开发者分享SDLC中使用多AI代理交付生产级功能经验
一位资深开发者分享其团队在软件开发生命周期中利用多个AI代理的实际经验。过去几个月,他主要扮演协调者和代码审查者角色,极少亲自编写完整代码,仅在处理配置文件或AI难以完成的任务时才手动操作。其核心工作流为“一位人类协调者、三个终端、一个受控循环”:首先将需求分解为具体可执行的实现契约,利用规划代理(如Opus 4.8)分解任务,而非直接写代码。项目架构规则、输入验证、数据库访问、测试规范等均保存在.claude文件夹下的规则和上下文中,确保代理无需每次重新发现架构。该流程已成功交付多个真正运行于生产环境、服务真实用户的功能,避免了“氛围编码”式Demo的陷阱。他强调,模糊的任务和不清晰的规则会直接导致“垃圾进垃圾出”,而清晰的管道像PID自适应控制系统一样自我校准,产生稳定结果。 #AI代理 #软件开发 #生产环境 #技术实践 #团队协作 #编程 #自动化
一位资深开发者分享其团队在软件开发生命周期中利用多个AI代理的实际经验。过去几个月,他主要扮演协调者和代码审查者角色,极少亲自编写完整代码,仅在处理配置文件或AI难以完成的任务时才手动操作。其核心工作流为“一位人类协调者、三个终端、一个受控循环”:首先将需求分解为具体可执行的实现契约,利用规划代理(如Opus 4.8)分解任务,而非直接写代码。项目架构规则、输入验证、数据库访问、测试规范等均保存在.claude文件夹下的规则和上下文中,确保代理无需每次重新发现架构。该流程已成功交付多个真正运行于生产环境、服务真实用户的功能,避免了“氛围编码”式Demo的陷阱。他强调,模糊的任务和不清晰的规则会直接导致“垃圾进垃圾出”,而清晰的管道像PID自适应控制系统一样自我校准,产生稳定结果。 #AI代理 #软件开发 #生产环境 #技术实践 #团队协作 #编程 #自动化
This media is not supported in your browser
VIEW IN TELEGRAM
用AI从历史报纸中挖掘银行挤兑数据
三位经济学家利用大语言模型,从美国国会图书馆数字化的逾3.74亿份历史报纸中提取银行挤兑信息,构建了美国历史上最全面的银行挤兑数据库。在1933年大萧条高峰之前,银行挤兑频发,但官方记录仅记载银行倒闭,未区分是否因挤兑导致。研究团队通过关键词搜索筛选出约100万篇候选文章,再使用LLM提取结构化信息,包括银行名称、事件类型(如储户挤兑、暂停支付、关闭、重开)、原因(宏观经济、特定消息或谣言)以及银行应对措施(如清算所援助、公开偿债能力展示、股东注资)。该数据库允许用户浏览原始报纸文章,为研究银行危机提供了前所未有的数据基础。 #AI #大语言模型 #银行挤兑 #经济史 #金融 #数据库 #历史研究 #LLM
三位经济学家利用大语言模型,从美国国会图书馆数字化的逾3.74亿份历史报纸中提取银行挤兑信息,构建了美国历史上最全面的银行挤兑数据库。在1933年大萧条高峰之前,银行挤兑频发,但官方记录仅记载银行倒闭,未区分是否因挤兑导致。研究团队通过关键词搜索筛选出约100万篇候选文章,再使用LLM提取结构化信息,包括银行名称、事件类型(如储户挤兑、暂停支付、关闭、重开)、原因(宏观经济、特定消息或谣言)以及银行应对措施(如清算所援助、公开偿债能力展示、股东注资)。该数据库允许用户浏览原始报纸文章,为研究银行危机提供了前所未有的数据基础。 #AI #大语言模型 #银行挤兑 #经济史 #金融 #数据库 #历史研究 #LLM
❤1