8 篇博文 含有标签「AI」

一个插件标准，七个工具共用

图：Open Plugins 标准——装一个就能在七个工具里用

最近 AI 编程工具越来越多：Cursor、Claude Code、Codex、Grok Build……每个一套插件格式。然后冒出了个 Open Plugins。

它是 Vercel Labs 维护的一个开放标准。装一个插件，就能在七个工具里跑。

这篇文章帮你搞懂四件事：① Codex 是什么、能干什么 → ② 五分钟上手做个能玩的小游戏 → ③ 基本用法和核心功能 → ④ 接低成本的国产开源模型，把做好的应用发布上线，让别人能访问。

赶时间？ Codex 现在能接 DeepSeek、GLM 这些便宜模型了。想省钱 + 一键部署的，跳到第四步复制一段配置就行。想从头搞懂的，往下读。

最近折腾 Agent Skills 有一阵子了。实战下来最折磨人的不是 AI 不会写代码，而是它写的代码**"只能活在本地"，以及它总是不听规矩**。

这篇文章主要分享两件事：

1. 让 AI 生成的代码能真正上线 — AI 写的代码 Demo 感十足，一上线就全是安全隐患。问题是 AI 不感知真实的后端底座。
2. 解决"AI 有 Skill 却不爱用"的毛病 — 明明配好了 Skills，AI 却视而不见，非要凭直觉盲干。技能激活率从 20% 硬拉到 84% 的方法。

一开始用 AI 生图的时候，我自己没有太在意风格。Midjourney 默认输出什么样，我就用什么样：光影浓郁、细节饱满、色彩鲜艳。结果配到文章里怎么看怎么不对——不是画得不好，是太像 AI 画的了。

后来我花了不少时间在 prompt 里调参数做减法，试了好几套风格方案，慢慢摸索出一些规律。回头想想，去掉 AI 味的核心其实很简单：做减法、加纹理、扁平化、低饱和度。

下面这三套方案是实战下来最稳的，直接贴 prompt 后缀就能用。

你是否遇到过这样的困扰：用 AI 生成应用时，代码出错了却不知道问什么问题？AI 给了 N 个解决方案，但不知道哪个是对的？

很多非技术人员在用 AI 编程时都会遇到这样的痛点：

• Debug 困难：页面显示异常，但不知道问题出在哪一层（前端？后端？还是部署？）
• 提问不准确：不知道如何描述问题，让 AI 能理解并给出准确答案
• 学习路径模糊：知道需要学一些基础，但不知道从哪开始，学什么才够用

今天，我将为你分享一套系统的方法，从基础概念到调试技巧，再到后端方案，让你从"能生成应用"到"能做出真正可用的应用"。

最近帮朋友看了几个用 AI 做的项目，发现一个有意思的现象：

代码能跑，功能也有，但就是...不能用。

不是技术问题，是别的问题。

最近我的《Kiro Spec 工作流复刻全攻略》爆了，很多朋友私信问我："为什么 Spec 模式这么有效？背后有什么理论支撑吗？"

说实话，这个问题我也思考了很久。直到我看到了 Gojko Adzic 的《实例化需求：团队如何交付正确的软件》这本书，才恍然大悟。

原来，Kiro 的 Spec 工作流背后，是 SBE（Specification by Example）方法论的完美实践。今天就来揭秘这套方法论，解决你的 AI 编程返工问题。

最近研究 Kiro 的推文又爆了，很多朋友私信问细节，所以再来整理一篇文章，系统分享下具体内容和实操方法。