迈入纯 AI Coding 的未来
AI 已经彻底改变了软件工程师开发软件的方式。近期准备围绕以下三个方向开展研究。
01
准备中
热门话题横测
AI Coding 这边隔一阵就会冒出一个很火的说法。比如从年初开始，不少人在推通用工作流 skill；到了 7 月，又开始出现大量“应该抛弃这类 skill”的说法。与其只看谁说得更像那么回事，不如直接拿任务跑。
准备怎么测
准备短、中、长程任务，先用现在的旗舰 / Flash 模型跑，再换成这些 skill 火起来时的同档模型；同时放到 Codex 这种重型内置流程和 pi 这种极简 harness 里对照。看看同一个说法在哪些情况下成立，token 多花多少，成功率有没有提高，会不会其实只是 harness 在起作用。这些任务和指标最后需要做成一套能跨模型、skill 和 harness 复用的实景横评工具。
02
持续研究
AI 时代的软件工程
AI Coding 越来越像一种新的编程语言。既然代码主要是 Agent 写的，就不该默认人还要逐行 Review；但这不等于不 Review，而是要换一种看法。
准备尝试的方向
把 Review 从“看每一行代码”往上提几层：看架构图、数据流、状态边界和运行结果，再结合传统软件工程的东西去横测 TDD、SDD，或者其他乱七八糟的实践，到底什么真能提高 AI 出码质量。这部分最终需要形成一套面向 AI Coding 的新 Review 方法论，以及配套工具。
03
做原型
能直接用的 Agent
第三类是做一些很小、最好马上就能被人用的 Web Agent。先做到“能跑的玩具”这种程度，不急着上来就做通用平台。
先做什么
比如做一个 AI 版 AdGuard，让规则由 AI 自己生成和维护；或者把本站的“笨蛋谢琪 Agent”做出来，让人直接问我的项目、代码和经历，再根据问题动态生成更好理解的界面。前两类验证方法是否有效，第三类证明我能把 Agent Native 产品做出来。
还有一件事。
开发与验收中
先算能亏多少，再决定买多少。
将以损定量等交易仓位管理方法工具化，把风险预算、仓位计算、止盈止损与交易执行整合为统一工作流。交易内核已接入 Binance、OKX、Bybit、Bitget 和 Hyperliquid。
看产品讲解与开发复盘