官网：https://nicecode.cc/
最近看了一个有关context engineering的视频，引发了我对当下个人工作流的反思。最核心的一点在于，整个【自己动手，丰衣足食】系列的演化似乎都在朝着 “一次干完所有事”的全流程自动化 方向发展，却彻头彻尾的忽略了 当下LLM上下文有限的客观事实 （尤其是依旧200k的claude）。其实在编程过程中我们已有强烈体感，无论是只有100K满注意力的gemini-3-flash，还是在60K context window内极度聪明的opus-4.5，能够切实帮助（或没有幻觉/理解能力强）我们编码的LLM似乎就是有天然的“短视”弊病，经常说着前面忘着后面，这可能是LLM选用了transformer作为基础架构的天生缺陷，也可能是agent前中期发展的阵痛，但无论如何，当下的我们似乎都得直面这个问题。
一个新的workflow
我个人的解决方法比较简单，就是人为手工划分几个编程阶段，即分3个窗口分别执行HumanLayer提出的 RPI (Research, Plan, Implement)三个阶段，然后用spec文档串联三个阶段。当然，全流程也融合了我对多模型协作、prompt engineering的一些思考，目前体验下来整个workflow在复杂任务上的表现令我十分满意，感兴趣的佬友也可以尝试一下。
获取仓库
git clone https://github.com/GuDaStudio/commands
cd commands
具体的使用方法可以在仓库中查看，比较长就不搬在这里了。我个人用这版workflow重构了之前堆积已久的横向 :💩:
山代码，并在最近的投稿中几乎进行了研究和实验的全流程使用（但搭配了非常多自己实现的MCP/Skill，不是仅靠该workflow），个人对这版十分满意
No replies yet
Featured Collection
Popular Events
中文 
大vibe时代，我们需要的是“一镜到底”的自动化，还是“以人为本”的context management？
官网：https://nicecode.cc/
最近看了一个有关context engineering的视频，引发了我对当下个人工作流的反思。最核心的一点在于，整个【自己动手，丰衣足食】系列的演化似乎都在朝着 “一次干完所有事”的全流程自动化 方向发展，却彻头彻尾的忽略了 当下LLM上下文有限的客观事实 （尤其是依旧200k的claude）。其实在编程过程中我们已有强烈体感，无论是只有100K满注意力的gemini-3-flash，还是在60K context window内极度聪明的opus-4.5，能够切实帮助（或没有幻觉/理解能力强）我们编码的LLM似乎就是有天然的“短视”弊病，经常说着前面忘着后面，这可能是LLM选用了transformer作为基础架构的天生缺陷，也可能是agent前中期发展的阵痛，但无论如何，当下的我们似乎都得直面这个问题。
一个新的workflow
我个人的解决方法比较简单，就是人为手工划分几个编程阶段，即分3个窗口分别执行HumanLayer提出的 RPI (Research, Plan, Implement)三个阶段，然后用spec文档串联三个阶段。当然，全流程也融合了我对多模型协作、prompt engineering的一些思考，目前体验下来整个workflow在复杂任务上的表现令我十分满意，感兴趣的佬友也可以尝试一下。
获取仓库
git clone https://github.com/GuDaStudio/commands
cd commands
具体的使用方法可以在仓库中查看，比较长就不搬在这里了。我个人用这版workflow重构了之前堆积已久的横向 :💩:
山代码，并在最近的投稿中几乎进行了研究和实验的全流程使用（但搭配了非常多自己实现的MCP/Skill，不是仅靠该workflow），个人对这版十分满意
官网：https://nicecode.cc/