那麼如果推理速度快20倍，我們vibe coding的方式會有什麼變化呢？

我感覺隨着AI編程工具的發展，我對MCP工具的理解也在改變
之前常用的 sequential thinking、task_manager，現在隨着模型計劃和推理能力的提升，有了plan mode和think harder/ultrathink，我更願意在原生工具內部完成，而不是借助mcp
另一類是context7、deepwiki這類上下文增強工具，對於上下文工程，我需要更加精細化和準確，這類mcp目前還無法達到這個要求。所以我更傾向於自己深度整理而不是使用mcp
上下文整理的過程可能會借助Deep Research和NotebookLM等外部工具，在代碼之外，先收集好高質量、且足夠全面的上下文
還有一類能提高測試效率和準確度的mcp工具我是推薦的，比如playwright mcp
總結一下就是，mcp工具應該作爲AI編程能力的延伸，就像手腳的作用，而不是增強大腦

Deep Research解決“構建什麼”的產品化決策問題，它兼具深度和廣度，幫助我們打破信息繭房，看清方向
Claude Code幫助解決具體的實施細節，讓我們有精力更focus在系統架構、模塊拆分和重構這些high level層面，提升迭代和試錯效率
未來肯定會有更先進的AI生產力工具，但以上三步我認爲應該是不變的底層邏輯

MCP出來這麼久了，真正能用的好像沒幾個？
我指的能用指的是對於AI編程，能夠穩定且高頻使用，對編程效果有實質性提升的
分享幾個我認爲還可以的：playwright、Context7、Sequential Thinking
前兩個解決上下文準確性問題，第三個解決規劃思考

程序設計領域，有一個詞叫“bad smell”
說的是對於有經驗的程序員，應該能嗅到系統中的“壞味道”，而提前預防，進行架構優化和升級
還有一個詞叫“過度設計”
就是說一開始想的太多，設計了很多沒有必要的可擴展性和模塊解耦，帶來龐大且無用的維護成本，反而容易引入bug
這兩個詞，都是需要放在時間和語境裏來看的
沒有最好的架構設計，只有最合適當下（以及未來一段時間）的架構設計
這個度的把握，目前的AI還遠遠做不到
但是引入AI之後，讓我們能用更多的時間來思考架構，去在合適的時機進行重構、解耦、拆分或合並
這就是人的價值

程序員最喜聞樂見的就是，各大AI廠商卷上天😂
剛註冊了下Jules，好像可以免費試用

Google家又要放大招了？

vibe coding真的要在懂編程的人手裏才有作用，不懂的就是💩山和各種安全漏洞😅

非常棒的經驗，內容營銷、流量、獲客、轉化、品牌、設計、競爭壁壘、合作放大，各個方面都需要思考和執行
AI時代，最不缺的就是idea和研發能力了😂

恭喜恭喜，值得學習👍
希望有更多像熠輝這樣賣課的人，讓“賣課”這個詞變得不再那麼負面
想想看什麼樣的知識付費博主能成功，我總結以下幾點：
真誠、利他、價格合適、快
真誠：做自媒體的根基，無論賣什麼，首先都要和你的客戶建立信任關係。真誠的輸出自己的知識和認知，不端不裝，人設才不容易崩
利他：不爲了滿足自己而輸出，而是隨時站在市場的一邊，站在用戶的一邊，輸出真正有價值、能解決用戶痛點的內容
快：這個快不僅僅是快速切入市場，我認爲更重要的是快速迭代和試錯。不要想着做一個完美的產品，而是快速推出MVP，得到市場的驗證和反饋，比閉門造車要強100倍

這個方法來制作AI rules看起來不錯，準備嘗試一下，等試完回來報道！感謝分享☺️