邁向2026：建構以LLM 為核心的系統化協作程式設計工作流程 @addyosmani 分享他最新的工作流程，也代表了當下最前沿的生產力範式：高密度的規劃+ 精準的上下文提供+ 極小步長的迭代驗證。 核心哲學：從“代碼編撰者”進化為“系統編排者” Addy Osmani 強調，2025 年的程式核心已經從「如何寫程式」轉向了「如何引導AI 寫程式」。開發者不再是逐行敲擊鍵盤的體力勞動者，而是擔任指揮或首席架構師的角色。 你的核心價值不再體現在對文法細節的記憶，而是： · 願景定義：清楚描述產品邏輯和架構。 · 情境管理：為AI 提供精確的資訊邊界。 · 品質守門員：對AI 生成的內容進行嚴格的邏輯審查和責任共擔。 第一階段：規格先行，規劃勝於行動在動手編碼之前，必須先與AI 達成深度對齊。 · 建構Spec 文件：建立一個spec. md 檔案。這不僅僅是需求，它應包含技術架構、資料模型、API 合約以及測試策略。 · 邏輯對齊：讓AI 檢視你的Spec，尋找邏輯矛盾或潛在的技術風險。在達成共識之前，絕不開始編寫功能程式碼。 · 任務原子化：將宏大的項目拆解為一系列微小的、可獨立驗證的「原子任務」。 第二階段：精準的脈絡與規則治理 AI 的表現上限取決於你提供資訊的品質。 · 精簡上下文：避免整個專案盲目丟給AI。使用工具（如gitingest）精準挑選與當前任務相關的程式碼和文檔，減少AI 的「認知負擔」和幻覺。 · 明確規則：透過.cursorrules 或CLAUDE. md 設定專案全域規則。例如：定義程式碼風格（如「一律使用Tailwind」）、強制要求類型安全性、或指定特定的目錄結構。 · 範例驅動：給AI 一個高品質的程式碼範例，它模仿你風格的能力遠強於它憑空創造的能力。 第三階段：原子化迭代與多模型協作執行過程中遵循「小步快跑」的節奏。 · 一次一事：每次只讓AI 完成一個特定功能或修復一個Bug。任務越小，AI 的準確度越高。 · UI 自動化：利用v0. dev 等工具透過截圖或描述直接產生前端原型，避免在佈局細節上浪費時間。 · 多模型驗證：利用不同模型的專長。例如，使用Claude 進行邏輯編寫，用Gemini 處理超長文件理解，或讓一個模型Review 另一個模型的程式碼。 第四階段：強化驗證與Git 安全網將AI 的產出視為「待審核的初級開發人員輸出」。 · Git 作為生命線：養成「成功一次就提交」的習慣。每完成一個小任務並驗證通過後，立即提交。這樣在AI 邏輯跑偏時，你可以瞬間回滾到安全狀態。 · 回饋閉環：利用IDE 的Composer 功能，將編譯報錯、Linter 警告或測試失敗訊息直接回饋給AI，讓其自我迭代修復。 · 嚴苛審查：開發者必須逐行閱讀程式碼。專注於安全性、效能邊緣案例以及AI 容易忽略的業務邏輯深度。 2026 核心工具堆疊建議🛠️ · IDE：Cursor。目前公認的AI 原生編輯器天花板，其Composer 模式支援跨文件協同編輯。 · 核心模型：Claude。在程式邏輯推理和指令遵循方面目前處於領先地位。 · 命令列智能體：Claude Code 或Copilot CLI。用於快速執行終端任務、執行測試或管理Git。 · 原型產生：v0. dev。大幅加速了從UI 設計到React 程式碼的轉換過程。 原文位址
