这是一份关于在软件开发中使用 AI 的实践指南，基于生产经验编写，最后更新于 2025 年 6 月 5 日。

主要观点：

• AI 应被认真的工程团队采用，以构建优质产品，但需熟练使用工具，避免生成不佳结果和技术债务。
• AI 是一个乘数，优秀的工程师能从 AI 工具中获得更多，因为他们擅长沟通、校准、有扎实基础且品味敏锐。
• 软件工程的核心是维护大量定义良好的 mental models 以满足业务需求，AI 需参与并受益于这个系统，团队的软件基础应扎实。
• 提供良好的上下文、使用最佳的 AI 模型、将问题分解等技巧有助于在编辑器中更好地使用 AI 进行编程等工作。
• AI 还可用于提升自身技能、创建文档、减少摩擦、代码审查、调试和性能优化等方面。
• 这是软件编写方式的巨大转变，应改变一些传统观念，如减少过度构建抽象等。

关键信息和重要细节：

• 不同的提示方式对 AI 生成结果有影响，如详细且考虑周全的提示能更好地实现程序员的意图。
• 元提示（metaprompting）是一种有效的技巧，先让模型表面出权衡和边缘情况，再转化为技术规范执行。
• 高质量的团队和代码库特征有助于 AI 发挥作用，如良好的测试覆盖、文档等。
• 在编辑器内外使用 AI 的各种工具和技巧，包括使用最佳的 AI 模型、提供上下文、分解任务等。
• AI 改变了软件编写方式，减少了重复工作的成本，利用了生成 - 验证差距，且测试不可忽视。
• 未来将添加关于部署自治代理、AI 工具用于查询和数据分析等方面的内容。

引用了 David Crawshaw、Simon Willison、Nicholas Carlini 的相关文章作为参考。