过度适配旧模型成 AI 编码最大摩擦
有观点认为,当前 AI 编码的最大问题不是不够定制,而是过度适配旧模型:复杂 prompt、多层 RAG、人工重试、特殊 agent 编排和大量 guardrails 往往是在给上一代模型的 bug 打补丁,模型升级后反而成为摩擦和误差来源。直接用 vanilla Codex / Claude / GPT,只要任务描述清楚、上下文干净,往往更接近当前 SOTA。
有观点认为,当前 AI 编码的最大问题不是不够定制,而是过度适配旧模型:复杂 prompt、多层 RAG、人工重试、特殊 agent 编排和大量 guardrails 往往是在给上一代模型的 bug 打补丁,模型升级后反而成为摩擦和误差来源。直接用 vanilla Codex / Claude / GPT,只要任务描述清楚、上下文干净,往往更接近当前 SOTA。
Jeff Su 分享了一套 AI 文件管理方法:先花 15 分钟写一份规则手册,包含组织框架、命名规范和归档流程,再让 ChatGPT、Claude 或 Gemini 的桌面应用读取该手册,自动为收件箱里的文件重命名并归入对应文件夹。
推荐理由:作者用一份规则手册让 AI 按个人偏好重命名和归档文件,并给出云端整理与定时任务的具体步骤。
Jeff Su 分享 Context Handoff 技能,建议把长对话中的目标、已确认决策、进度和下一步整理成简报,核对后粘贴到新对话继续任务。作者称其可用于 ChatGPT、Claude 和 Gemini;文中给出了 Claude 的安装步骤及一次 NAS 配置任务的交接经历。
推荐理由:作者分享跨 ChatGPT、Claude 和 Gemini 的上下文交接技能,并给出在长对话中迁移任务的具体操作。
作者 Harper Reed 分享了一套用 ChatGPT 做旅行推荐的方法:先通过一组提示词访谈生成不超过 250 个词的个人品味档案,再与系统提示词、同行人信息一起放进 ChatGPT 项目的 instructions 中。
推荐理由:作者公开了自己在 ChatGPT 中搭建旅行推荐项目的完整提示词与流程,可供想复用同类方法的读者参考。