主要观点：

• 介绍了自己使用 agentic coding 的实践，包括主要工具、语言选择、工具使用原则等。
• 强调快速、清晰的工具响应对 agentic coding 效率的重要性，以及平衡日志详细程度的关键。
• 指出稳定的生态系统和简单的代码在 agentic 编码中的优势，鼓励并行化和学会重构。

关键信息：

• 使用 Claude Code ，每月 100 美元的 Max 订阅，主要使用较便宜的 Sonnet 模型。
• 一般工作流程是给代理分配任务并等待完成，IDE 的作用减小，重新使用 Vim 。
• 禁用权限检查，使用别名claude-yolo ，必要时使用 MCP 协议。
• 推荐 Go 语言用于新后端项目，原因包括上下文系统、测试缓存、语言简单等。
• 前端使用 tailwind 、react 、tanstack 的 query 和 router 以及 vite 。
• 强调工具的重要性，包括任何东西都可作为工具、工具需快速、友好、防错误等。
• 注重速度，让 AI 快速创建新工具，平衡日志 verbose 性。
• 稳定的生态系统和简单代码很重要，避免过度依赖依赖项。
• 鼓励并行化和学会重构，以提高效率。

重要细节：

• 对于进程管理器，使用fork of shoreman防止重复启动，写入 pidfile ，并记录服务运行状态。
• 在 Python 中，代理循环有时较慢，因为代理喜欢生成进程和测试脚本。
• 在前端，tanstack 的文件基于路由器会因文件名中的美元符号而导致混淆。
• 对于缓慢的工具，可考虑使用 vibe-coding 守护进程动态加载。
• 日志在 agentic 编码中很重要，例如在调试模式下将邮件发送日志到 stdout ，方便代理完成操作。
• 不同的 LLM 对不同语言和框架有不同的偏好，如 Go 和 Flask 较稳定。
• 随着项目复杂度增加，需要适时进行重构，以保持代码的可维护性。