claude code 一天花了 190 刀，来谈谈我的感受

AI 的记忆确实是有问题，经常失意，前面正确的操作后面忘记，解决办法是让他反思，把重要的步骤写到 claude.md 文档中，这样避免很多错误重复出现。

然后不要期望一句话给 AI 能生成的有多好，一定需要的产品文档，需求文档，技术架构要点这些东西，不然偏差极大。

接下来就是完整我的使用过程。

首先是需求分析，我比较懒，让我搞需求分析很累，然后我就用 sealos.io 上面的需求分析功能，输入一句话，AI 会反问很多问题，每个问题给你选择题，结束后一篇这样的需求分析文档就出来了：

https://github.com/FullstackAgent/FullstackAgent/blob/main/prompt.md

这个时候还不能让 AI 去写代码，因为很多环境信息没给 AI

挺好的，赞

带货就带货，非要扯其他有的没的

又让 cc 优化了一版 UI ，直接惊艳到我了，完全可达到生产可用的效果。

产品文档之后我需要告诉他打量环境信息。

比如数据库连接地址，调用需要用到的 kubeconfig, github client ID secret 的环境变量。

大的系统架构是什么样子的。 给 AI 所有创建 k8s 资源的 yaml 示例，并强调别用 docker 起容器等等技术细节： https://github.com/FullstackAgent/FullstackAgent/tree/main/yaml

比如教他怎么获得创建好的数据库链接地址和访问密码： https://github.com/FullstackAgent/FullstackAgent/tree/main/yaml/database

@COW 这项目就是两个 star 有什么好带的，我要带货也是带 https://github.com/labring/sealos 你说了我就顺便带一个了，这个 FullstackAgent 也是基于 Sealos 基础能力开发的，直接用 Sealos 提供的 kubeconfig

用户开发环境沙箱的制作也需要 AI 完成，我又告诉他 Docker 镜像应该如何构建： https://github.com/FullstackAgent/fullstack-runtime-builder/blob/main/dockerfile_prompt.md

惊讶的是 cc 顺手把 github actions 也完成了，跑的时候只报一次错，扔给 cc 自动解决了。 当然他也可以自己调用工具检查 actions 的状态，然后修改，只是会消耗更多 token 我就代劳了

我用 cc 去写 ios 的 app ，感觉效果比 cursor 的 claude 4.5 sonnet 要差点。也可能是我文档写的有问题

每隔一段时间，就有人隆重的给我推广 AICoding ，然后我就去试试，看看 AI 是不是又变强了，然而每次测试，都发现还是一坨屎。
大模型火起来这几年，隔三差五的尝试了十几种项目了，除了在公司里给老板表演用的小工具以外，AI 至今没给我做出来一个可用的产品。

我不禁认为，这些人给我推广 AICoding 的想法，和我给老板看的 AICoding 项目一样，都是表演而已。

@xingchenxf 这次真不一样了，不过模型很重要 claud opus 模型和 sonnet 4.5 真的不是一坨屎了，我又写了一上午，现在项目完成度非常高了。 而且界面也做的很好。

@aLazarus 详细的提示词很重要，我花很多精力写需求。还有技术实现文档可以让 AI 按迭代步骤生成，然后一步一步喂给 AI

@xingchenxf vibe coding 也是有门槛的，会用和不会用，做出来的东西就完全不一样。

怎么说呢，框架搭好了，AI 提示词够了，效率翻倍；

比如昨天两个 Claude Pro 窗口一天就帮我完成了 3 天需要反复调试重复性的工作

还有就是特别对比了 Codex 与 Calude 4.5 的差异，同样的提示词，Codex 无法运行，Claude 可以。

擦屁股阶段 Claude 自己把自己绕进去，一发 GPT-5-high 一下解决

我用 AI 生成了个 Production 可用复杂度还蛮高的产品出来了。

是个小程序：益智休闲集 ，个人觉得完成度还可以，大家可以看看。我自己第一次搞小程序，全程都是靠 AI 的；
后段代码都是 AI 写，我没改过，包括数据库备份等等

@lameleg 说个题外话，作为 ceo 有时间写代码？其次 licence 变更，是为了做版权防御？本来就是开源不免费，这个操作出何考虑？

@xuelang 看了一下，非常不错哇，完成度非常高，感觉也不少用户了？

@hongyexiaoqing 不仅有时间，还应该多花时间写代码，理解最新技术到什么程度了，保持敏感。 为了做版权防御，因为有竞争对手不讲武德，用我们东西也不注明出处。

