推文

发现 Ponytail 和 Codex 是绝配。 GPT 写防御性代码上瘾——没有明确指示总是堆一大堆 boilerplate，看着想哭。 Ponytail 的核心理念是「The best code is the code you never wrote」，通过强制 agent 先确认是否真的需要写新代码，大幅减少 over-engineering。 官方数据：比无 skill 的 agent 少写 80–94% 代码，降低 42–75% 成本，速度快 3–6 倍。 今天装上试试，star 数已经很多了。

昨天抽空试了一下这个方法论，真的不错。不过我不是做 audit，而是做新 feature——让 GPT-5.5 High 用这个 skill 出 plan，不写一行代码，产出 Metadata、Scope 和 Steps。 再让 Composer 2.5（X 订阅送的）和 DeepSeek v4 pro 分别出一版实现，效果都不错，花费极少。 如果对代码质量要求更高，再用自己的 review-forge review 一下，就能花小钱办大事。 是个非常好的省钱穷鬼工作流。 【引用】Shadcn 作者的 improve skills 思路很不错——核心是用最强大的模型做最有价值的工作：深入理解代码库、发现问题、出高质量计划；把实际执行交给更便宜的模型。skill 本身绝不直接修改代码，只负责产出计划。 这个思路不只适用于代码改进和 audit，开发新功能同样完全可以套用。该 repo 4 天拿到 3.7K stars——感觉 skills 是现在最容易涨星的方向了。

@vikingmute: Shadcn 作者的这个 improve skills 思路真的很不错，我之前也有类似的想法： （链接） 简单来说就是用最强大的模型做最有价值的工作：深入理解代码库、发现问题、输出高质量计划。然后把实际执行交给更便宜的模型完成，skill 本身绝不直接修改代码，只负责产出计划。主 Skill 包含多种模式，有快速的也有全面的，但这个思想真的很棒，大家可以深入了解一下。我觉得不仅是代码改进和审计，开发新功能之类的也完全可以用这个方式。这个 repo 4 天就 3.7K stars，我觉得现在 skills 是最容易获得 stars 的方式了…… 引用 @shadcn: 鉴于最近发生的事，我要更坚定地推进 /improve 这类 skill 的建设。一个前沿模型被下架了。发生了一次，就会再次发生。今天是 Fable，明天可能是 4.9，或者某天是 GPT-6。 所以，把智能当作借来的资源。趁现在还能用，尽可能榨取它的价值。今天就积累计划目录，之后再用更便宜、开源或你自己控制的模型来执行。 现在就建立 backlog。

分享一篇文章：《How LLMs Actually Work》 好像前几天在 HackerNews 排名第一。同类文章很多，但这篇深入浅出，有直观的例子，非常适合有一定编程基础但没深入学过 Transformer 的人阅读。比喻也很恰当，一看就是人写的，没什么 AI 味。 最近重新爱上了写东西，写了两篇技术文章，之后还会继续写。我的原则是：人写，绝对不用 AI。写作是一种乐趣，是梳理逻辑、表达观点的过程，不想让这种乐趣被 AI 剥夺。

最近产量起来了，又写了一篇干货新文章：《我是怎样使用 AI 构建 E2E 测试体系的？》 将我之前总结基于 E2E 的新特性开发流程做了一个总结，原因是 TinyShip 是一个 Next.js、Nuxt.js、TanStack Start 三套前端框架组成的 monorepo，同时支持 PostgreSQL 和 SQLite，也就是说每改一个功能，有 6 种不同的组合可能出问题。光靠人肉点根本顾不过来。 我总结了一套 Spec → Code → Verify（agent-browser）→ Test → Green 五阶段流程，让 AI 辅助结合 E2E 完成新功能的开发和验证。所以更像是 E2E 驱动新功能开发。 如果你也有多框架的项目，或者也头疼人肉测试成本太高，可以试试这套流程。

最近一个月看来看去，觉得最漂亮最简洁的组件库就这两个了： COSS UI 基于 BaseUI，简洁美观、组件齐全，细节非常考究，还有 skills 等资源，对 AI 非常友好。 HeroUI 色彩鲜艳、更活泼，theme 丰富，可定制化也很强。 如果大家用厌了 shadcn/UI 的默认样式，可以试试这两个组件库，我更喜欢 COSS。

写了一篇干货文章：《我是怎样使用 AI 来做 Code Review 的？》 https://t.co/SOAwhs2jz8 对之前总结的 AI Code Review 做了系统梳理，并补充了更详细的分步流程。 AI 的代码产出速度太快了，如果长时间不干预，整个系统很快就会失控、质量严重下降、变成一个黑盒。我实践了一套叫 Review Forge 的流程，用来规范项目中 Code Review 的方式，同时让我对每次代码改动更有信心。 如果你也是用 AI 写大部分代码、review 已经跟不上了，可以试试类似的流程。

开源了我最近 review AI 代码的流程 skill——review-forge 越来越发现 Review 的重要性，AI 代码产出太快，如果长时间不干预，整个系统很快就会失控。 这个 skill 包含以下关键流程： **review**：让不同模型根据当前 diff 或 branch 生成 bug 报告，每个模型出一份独立报告（目前用 GPT5.5 / Composer 2.5 / DeepSeek V4 Pro）。多模型交叉验证很重要，因为每个模型都有盲区。 **synthesize**：汇总各模型 bug report 生成 summary.md，被多个模型同时发现的问题基本就是铁板钉钉的真问题。 **手动 Review 并决定修复哪些**：AI 擅长 review 但不擅长决策，后者需要对整个项目的理解、权衡风险和收益，必须由人来拍板。 **fix**：让一个模型修复 summary 中的问题，跑测试验证，更新 status.md。 **verify**：让另一个模型验证是否修复，更新 status.md，如此循环直到问题解决。 这是从《Using AI to write better code more slowly》出发不断实践的结果，想让 AI 写得好、写得慢的可以参考。

这哥们是我见过最高产的人，可以关注下，在 Vercel Lab 创建了这么多开源作品，太多想法了，这个看起来不错 ZeroNative [引用 @ctatedev]: 介绍 zero-native 用 Web UI 和 Zig 构建原生桌面 + 移动应用 → 极小二进制体积，低内存占用 → 可选 Web 引擎（WKWebView、WebKitGTK、WebView2、Chromium/CEF） → 支持 Next.js、Vue、Svelte、Vite、React → 支持 macOS、Linux、Windows、iOS、Android 和 Tauri 很像啊，默认还是使用系统 WebView，看起来就是用 Zig 替代了 Rust，好像还支持切换到 CEF（Chromium Embedded Framework）打包 Chromium。想要稳定性的话。

很喜欢这个 liveline。 AI 时代还有人认认真真打磨这样一个功能丰富、属性众多的实时动画折线图——真的像艺术品。除了 React 没有其他依赖，动画 60fps，非常丝滑，很适合实时数据展示，官方示例也很多。整体感觉非常漂亮，现在真的很喜欢这种精心打磨的小作品。