今天在v2ex上看到了一个帖子，孩子，那不是说明书，那是祈祷文,这里帖子里面提出来的两个问题:1.提示词 2.不同IDE的不同提示词兼容性. 让我们回头再看提示词，当然也带出来了一个新的职业提示词工程师。在目前阶段,想得到一个符合你需求的输出内容，需要不断的去修改自己提供的提示词。在某种程度上是人在为AI打补丁。 这里还是需要继续看下本周在vibe coding上的一些进展，从使用频率上来说，比上一周增加更多，但是生成的代码出现问题或者偏离自己预想的地方比较多。尤其是当某个方案或者实现方式在第一次或者第二次内出现问题，很大概率上后面的各种问答，甚至到最后无能为力的让他不要这样做。在这种场景下我感觉触及到了AI的一个上线一样，无法再进一步。当然，在我之前来看，ai和人应该是协同进步的关系，即新的想法和思科不断优化提高的过程。但是在这几天的过程中这个过程并不愉快，这里和我输入的提示词就有一部分关系，但是也有文字的描述和实际过程的差距，图片的内容无法动态化具体的交互场景，在这种情况下，ai无法完全了解我的想法，他提供的方案或者解决办法也越来越“差”。这里其实也暴露出目前AI应用的局限性，问答交互场景的内容在文字传递过程中的损耗。在目前来说，我对提示词还是比较排斥的，这里主要是在目前来看，提示词处于一个过渡性的产物，后面必然被替代消失。学习这些技巧在今天不断变化的过程中作用有限。还有就是各种不同的AI不断去试得到的结果不稳定是非常致命的。 AI在方案设计过程中，我认为是有非常大提高的，这里我主要是摆脱了从传统浏览器查找总结的困难，让AI得出的第一版质量非常高(注意里面他引用的东西是失效的)，可以快速阅读理解后去提高自己的理解。 最后还是想说的一点，这是一个信息爆炸的时代，如何寻找获取到优质的内容非常重要，剩下重要的一步就是如何得出自己内容，以及获取到自己的思考。

这两周继续探索了一下AI在编码中的使用，有了更多的一些思考。 编码效率 这里主要是指的是编码效率，不是整个工作效率，我后面会讲到。在编码效率上来说，AI确实带来了非常大的提高，我的项目中涉及客户端、前端和后端，单个需求的在编码上花费的时间我认为减少了50%，通过不断对话或者摸索一些提问的方式，AI生成的代码越来越符合自己的想法，同时能够在现有的项目结构和风格上快速添加上去。当然，这里要说的的是我的项目一些难点主要在客户端，后端和web上对比很多其他后端项目复杂度没有那么高。 在代码重构中的使用，因为线上版本某个模块出现的问题比较多，但是之前的代码比较乱，排查问题非常困难，所以我决定重构整个模块。在这个过程中我快速梳理出来自己的想法，这里就是写出我自己想要的，AI能够理解并且快速生成，在单个模块编写之后，我进行快速验证，然后整个模块进行参考生成替换，效率非常高。然后修复小问题之后，再去抽象优化，继续生成，最后快速重构完成了。重构这一项工作因为时间的原因，其实很多时候会又一点枯燥，并且不容易得到肯定，但是在AI的协助下，这一项工作效率提高了很多。 最后一项，需要提到的就是各种方案和技术文档，这是许多开发非常头疼的事情。但是通过简单的一个思路的编写并且引用一些相关的文档，AI可以快速扩写并且生成非常精美的一些图表，这一块我觉得非常好。这里需要提到的一点是，文档非常重要，一个是梳理自己的思路，另外就是交流和团队协作，很多时候文档不可或缺。 ...

Electron打包发布的网络代理问题 Electron在开发的过程中，由于部分资源在github或者其他mirror上，连接慢或者无法连接需要通过代理访问，另外一种情况，在企业或者组织内网，会使用自己的证书或者网络代理来进行网络隔离，这些代理不同的地方处理方式不一样。 ...

node 升级URL parse变化 这几天在做Electron的版本升级，项目中的node版本也进行了升级，发现项目中的一个功能出现了问题，代码如下: 1 2 3 4 let url = "app://test?on=1" let uri = new URL(url) console.log(uri) console.log(process.version) proces输出主要是为了输出node的版本: ...

python boto3版本差异问题 由于假期期间带在自己的电脑上处理问题，需要重新搭建部分开发环境，将之前运行正常的脚本copy过来后，安装了python和各种缺失的库，但是脚本一直报错请求头中的sign参数不一致，由于脚本之前是正常运行的，一开始怀疑时间和文件的问题，但是尝试之后并没有解决，临时想办法远程之前的环境，确认了一下boto3使用的版本，在之前搭建的时候最新版本还是1.3.x，但是目前最新的版本已经是1.4.X，在pip install强制指定版本后上传成功了，这个是官方截至目前最新的使用示例Boto3 1.40.46，在这个问题的排查过程中，我也利用chat gpt和cursor去分析，但是他们分析的方向都是脚本的errorxinxi中签名的问题，整体的方向是一种错误的，提供的各种方案浪费了大量的时间。所以在使用AI去解决问题的过程中，对开发者的要求反而变得更高了，至少在目前这个阶段中，至少需要开发者能够找到一个正确的方向，然后利用AI在这个方向上走的更远，或者在某一个方向上快速验证，而不是被AI带着在各个方向上摸不着头脑，下发个AI的猜测性的指令或者某些强制的prompt，AI的顺从性在排查问题过程中这一缺点变得更加明显，面对未知原因的问题，怀疑和自证是非常重要的。 目前最重要的就是如何在自己下一步的工作中利用AI去提效，目前我在各种脚本和后端需求开发过程中已经在使用了，但是功能点非常小，而且在部分需求上使用AI反而拖了后腿(这里另外一个方面其实也可以思考自己的能力或者理解上是不是也存在问题，无法提出一个优秀的问题)，但是在一个工程或者流程中大量或者高效利用的模式还没找到，还需要进一步挖掘自己应该如何去使用。