我的AI Coding实践

李峻老师分享精华摘要 (最终修正版)

引言：重燃编码激情的三个月
  • 观点 AI Coding带来的兴奋感，堪比人生中几次关键的“通宵时刻”（大学自学编程、创业写代码、通宵越野跑），是沉浸式创造的喜悦回归。
  • 事实 讲者有近十年的时间未曾深度写代码，但最近三个月因AI编码能力的爆发，重新找回了十年前的沉浸式编程状态。
核心痛点：为何现有AI工具无法满足个性化工作流？
  • 观点 市面上的AI SaaS软件商业模式不稳定，且强行绑定特定AI模型，用户无法自由选择当前效果最好的模型。
  • 事实 API调用成本高昂，对于翻译书籍、过滤信息等个性化、高频次任务，预算有限的个人难以承受。
  • 事实 国内如微信公众号、知乎等平台生态封闭，SaaS服务商因合规风险，普遍不敢提供内容抓取功能。
  • 观点 个人搭建的工作流更能保障隐私（Local First），所有处理都在本地完成，数据不上传，解决了使用SaaS处理敏感信息（如会议录音、财务数据）的顾虑。
解决方案：构建个人智能工作流
  • 实践 核心思路是利用AI Coding工具（现场以 Claude Code 为主）编写“胶水软件”（Glue Code），将各种工具和服务串联起来，满足高度个性化的需求。
  • 实践 主要解决了两大场景的问题：
    1. 知识学习：通过AI自动化处理，降低认知负荷，高效吸收书籍、视频、报告等深度信息。
    2. 信息过滤：打造一个无噪音、高信噪比的个性化信息源，只沉浸在对自己有价值的内容中。
实战演示 ①：个人智能知识库
  • 实践 利用大模型（如Gemini 2.5 Pro的百万Token上下文能力）处理长文本，如整本书、YouTube长视频字幕、会议录音。
  • 实践 编写脚本自动完成：
    • 翻译：将英文原著、视频字幕翻译成中文，并用Prompt指令保留专业术语原文。
    • 摘要生成：让AI生成交互式HTML摘要，高亮事实与观点，并以轻认知负荷的方式呈现（如安人认知卡片）。
    • 一键发布：通过自建工具将内容提交到 GitHub，自动触发 Vercel 进行部署，发布到个人网站，形成可分享、可检索的知识库。
实战演示 ②：个性化信息流项目 "Spring Research"
  • 事实 该项目一行代码未手写，完全通过与Claude Code对话生成。
  • 实践 工作流揭秘：
    1. 自动抓取RSS等多个信息源的内容。
    2. AI分析讲者近30天的个人笔记（Roam Research），动态生成一个“个性化过滤器”Prompt。
    3. 用此过滤器为每篇文章打分，超过阈值（如85分）的才进入精读库。
    4. 对精选文章进行深度处理（翻译、摘要），并通过Web和微信机器人推送给讲者本人。
  • 观点 这种方法创造了一个真正“为你而生”的信息环境，实现了高效、精准的信息过滤。
实操Claude Code：如何保证“第一次成功”

观点 新手入门的最大障碍是初次尝试的挫败感。以下工作流旨在最大化你第一次使用AI编码工具就获得成功的概率，从而建立信心。

  1. 明确你的“一句话需求”：用最自然的语言描述你想要做什么。例如：“我想写一个Python程序，把一个PDF文件转换成Markdown格式，并保留图片。”
  2. 【关键步骤】用通用大模型“翻译”需求：不要直接把“一句话需求”给Claude Code。先把它交给一个强大的通用模型（如GPT-4o、Gemini），让它帮你把“人话”转换成AI能精确理解和执行的、结构化的Prompt。你可以这样说：“我要写一个AI程序，请帮我把以下需求转换成AI能行动的、详细的Prompt，并推荐一些常用的技术方案：[这里贴上你的一句话需求]”
  3. 将优化后的Prompt喂给Claude Code：将上一步生成的详细Prompt，完整地复制并粘贴到Claude Code的命令行界面中，然后回车。
  4. 授权AI自动调试：接下来，AI会开始分析、规划、写代码。它可能会请求安装依赖、创建虚拟环境。你只需观察它的计划，输入“y”授权即可。如果中途出错，它会自己尝试解决问题，这是它最强大的能力之一。你的角色是监督者，而非执行者。

支撑成功的核心原则：

  • 实践 善用SDK模式：当你需要将AI能力（如翻译、总结）嵌入到脚本中时，使用claude -p "你的问题..."。这能实现工作流自动化，且不消耗额外API费用，性价比极高。
  • 观点 拥抱开源：AI非常擅长阅读和理解现有的代码。你可以让它帮你调试一个复杂的开源项目，或者从中抽取核心算法为你所用，这是最高效的“站在巨人肩膀上”的方法。
  • 观点 CLI优先：命令行界面（CLI）是为“任务”而生，天然适合与AI协作。先用CLI构建稳定可靠的后端服务， GUI只是最后一步的可选项。
对软件工程未来的思考
  • 观点 个人英雄主义的回归：一个开发者可以带领一群AI Agent，完成过去需要一个团队才能完成的工作，“一人公司”成为可能。
  • 观点 软件开发范式可能被重塑。过去为“人”服务的GUI和相关角色（UI/UX）在AI Agent协作中重要性可能下降，核心在于定义清晰、可靠的服务和接口。
  • 实践 要重视文档即代码和Prompt的版本管理，未来思想的沉淀可能更多体现在高质量的Prompt和对话记录中，而非代码本身。
给所有人的最终建议
  • 观点 “AI都会编程了，人还需要学吗？” 这个问题，就像“有了相机，人还需要学素描吗？”
  • 观点 学习编程的核心目的，不再仅仅是为了写出代码，更是为了训练一种计算思维和结构化思维。这种思维是与AI高效沟通、指挥AI完成复杂任务的必备基础。

原文

PPT