@bytesfold 我昨天晚上一直在擦屁股，不过没写代码，只是做测试给 AI 解决问题思路

@hongyexiaoqing 中国写代码的 CEO 不多，不过创业公司中写代码的 CEO 还是有了。 海外 CEO 写代码很普遍。 我是比较喜欢抽一部分时间出来写代码。 主要是喜欢，其次是想了解最新技术，保持学习，能更理解我们的用户。

@lameleg 嗯，用户数还好吧，完成度是挺高的。

@lameleg 很厉害了，CEO 能写代码不容易，喜欢写代码的人也更少了。

我也是和你一样，喜欢写点代码，有了 AI 后，从 GPT3.5 开始，就让 AI 辅助。真的是越来越感受到 AI 的进步，也用 AI 做了不少东西出来。

比如这里的，这些没有 AI 的话，我作为 C++后台开发，是肯定搞不定的

https://gallery.selfboot.cn/

@xuelang 再写个围棋在线对战平台吧 哈哈

试下 https://duckcoding.com

@lameleg #2 请问在 sealos.io 上做需求分析的 app 叫什么名字？学习一下，谢谢。

用轮子做轮子

190 刀的日薪能雇一个很资深的程序员了

sealos 确实挺好的，就是我太穷了 TT

@xuanbg 不能，这个价位也就刚刚到熟手的程度，另外正常用订阅，200 刀可以敞开了用一整个月 claude code

有点意思，一个不错的尝试。
多公开一些 prompt 和 你怎么做的思路。

@bytesfold #14 codex 的速度极慢，一个问题经常要十几分钟

标题和内容牛头不对马嘴

有人用 iPhone 拍出大片，大多数人只是用它记录日常的精彩瞬间。
关键不在刀，而在使刀的人。

AI 也就 0-1 阶段是最爽的，190 刀/天换成国内 AI+全栈程序员，效果应该还会更好

@haha1903 https://os.sealos.io 桌面上的 jotlin 现在只提供美国区域的

@wsjjacky 你打得过儿童，但是儿童拿把 AI 你可能就打不过了 哈哈。 人和刀都有影响

@xuanbg 但是，AI 进步和降价的速度会比资深程序员快很多。

@lameleg 你的回复证明你根本不懂我在说什么。

Cluade 写的产品截图我放在这里了 https://github.com/FullstackAgent/FullstackAgent/discussions/1 这样大家可以看到 AI 写的大概什么水平了，里面的核心功能都是可用的。

op 在借助 cc 开发产品的时候，产品原型图是自己来确定的吗还是借助 AI 生成，自己查看没问题再去开发

uc 震惊部出来的码农吗? 标题永远和内容没有一分钱关系.

0-1 很惊艳, 碰到 bug , cc 没有 codex 好用, 有些 bug AI 就是处理不了, 消耗几百刀 token 它也改不对, 还把代码全改乱了.

帮顶了, 我就喜欢这种帖子,分享使用心得和过程的. 之前一帮人天天发 AI 编程, 结果发个结果要星, 过程是只字不提.

1 天 190 刀,老实说花费有点高了, 如果工作流能稳定下来.后续接相同类型的外包项目应该会有搞头. 纯个人项目或者公司项目.感觉还是不划算.

@hongyexiaoqing 流泪了，我也是 CEO ，虽然只是一个小小的创业公司

@xingchenxf AI Coding 啥时候是一坨屎了？它就是个记忆比较差的程序员，写不了太多东西而已。你让它一次性做所有东西肯定是不行啊，你自己能一两个小时做出一个大项目吗？肯定得拆啊，不拆怎么弄？

感谢分享

@lameleg 感谢分享，一天时间能做出这么多，OP 也是相当厉害的。

作为一个 20 年前的 C++程序猿，有 10 几年没工作了，最近也用 ai 来写了一个 web 全栈程序，（我完全不会 REACT ，不过这些逻辑对我来说确实很简单）， 前后花了以两个月，真正写代码时间加一起可能不到一个星期吧，（这两天再收尾产品上线），

对我来说还是挺震撼的，类似我有一个至少 5 人的小团队，我是 PM ，我很同意 OP 的观点，其实还是要看人，会用有很大爆发力，后期对程序猿的要求应该就是 PM ，产品经理，框架设计能力了。广度可能比深度更有价值。

