周末用AI可以做的事
作者建议每天用AI的人（尤其多机用户）自建五套装置：资源监视器、验证流程、原语工具箱、追踪摘要器、基准测试，把重复劳动沉淀为可复用资产。
SHERLOCK（@THESHERLOCKER）教程 · 已翻译 · 约 2 分钟
以下是我推荐任何每天使用 AI 的人为自己搭建的几样东西（尤其是如果你有多台电脑）：
- 一个资源监视器：操作系统自带许多默认的资源监视器，但它们是大杂烩，往往要么信息太多、我们并不需要，要么我们真正需要的信息又太少。有些东西可能有第三方仪表盘——比如 AI 使用情况或网络追踪——你应该试着把它们整合起来。一个可靠、稳定的静态界面，能在上面做数据可视化，真的很有帮助。
- 一套针对你工作的验证流程——对大多数类型的工作来说，都值得搭建某种验证系统；或者至少列一份“记录在案的反复出现的失败案例”清单——然后把它做成一项技能，让一个验证子代理用它来审查你的工作。
这方面的一个例子是“品牌”设计技能——精心制定品牌规范，然后让几个代理基于它做出一项技能，用这项技能做出样本，从验证子代理那里获取反馈，如此循环，直到设计与规范相符。这套方法效果非常好，能让即使很简单的代理也做出很棒的设计，因为它们拿到的是基本构件。
对开发者来说，这可以简单到就是 CI/CD。甚至可以是 pre-commit 钩子。
- 一套基本构件工具箱： 尽管代理非常擅长从任何东西出发去做任何事（真的！），但拥有一套工具/设计的基本构件，既能省 token 又能省时间，还是很好的。
比如说，我会用 pnpm/bun 搭配 tanstack start 和 shadcn ui 或 stylex，再加上 oxlint 和 oxfmt 来做 webapp。或者用 @davis7 那套超酷的 svelte x convex 组合。这很有帮助。
- 一个追踪记录摘要器——搞一个代理自动化，如果你有足够的 token，就让它过一遍你所有的追踪记录，从可重复的任务或工具调用失败的原因中推荐出一些技能。大扫除！
- 从你的追踪摘要器构建基准测试 - 让你的智能体找出那些原本需要你亲自介入的事情，并把它构建成一个基准测试。这会在每次模型发布时帮你培养直觉。
这是我第一次发布这类文章，但如果你想看到更多这样的小贴士，请告诉我。
已读完 · 本文由熊猫易读翻译重排