阳志平的主题2025/3/12 12:20 有24 位朋友发表了观点和态度 AI时代，软件开发的范式，更多是在敏捷开发基础之上的，我将其称之为认知敏捷类开发范式了。 也就是，相对传统敏捷开发，多了几个不同的步骤: 1、先尽量保证自己对要开发的软件系统拆解成相应的子系统到位; 2、每个子系统对应一个域名或一套API; 3、基于对开源社区的信息分析，确定最佳技术选型，尤其是AI大模型已经训练了相关开源项目足够多的代码; 4、先写文档，以及文档不再是写给产品经理看的，而是写给AI大模型看的，方便对方生成相应的提示词、代码，所以，尽量逻辑清晰、不要过多的叙事，清单体即可; 5、为了验证文档是否准确，立即生成数据库脚本，带测试用例的，导入到数据库实际看看，是不是你想要的数据库结构; 6、基于文档，开始正式生成代码，代码一上来先生成CLI级别的代码，保证CLI功能完整、可用、正确，才开始扩展为API级别的代码; 7、当API可用、完善了，才开始设计前端，依然是AI大模型根据你的API文档，总结前端交互文档，最后根据前端交互文档，生成你想设计的前端的最佳交互界面，应该包括的页面栏目、核心交互逻辑。 8、接着才是根据生成的Webapp，继续生成更多iosapp、客户端app等。 整套逻辑，可以说是AI时代的最佳开发逻辑。 实际写代码的时间变少了，思考时间变多了。 --- 阳志平的主题2025/3/12 12:31 有 24 位朋友发表了观点和态度 认知敏捷开发法 让AI帮我生成了一份说明，给大家参考。 AI时代的软件开发新范式:认知敏捷开发方法 在 AI时代，软件开发已经从传统的“手工编码”转变为“与AI 协作开发”。认知敏捷开发方法(Cognitive Agile Development)是一种适应 AI时代的新型开发范式，它在敏捷开发的基础上，强调了如何高效利用 AI进行软件开 … --- 阳志平的主题2025/3/12 12:40 有 27 位朋友发表了观点和态度 很多新手开发者，最不明白的地方是什么呢?软件是一种工程，是由无数细节构成的。所以，这种做法是非常糟糕的:直接告诉AI，我要开发一个什么软件，期待一步到位。 这种做法，它只适用于少数情况:玩具级别的应用，或者个人一次性使用的脚本。 而要让AI真正提高我们的开发效率，是要将其当作工程来看待，也就是理解工程的起点是什么。先确保起点正确了，然后再到下一步。 因此，这就是认知敏捷开发法的关键。软件工程的起点就是你的readme文档。假设项目开发成功了，你开源发布出去(实际也可能不开源)，那么，其他开发者看到的是什么文档? 从此出发，然后逐步扩充，最后，生成一个完整可用的App就非常迅捷了。 认知敏捷开发:README 定方向→AI生成 PRD→设计数据库→先 CLI再 API→生成文档 →推导前端需求→AI设计 UI →扩展至全平台，实现“人思考，AI执行”。 --- 阳志平的主题2025/3/15 12:34 有 21位朋友发表了观点和态度 昨天又开了一天会。这次，人生发展学相关的会多一些了。晚上则是大模型研发相关的会。 其中，有趣的是两件事。 1、我给一位工程师，从零演示了，如何执行我的认知敏捷开发法，最后，不到30分钟，从数据库、到后端、到前端，全都生成差不多了….… AI时代的产品研发思路，的确不同了。等工程师们普遍掌握之后，也会普及给社群。 2、另一件事是，带另一个工程师，探讨，帮助作家、医生、律师这类完全不懂编程的知识工作者，如何真正掌握一套不写代码，但可以微调与分发自己的大模型的思路。 我个人的预判是，今年是RAG与知识库的红利期，而明年开始，将是专业领域的大模型的红利期;后年才可能轮到AI代理的红利期。 为何是这么判断?其实，2023年，我的推理逻辑就写过了，参见:关于GPT的10个认知 见第七条。 答案在于知识的内隐、外显程度，以及知识属于个人还是公共。 RAG与知识库这轮突破，在于外显知识，以及公共知识库的突破，所以较为快速。 而到了专业垂直领域，专家们如何收集自己的数据，这个属于内隐知识+介于公共知识库与个人知识库之间的团队知识库了，往往是实验室级别的知识库。 AI代理要解决的问题较为复杂，它很多属于隐私问题，且这块的数据非常不成熟。大约目前的GUI数据库，能用于大模型训练的，最终训练出来的模型效果，准确率在65%左右...... 这还是无数大厂花费了无数人力做到的事。 --- 阳志平的主题2025/3/15 16:45 有 10 位朋友发表了观点和态度 传统的软件研发方法论，较为重视的东西，或者说往往离不开的东西是:数据、API、界面。 到了AI时代，这些东西依然重要，但发生了极大的变化，是多了个新东西:模型，并且数据变得格外重要，规模级别也上去了。 AI时代的研发趋势就是:模型+数据。如何研发自己的模型?或者将他人的模型用好?如何可持续地低成本生产大规模数据? 相应的，API与界面的开发工作量在下降，很快，都可以全部根据模型与数据，自动生成了。 我昨晚开会时，用我的认知敏捷法，简单尝试了一下，发现的确可以做到了。 当然，现在还有些坑。 --- 阳志平的主题2025/3/23 09:19 有 29 位朋友发表了观点和态度 方军老师推荐的这个开源项目: https://github.com/The-Pocket/ PocketFlow 100行写的优雅代码。强烈建议各位同学学习。堪称认知敏捷开发法最佳示范。 作者的思路很聪明，用一个图抽象，AI Agent的各类任务。 然后结合文档驱动的开发思路，生成未来你想要的各类功能、项目。 这种开发思路，未来将是AI时代的开发主流。 从事技术的同学，也许可以尽快将我的认知敏捷开发法进行更多实战，门门道道都摸索清楚。 未来，几位出版过技术图书的同学，可以写一本书，宣传我的认知敏捷开发法，也许会类似《敏捷开发》一样，成为AI时代的主流开发方法论。 --- 阳志平 的主题2025/6/11 21:47 有11位朋友发表了观点和态度 最近，活水小伙伴们发的两篇文章都很好: 1、AI就是你的前端:如何用 MCP 将 API封装成智能代理? 这篇文章其实，进一步佐证了我的三个判断:【对话即生产]【模型即生产]，它还佐证了为何我的认知敏捷开发法，建议先放弃前端。现在，答案很鲜明了。因为，前端界面可以转移到对话那里。 2、uv: 解放 Python 开发者的大脑内存 男秀的这篇文章介绍的uv，则是与 mcp强相关。甚至可以这么说，没有uv派生的 uvx，以及npx，mcp更多会类似gpts一样，停留在一个空想阶段，而非完美工程实现。