Vibe-kodningseffektivitetstips: Et must-read før du skriver kode! Brug AI til at finde den optimale løsning først.

En ven spurgte mig forleden, hvordan man forbedrer effektiviteten, når man bruger Codex.

Jeg sagde, at du skulle tilslutte GitHub-pluginnet først.

Han sagde, at han havde forbundet det.

Jeg bad dig om at kopiere og indsætte følgende prompt og køre den, før du starter hvert projekt.

Han prøvede det og kom tilbage og sagde: "Hold da op, det sparede mig så meget tid."

Jeg har tænkt over det, og det lader til, at en hel del mennesker ikke er klar over denne funktion. Det er ligesom mange mennesker bruger AI til at skrive kode, lige fra Vibe Coding, hvor AI'en kan generere hjemmesider og skrive apps.

Der er virkelig ingen grund til at forhaste sig.

Det du vil gøre, har en person på GitHub højst sandsynligt allerede gjort.

Det, du vil lave, er højst sandsynligt allerede gjort på GitHub. Mange løsninger er allerede modne, og kodekvaliteten er måske endda højere end det, du selv kunne skrive. Hvorfor omskrive det fra bunden, når du direkte kan referere til og ændre eksisterende arbejde?

Min personlige vane er, at når jeg vil starte et nyt projekt, skriver jeg ikke kode med det samme. Først sender jeg dette forslag til Codex:

我要做一个XXX。先不要写代码。去GitHub找能直接使用或二次开发的开源项目，确认是否还在维护、部署是否麻烦、哪些功能可以复用。最后告诉我，应该直接用、基于现有项目改，还是自己开发，并给出最简单的MVP方案。等我确认后再动手。

Bare denne ene sætning.

Denne prompt gjorde tre ting.

Tænk over det, denne prompt gør tre ting.

For det første giver det AI mulighed for at finde eksisterende løsninger på GitHub i stedet for at begynde at skrive sine egne. Mange mennesker ved måske ikke, at Codex, når det integreres med GitHub-pluginnet, faktisk kan søge efter open source-projekter i realtid; det er ikke bare en funktion.

For det andet bruger den AI til at hjælpe dig med at evaluere kvaliteten af ​​disse projekter: om de stadig vedligeholdes, hvor kompliceret implementeringen er, og hvilke funktioner der kan bruges direkte. Hvis du manuelt skulle søge gennem hvert projekt på GitHub, kan det tage en time eller to. Lad AI'en køre det, og du får resultater på få minutter.

For det tredje giver det AI mulighed for at give dig et klart beslutningsforslag: om du skal bruge det direkte, ændre det eller skrive det fra bunden, og det hjælper dig også med at planlægge den enkleste MVP-løsning.

Hvorfor kan vi spare mange tokens?

Lad mig fortælle dig, denne operation kan virkelig spare dig for en masse tokens.

Hvorfor? Fordi hvis du direkte lader AI begynde at skrive kode, ved den ikke, at det, du ønsker, allerede findes. Den vil generere en enorm mængde kode til dig fra bunden. Denne kode kan overlappe med funktionaliteten i eksisterende open source-projekter, og du bliver i sidste ende nødt til at rydde op selv.

Men hvis du lader AI hjælpe dig med at finde svaret først, vil dens forslag være baseret på det eksisterende økosystem, og når du skriver koden, kan mængden af ​​kode reduceres med mindst halvdelen.

Det er det, jeg selv gør. Når jeg starter et nyt projekt, kører jeg først dette forslagsprogram og beslutter mig derefter for det næste trin baseret på AI'ens forslag. Det forbedrer virkelig effektiviteten.

For at være ærlig, er jeg ikke sikker på, om denne metode vil virke for alle; nogle projekter mangler måske let tilgængelige løsninger. Men tænk over det: For de fleste af de ting, du vil gøre, med hundredvis af millioner repositories på GitHub, er der en meget høj sandsynlighed for, at nogen allerede har gjort det.

Stående på giganternes skuldre

Du er ikke programmør, så du behøver ikke at skrive kode fra bunden. Du er ikke indholdsskaber, så du behøver ikke at skabe originalt indhold hver dag. Du er bare en person, der vil lave noget meningsfuldt, og den klogeste tilgang er først at se, hvad andre allerede har gjort, og derefter stille sig på skuldrene af giganter.

Nogle gange synes jeg, at den klogeste måde at bruge AI på i AI-æraen ikke er at lade AI gøre alt for dig, men at lade AI udføre informationsindhentning og beslutningsanalyse for dig, og så kan du udføre det.

Hvad er forskellen på dette og at bruge en søgemaskine før? Tidligere, når man søgte efter et specifikt krav, dukkede der en masse links op, og man skulle klikke på dem et efter et for at se, hvilke der virkede, og hvilke der ikke gjorde. Nu fortæller du AI'en dine krav, og den filtrerer dem for dig og giver dig konklusionen direkte.

Kan du tro det?

Denne prompt skal indgraveres.DNAi

Personligt synes jeg, at denne prompt bør være en del af vores DNA . At gennemgå den, inden man starter et nyt projekt, sparer virkelig meget tid.

En anden fordel ved denne tilgang er, at du undgår at opfinde hjulet på ny. AI hjælper dig med at finde lettilgængelige løsninger, så du kan fokusere på de virkelig skræddersyede aspekter. På denne måde kan din energi bruges på de mest værdifulde områder.

Min egen erfaring er, at da jeg begyndte at bruge AI til at skrive kode, var jeg virkelig begejstret og ville have, at AI'en kunne generere alt fra bunden. Men efter at have brugt det et stykke tid, fandt jeg ud af, at det ofte var langsommere. Dette skyldes, at man skal debugge, ændre og vedligeholde den kode, der genereres af AI, mens eksisterende open source-projekter er blevet verificeret af mange mennesker, så deres kvalitet er mere garanteret.

Det lyder måske kontraintuitivt, ikke? Men tænk over det: det vigtigste ved kode er ikke at skrive den, men at skrive den korrekt. Eksisterende løsninger er allerede blevet valideret; direkte brug af dem vil reducere risikoen for at støde på problemer betydeligt.

Så mit råd er, næste gang du skriver kode med Codex eller en hvilken som helst AI, så lad være med at forhaste dig. Kør først prompten én gang, og lad AI'en hjælpe dig med at finde svaret.

Du kan opleve, at det, du prøver at gøre, allerede er blevet gjort af en anden.

Du skal bare tage den og bruge den.

Brug den tid, du sparer, til at lave noget mere interessant.

Nu du har læst så langt, så synes du meget godt om og del det, hvis du fandt det nyttigt. Hvis du vil modtage opdateringer først, kan du også følge mig!

Tak fordi du læste min artikel. Vi ses næste gang.