Vibe-kodningseffektivitetstips: Ett måste att läsa innan du skriver kod! Använd AI för att hitta den optimala lösningen först.

En vän frågade mig häromdagen hur man kan förbättra effektiviteten när man använder Codex.

我说你想做的东西，GitHub 上大概率已经有人做过了，而且不少方案已经很成熟。能直接参考、修改，为什么还要从头写一遍？

Jag sa åt dig att kopiera och klistra in följande prompt och köra den innan du börjar varje projekt.

他试了一下，回来跟我说，确实省了好多时间。

Jag har funderat på det, och det verkar som att en hel del inte känner till den här funktionen. Det är som att många använder AI för att skriva kod, direkt från Vibe Coding, där AI:n kan generera webbplatser och skriva appar.

Det finns verkligen ingen anledning att stressa.

Det du vill göra har någon på GitHub troligtvis redan gjort.

Det du vill göra har troligtvis redan gjorts på GitHub. Många lösningar är redan mogna, och kodkvaliteten kan till och med vara högre än vad du skulle kunna skriva själv. Varför skriva om det från grunden när du direkt kan referera till och modifiera befintligt arbete?

Min personliga vana är att när jag vill starta ett nytt projekt skriver jag inte någon kod direkt. Först skickar jag detta förslag till 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。

Bara den här enda meningen.

Den här prompten gjorde tre saker.

Tänk på det, den här prompten gör tre saker.

För det första tillåter det AI att hitta befintliga lösningar på GitHub istället för att börja skriva sina egna. Många kanske inte vet att Codex, när det integreras med GitHub-pluginet, faktiskt kan söka efter projekt med öppen källkod i realtid; det är inte bara en funktion.

För det andra använder den AI för att hjälpa dig utvärdera kvaliteten på dessa projekt: om de fortfarande underhålls, hur komplicerad implementeringen är och vilka funktioner som kan användas direkt. Om du manuellt skulle söka igenom varje projekt på GitHub kan det ta en timme eller två. Låt AI:n köra det, så får du resultat inom några minuter.

För det tredje låter det AI ge dig ett tydligt beslutsförslag: om du ska använda det direkt, modifiera det eller skriva det från grunden, och det hjälper dig också att planera den enklaste MVP-lösningen.

Varför kan vi spara många tokens?

Låt mig säga dig, den här operationen kan verkligen spara dig många tokens.

Varför? För om du direkt låter AI börja skriva kod, kommer den inte att veta att det du vill ha redan finns. Den kommer att generera en enorm mängd kod åt dig från grunden. Denna kod kan överlappa med funktionaliteten i befintliga projekt med öppen källkod, och du kommer i slutändan att behöva rensa upp själv.

Men om du låter AI hjälpa dig att hitta svaret först, kommer dess förslag att baseras på det befintliga ekosystemet, och när du skriver koden kan mängden kod minskas med minst hälften.

Det är vad jag gör själv. När jag startar ett nytt projekt kör jag först det här förslagsprogrammet och bestämmer sedan nästa steg baserat på AI:ns förslag. Det förbättrar verkligen effektiviteten.

Ärligt talat är jag inte säker på om den här metoden kommer att fungera för alla; vissa projekt kan faktiskt sakna lättillgängliga lösningar. Men tänk på det: för de flesta saker du vill göra, med hundratals miljoner repositorier på GitHub, finns det en mycket hög sannolikhet att någon redan har gjort det.

Stående på jättars axlar

Du är inte programmerare, så du behöver inte skriva kod från grunden. Du är inte innehållsskapare, så du behöver inte skapa originellt innehåll varje dag. Du är helt enkelt någon som vill göra något meningsfullt, och det smartaste tillvägagångssättet är att först se vad andra redan har gjort, och sedan ställa sig på jättars axlar.

Ibland känner jag att det smartaste sättet att använda AI i AI-eran inte är att låta AI göra allt åt dig, utan att låta AI göra informationsinhämtning och beslutsanalys åt dig, och sedan kan du utföra det.

Vad är skillnaden mellan detta och att använda en sökmotor tidigare? Tidigare, när man sökte efter ett specifikt krav, dök det upp en massa länkar, och man var tvungen att klicka igenom dem en efter en för att se vilka som fungerade och vilka som inte gjorde det. Nu berättar du dina krav för AI:n, och den filtrerar dem åt dig och ger dig slutsatsen direkt.

Kan du tro det?

Denna uppmaning ska graveras.DNA-i

Personligen tycker jag att den här uppmaningen borde vara en del av vårt DNA . Att gå igenom den innan man påbörjar ett nytt projekt sparar verkligen mycket tid.

En annan fördel med den här metoden är att du slipper uppfinna hjulet på nytt. AI hjälper dig att hitta lättillgängliga lösningar, vilket gör att du kan fokusera på de verkligt skräddarsydda aspekterna. På så sätt kan din energi ägnas åt de mest värdefulla områdena.

Min egen erfarenhet är att när jag först började använda AI för att skriva kod var jag väldigt exalterad och ville att AI:n skulle generera allt från grunden. Men efter att ha använt det ett tag upptäckte jag att det ofta var långsammare. Detta beror på att man måste felsöka, modifiera och underhålla koden som genereras av AI, medan befintliga projekt med öppen källkod har verifierats av många, så deras kvalitet är mer garanterad.

Det här kanske låter kontraintuitivt, eller hur? Men tänk på det: det viktigaste med kod är inte att skriva den, utan att skriva den korrekt. Befintliga lösningar har redan validerats; att använda dem direkt minskar risken för problem avsevärt.

Så mitt råd är, nästa gång du skriver kod med Codex eller någon AI, stressa inte. Kör först prompten en gång och låt AI:n hjälpa dig att hitta svaret.

Du kanske upptäcker att det du försöker göra redan har gjorts av någon annan.

Du behöver bara ta den och använda den.

Använd tiden du sparar till att göra något mer intressant.

Eftersom du har läst så här långt, om du tyckte att det var hjälpsamt, gilla och dela det gärna. Om du vill få uppdateringar först kan du också följa mig!

Tack för att du läste min artikel. Vi ses nästa gång.