Dimon Dai
431 posts

Dimon Dai
@Scott__D
前9年ToB SaaS ,现在搞 AI https://t.co/gNUOrLAPPV Doing: https://t.co/sHA08cqC5g https://t.co/HNWrASiyKh https://t.co/HGcplPk2WN


@Jaden_riku 最近在用爱马仕,还行,比小龙虾稳定一些,但还是有时候会跑偏,没有 Codex 掌控感那么强

是的,worktree,开了worktree 之后,开发完,走远程 PR,然后单独弄个会话,统一 Review PR,一个会话统一合并 PR,6 会话一起跑,2个20x Codex 周额度都被蹬干。 为了快捷,我专门搞了一套Harness,github.com/Dimon94/cc-dev… ,AI 时代的 PDCA,不断循环并行开发。

没那么复杂,如果大模型是马,人要骑着马到达自己的目的地,那么整个骑行过程中人和马之间的所有东西就是 Harness

Codex用上瘾之后,100刀的套餐是真不够用了,这钱相比充游戏买皮肤简直划算太多。API中转站或者土区id能省钱其实我也知道,但是对比信息泄露和封号风险,这点钱还是不省了




AI Coding 现在开始进入一个很有意思的阶段。 过去大家讨论最多的是模型能力、上下文长度、Agent Loop、Tool Use、自动化编程,但真正把 Agent 长时间放进真实开发环境之后,很多团队发现问题已经不只是“能不能生成代码”,而是“系统能不能管理 Agent 的整个运行过程”。 因为 Agent 一旦连续运行几十分钟甚至几小时,workspace 会不断变化,shell 会持续执行,文件会被频繁修改,tool call 会越来越多,最后整个工程会进入一种非常典型的状态:代码已经变了,但没人知道为什么会变成现在这样。 很多 AI Coding 产品目前其实都存在这个问题,你能看到最终结果,却看不到完整过程,很难知道哪一步修改了文件、哪个 prompt 生成了代码、哪次执行引入了 bug、workspace 是从什么时候开始被污染的,也很难回放整个执行链路。 人类开发者有 Git,但 AI Agent 目前还缺少真正成熟的 runtime-level version control。最近越来越多团队开始重新思考 Agent Infra,本质上是在给 Autonomous Agents 补一层“软件工程基础设施”。 未来真正成熟的 Agent 系统,大概率都会具备 execution DAG、workspace snapshot、session timeline、tool tracing、persistent history、replay、time travel、audit log 这些能力,因为 AI Coding 下一阶段拼的已经不只是生成代码的能力,而是系统是否具备可追踪、可恢复、可审计、可回放的运行能力。 本质上都是让系统具备可追踪、可恢复、可审计能力。 最近看到一个很有意思的开源项目: github.com/regent-vcs/re_… 它做的事情非常直接,给 AI Agent 增加一层版本控制与 可观测基础设施。可以直接追踪某一行代码是在哪次 Agent 执行中生成的。 这个方向我觉得会越来越重要。 很多人现在还把 AI Coding 理解成“更聪明的 Copilot”,但整个行业其实已经开始往“Autonomous Software System”演化了 AI Coding 的下一阶段,拼的已经不只是模型能力了。 更像是在重新发明一套适用于 Autonomous Agents 的软件基础设施。

大家怎么看 superpowers、gsd、gstack、openspec 这些专注于 Coding Workflow 的项目? 我会从中汲取一些 有用的 skill,组成自己的 Research、Design、Plan、Develop、Test、Commit 工作流。







