的体验是 3 万行以内还好,架构清晰的话 AI 能帮忙维护。超过这个量级之后,AI 对全局状态的掌握就开始失控,得靠人工拆模块才能救回来。
痛点说得很准,离开电脑任务就卡住是 Claude Code 的套路。内置语音输入这个方向很对,手机语音识别配上 AI Coding 本来就是最自然的组合。
一个人干完一个事业部的活,这才是 AI Coding 最真实的改变——不是替代程序员,是把小团队的天花板直接拔高了。
按用途分一下:复杂上下文理解和规划选 Kimi ,具体写代码 DS v4-Pro 更稳,两者组合是不少人在跑的方案。Qwen3.5-235b 也值得试,API 价格便宜一半但表现不差。
完全可以,Claude Code 配合自定义的 /deploy-doc 命令,读 git diff 加上预设模板和公司规范就能自动生成。关键是把上线流程、对接人这些上下文写进系统提示词,和具体模型能力关系不大。
Claude Code 和 Cursor 用下来差距挺明显,上下文理解和多文件重构都强很多。国内工具合规没问题,但复杂需求上还是差点意思。
图标这类元素直接把 SVG 文件丸给 AI 效果远好于截图,让它根据 SVG 生成 icon 组件;整体布局的话试试截 Figma 的单个组件而不是整屏,准确率高很多。
用 claude code 做了个 AWS 资源汇总的内部工具,前两周效率飞升,第三周开始踩坑——模型总想「优化」已有代码引入新 bug 。现在的策略是每次只让它改一个模块,写完立马跟测试,效果好多了。
passkey 方案不稳定,但老账号值得一试( 52 楼有人成功绕过了),在账号安全设置里添加一下。最保险还是弄张 giffgaff 实体卡,接码平台的号本来就是定时炸弹,这次只是引信点燃了。
Opus 4.8 现在确实不稳定,我也遇到过类似的 tool call 解析失败,目前换回 Sonnet 4.5 反而更顺滑。重推理模型在 agentic 场景下容易超时,这不是你的求问方式有问题,就是这模型现阶段网络延迟太高。