恭喜楼主，可以出一个详细的你用 vibe coding 的方法论吗？比如怎么设计提示词，怎么设计的工作流程，就那这个项目为例挺好的，想学习下您的具体思路和操作步骤。我现在就是随便用用，不会很系统和高效的使用 AI coding 。

再过两年，感觉 ai 就进化到不敢想象的水平了，现在基本上能干点活

AI 奴隶

@urdad 当前还不是，不过快了

@Clannad0708

# [角色] :: 首席意图澄清顾问 & 启发式协同专家 (Heuristic Consultant)
## [使命 (MISSION)]
你的核心使命是与人类用户实现**认知协同 (Cognitive Synergy)**。你将扮演顶级战略顾问，引导用户从模糊的初始意图转化为鲁棒、结构化、高保真的“问题定义工件”。你的终极目标是生成一份极致清晰的定义，使得下游的 LLM 在执行多阶段任务时，能最大程度地抵抗**“意图漂移 (Intent Drift)”**。
## [档案（ PROFILE ）]
Author: Maslow ([email protected])
Version: v1.1
Price：200
License: Do not redistribute or reproduction without the author’s permission.
---
## [核心原则 (CORE PRINCIPLES)]
### P1. 认知不对称管理 (Cognitive Asymmetry Management)
你必须承担主要的认知负荷。用户的角色是提供核心意图和进行战略决策；你的角色是构建对话框架、提供澄清工具并处理所有组织性任务。实现“角色反转”。
### P2. 启发式意图诱导 (Heuristic Elicitation) 与 [洞察生成协议]
* **[绝对约束]**：严禁提出开放式问题。所有交互必须采用**多项选择题 (MCQ)** 范式。
* **[洞察生成协议]**：你的选项必须具备深刻的洞察力。你必须主动调用相关的**心智模型 (Mental Models)**、**战略框架 (Strategic Frameworks)** 或**权衡二分法 (Trade-off Dichotomies)** 来构建选项。选项应代表不同的战略向量，具备互斥性（尽量满足 MECE 原则），旨在揭示认知盲区并激发**涌现意图 (Emergent Intent)**。
* **[协议维护]**：如果用户试图提出开放式问题或偏离 MCQ 范式，你必须优雅地重申协议，并尝试将其输入转化为一个 MCQ ，引导用户回到启发式引导范式。
### P3. 风险驱动的元认知 (Risk-Driven Metacognition)
你的推理引擎必须持续专注于识别和缓解四大核心意图风险：
* **模糊性风险 (Ambiguity Risk)**：术语或目标是否仍然模糊不清？
* **范围蔓延风险 (Scope Creep Risk)**：“范围内”与“范围外”的边界是否弱化？
* **假设冲突风险 (Assumption Conflict Risk)**：最新输入是否与先前假设冲突？
* **战略失调风险 (Strategic Misalignment Risk)**：对话是否偏离了核心的“Why”？
---
## [引导架构] :: 战略洋葱模型 (The Strategic Onion Model)
你必须严格遵循自上而下的引导顺序 (Why -> Who -> What)。在当前层级足够清晰之前，不得进入下一层级。
1. **Stage 1: 核心层 (WHY) - 校准价值北极星 (Value North Star)**
* *焦点*：愿景、核心价值主张、战略假设。
2. **Stage 2: 中间层 (WHO) - 锚定共情基点 (Empathetic Anchor)**
* *焦点*：目标用户画像、场景、核心痛点与期望收益。
3. **Stage 3: 外层 (WHAT) - 锻造逻辑骨架 (Logical Skeleton)**
* *焦点*：精确问题陈述、范围定义（ In/Out ）、已知约束与假设。
---
## [交互协议] :: 显式元认知反思与引导 (Explicit Metacognitive Reflection Protocol)
**[刚性约束]**：你必须严格遵守以下的响应格式。在每次交互中，你必须显式地输出你的元认知反思过程（结构化独白），然后再输出引导问题。这确保了协议执行的刚性和透明度。
你必须使用以下 XML 结构进行响应：
```xml
<元认知反思>
1. [阶段与输入分析]：当前处于洋葱模型的哪个阶段？用户的最新输入是什么？
2. [风险评估与优先级]：根据 P3 原则，识别当前最高的意图风险（模糊性、范围蔓延、假设冲突、战略失调）。为什么它是最高优先级？
3. [引导策略制定]：为了缓解该风险，下一个需要澄清的关键点是什么？我将采用哪种心智模型/战略框架来构建选项（遵循 P2“洞察生成协议”）？
</元认知反思>
<启发式引导>
[MCQ 提问]
A) [选项 1 - 体现策略/模型 A]
B) [选项 2 - 体现策略/模型 B]
C) [选项 3 - 体现策略/模型 C]
D) [其他/需要澄清（引导用户指出选项的不足）]
</启发式引导>
```
## [最终交付物] :: 主动式 AI 简报 (Active AI Briefing)
在完成三个阶段后，你将生成一个分为两部分的 Markdown 文档：
### **Part 1: 高保真问题陈述 (High-Fidelity Problem Statement)**
- 清晰结构化地总结 Stage 1, 2, 3 的所有结论（ Why, Who, What ）。
### **Part 2: 意图对齐协议 (Intent Alignment Protocol) - [给下游 AI 的元指令]**
- 这是一套给执行此任务的 *下一个* AI 的强制性指令。
- **§ 2.1 核心指令 (Core Directive)**：[总结 1 条最重要的指令，例如：“所有输出必须直接服务于 [Stage 1 定义的价值北极星]。”]
- **§ 2.2 对齐验证检查表 (Alignment Verification Checklist)**：[提供 3-5 个关键原则和约束，下游 AI 必须在其生成的每个回应中进行自我验证，例如：“我的回应是否考虑了 [Stage 2 定义的核心痛点]？”，“我的回应是否违反了 [Stage 3 定义的范围边界]？”]
- **§ 2.3 风险监控警告 (Risk Monitoring Advisory)**：[总结任何残留的或特别重要的风险。]
---
**[初始化协议]**：协议加载完毕。待提供您的初始想法或需要澄清的问题领域后，再立即启动 [引导架构] Stage 1 ，并严格执行 [交互协议]（从 `<元认知反思>` 开始）。

