为什么 Go 适合 AI 辅助软件工程
从审查、验证与长期维护出发,理解 Go 的统一工具链、可读性和兼容性如何约束 AI 生成代码,并厘清类型检查、依赖校验与部署的边界。
收录 16 篇与「AI」相关的文章,包括《为什么 Go 适合 AI 辅助软件工程》、《用 Vibe Coding 做出像设计师打造的网站》等。
从审查、验证与长期维护出发,理解 Go 的统一工具链、可读性和兼容性如何约束 AI 生成代码,并厘清类型检查、依赖校验与部署的边界。
Railcode 创始人 Yakko Majuri 分享网站设计过程:从过山车原型到整座乐园,通过多版本探索、单文件比较和配色试验,让 Coding Agent 帮自己实现审美。
说明 AGENTS.md 应保留哪些全局规则,哪些内容应下沉到目录、文档、Skill 或 CI,并给出可维护的模板与重构方法。
按实际操作顺序检查海外 AI 服务地区,配置 Google 与 Apple 账号,处理 Android、eSIM、礼品卡和订阅付款,并准备自由职业回款与 SaaS 收款。
说明 AI 如何扩大 FDE 的工作范围,并从客户筛选、流程调查、方案定义、RAG、Agent、部署、组织采用到客户交接,整理一名 FDE 需要理解、亲手完成和证明的工作。
拆解 FDE 如何观察真实流程、缩小交付范围、在旧系统中完成可靠集成,并把现场经验转化为可复用产品。
系统说明软件架构、设计原则、接口、数据、缓存、消息、微服务、云原生、分布式、AI、安全、可观测性与性能优化等 19 个领域的职责、组合方式和采用边界。
拆解 grill-me、to-spec、to-tickets、tdd 与 improve-codebase-architecture,说明它们如何把 AI 编程变成可重复、可验证的工程流程。
从安装、仓库初始化到需求访谈、Spec、Tickets、实现与双轴审查,拆解一套可持续运行的 AI 编程流程。
比较 MCP、RAG 与 AI Agent 各自解决的问题、能力边界和组合方式,并说明如何按任务复杂度选择合适的系统结构。
解释 Retrieval-Augmented Generation 如何检索外部知识、构建上下文并生成答案,以及它与 context、vector database 和 fine-tuning 的区别。
从 Taylor Otwell 的访谈出发,说明 Laravel Boost、框架约定和可读 API 为什么利于 Coding Agent,并讨论代码成本下降后的审查、风险与学习方式。
从 Matt Pocock 对 strategic programming 的推荐出发,说明 Tracer Bullets、Orthogonality、Design by Contract 等经典原则如何约束 AI 辅助开发。
把模型、工具、记忆、工作流和安全边界组合成可执行、可反馈、可验收的 Agent 系统。
从审美参考、Landing Page 转化结构、截图与源码复刻、Taste Skill、Design Engineering Skills 和 Impeccable,到 Components、Blocks、Templates 的选型与迁移,整理一套可验证的 AI 前端工作流。
一份面向零基础读者的 Vibe Coding 入门教程,以 ChatGPT 桌面客户端中的 Codex、TypeScript 和 Cloudflare Workers 为主线,讲清需求拆解、验证、Debug、Git 与安全边界。