答案是：高强度编程实战。不是总看别人的技巧和教程，而是要自己高强度弄脏手。 第二重要的是什么，这也是我今天要分享的，要总结自己用 AI 编程的成功经验。

什么是 “成功经验”？就是你解决一个 bug、实现一个需求成功后的宝贵记录。我自己的这类笔记就超过 100 条，全是实战中踩过的坑和填平的泪。

比如：

• 组件版本和 AI 知识库不匹配，最后怎么解决的？

• AI 生成任务跑偏了，发现 git 恢复源码，cc 重开任务，反而效率最高。

• 如何向 AI 精准提问？怎样把问题分解得大小正合适？

• 怎么让另一个大模型帮你做 Code Review，什么姿势才正确？

只有积累了这些一手经验，再去看别人的技巧分享，你才能真正感同身受。

以上就是他分享的全文。其实，说到底就是一个复利的效应。

我们每天在进行 AI 编码实践的过程中，是否会对去的经验教训进行一个全面的复盘，而不是每次都从头开始。通过复盘我们可以做到一天比一天有长进，而循环鞭打 AI 的过程中重复过去的自己。

其实，不管是用在传统的开发过程还是现在的 AI 辅助编程，我们都需要将知识与经验的资本化，并且通过这种复利效应实现指数级的增长，形成一种系统化的知识复利系统。

2025/9/22 15:25

想用好 AI 辅助编程，什么最重要？

第一个就是记录

通过不断的输出，来倒逼输入，也就是上面分享的将典型的问题解决方案思想过程都记录下来。记录也并不仅限于解决过程本身的，可以是对于内容的二次加工和深度的内化。

第二个是抽象与模式化

我们到现在已经用 AI 写了不少的代码，但是并不意味着所有的代码都需要 AI 来写。 通过抽象与模式化可以把以往的业务、场景或者组件整理形成一个固定的套路以及模式。

比方说：

• 把支付模块单独提成一个独立的微服务再以复用

• 将一个完整的页面组件做成单独的组件库后期直接进行引用

第三个是构建个人知识库

关于笔记问题，不管是在网络上，还是在我们的字节笔记本群里都有很多的讨论，包括我自身也之前搞过无数的博客，换了无数的框架来写，写到最后就会发现往往形式大于内容，折腾了半天，域名、服务器都花了无数的钱，却没写完一篇文章。

构建个人知识库真的不需要特别花哨的形式。只需要将内容固定沉淀到一个地方，比如说 notion，甚至是本地的笔记本，只需要遵守一个原则：方便查阅和检索就可以！

构建个人的支持库也不是为了囤积欲望。比方说，我对我的个人知识库管理的最低标准是我所记录的问题不会再难倒我第二遍。

知识库可以形成你独一无二的第二大脑，它的价值也会随着时间的推移而成指数级的增长。

成长指数成长線性成長时間