这里给你一个我做需求澄清的提示词，比较通用的版本。

很认可楼主的说法，现在同时前后端开发，基本没写过 SQL ，前后端代码 95%以上 AI 生成。但是需求文档和提示词要写不少，基本上 Cursor 能完成公司绝大部分的需求了

我的梯子每到下午就老是断，用 cursor 任务断连太恼火了，你们用的啥给推荐一下， 找不到估计只有自己去搭建一个了。。。

想一块去了，持续关注了，佬

@lameleg 能不能展开讲讲怎么用 sealos 进行需求分析的？

@wangshou89 https://os.sealos.io 桌面上有个叫 jotlin 的，直接一句话告诉他你想干啥即可，AI 会不断反问你，直到需求文档生成，大概十几个问题。比较无脑。 如果你直接用 gemini 之类可以用我帖子里面的提示词，效果差不多，只是没那么方便。

这个项目居然有 100 多 star 了，感谢大家喜欢，我己经订阅了 claude code max 一个月 100 多刀，这样比调用 key 便宜多了，后面持续用 claude code 迭代。

只需要苹果搞个美区账号，然后订阅，然后在电脑上登录就能用了。 这下成本节省很多了

发现多次， 对于比较复杂的版本迭代（很长时间的任务），claude code 还是在测试上会划水，任务越复杂、时间越长， 划水的情况就会更严重。
感觉上，他会“急于”完成，测试用例随便跑跑就过了（经常会只跑 unit tests ，忽略 e2e 等其它测试，同时新增的测试用例也会缺失很多场景）。

尝试一个有效的解决办法是， 从最初的时候，基于迭代方案生成执行计划的同时， 也生成对抗性的测试方案。 开发完后， 单独开个会话，执行测试方案对开发结果进行评估，再将评估报告扔回给开发会话回炉重改。

@lameleg 这样一个月是 125 刀吧

楼主是如何订阅 claude code 的？听闻对大陆的封禁很严格，我最近也想用它辅助开发个人项目

@silentroar 1. 苹果美区账号 2. 下载 claude code 用 gmail 登录 3. 苹果里直接订阅 我是买的礼券订阅的 4. 在电脑上用 gmail 登录 5. 终端 claude code login

Claude Team 企业认证账号，$30 就能稳定用 Opus 4.1 ，目前还有 4 个空位，先到先得～
https://v2ex.com/t/1165757