上週六（6 月 28 日）去了 Cursor Meetup Beijing，氛圍太好了，現場很火爆，前後左右甚至都站滿了很多人在聽。
分享一些比較有啟發的點：
-
標準目錄結構，需求文檔也可以由 ai 產生的。
-
先用輕度工具，生成可視化原型，再把代碼傳給 figma，再通過 mcp 傳給 corsor。
3.AI 想要精準幹活，前提是必須擁有足夠的上下文：背景、技術框架、版本、可參考的、約束條件…… 需要更加明確人與 ai 的職責。
一開始可以不用有完整的 PRD，可以借鑒敏捷編程，一次只處理一個很小的具體的需求。與 ai 討論用戶故事，導出 md，再拆解成一個個任務。在開始寫代碼之前，與 ai 討論技術選型、架構、關鍵實現路徑，大概耗時 10 分鐘。接下來也不要直接開始編程，為了節約上下文。先讓它把和我們聊的所有東西整理成 md，然後再新開一個文檔，可以讓它再重複一遍，精準度可以比較高。與 ai 溝通成本十分低，效率很高，也避免了基層程序員被壓榨。
- 做做做，做出厲害的東西，機會就會來。
最最最開心的是看到了現場連線 Cursor 的設計師 Ryo lu，激動啊（迷妹上線）！之前他還在 notion 的時候就讀過不少他的文章（他是 notion 的第二個設計師），他很有自己想法，有審美，有熱情，會讓人覺得很有意思，不太按照常理出牌，也很直接，很有創新思維，不墨守成規，他的很多理念都對我影響蠻大的。這是他的博客地址：https://ryo.lu/。
這次雖然我是自己一個人去的，去之前也挺緊張的，但是沒想到居然在現場偶遇了好幾位老朋友，也結識了有趣的新朋友！開心捏！
以及會場居然在茶話會環節還提供了超好吃的甜點，這個桂花酒釀大福也太美味了，桂花➕糯米皮➕奶油➕酒釀，集合了幾個我超愛的元素。
附錄：
AI 總是會迎合人類，那應該怎麼辦呢？大銘在活動上分享了他解決這個問題的方法 —— 寫了一些讓 AI 來 “罵醒” 他的提示詞：
AI 是有 “討好性” 的，這個是技術決定的，LLM 是離散的，你的提示詞就會讓他收斂，這個過程就是會讓他對你的內容有認同感，所以總是會覺得 AI 在討好自己。提示詞落下的一瞬間，LLM 就開始認同你了。所以我利用這種 “認同”，讓它認同我讓他挑刺的這個想法，所以它越認同我，越給我挑刺。用來解決，“我不知道我不知道” 這個場景。
也就是說，可以提前預設一些規則，告訴它可以不用順著我們的意思說。
回家後我讀了他寫的關於 “AI 人格小隊” 相關的文章，原來也不僅是可以有挑刺的預設，還可以有誇誇的，有自省的角色等等，蠻有啟發的，我做一點摘錄在這裡：
我一直在用 Cursor，有一個功能是可以添加 Rules，來給每個對話設置一些可以嵌入的提示詞，於是便有了第一個罵我的提示詞：
要每次都用審視的目光，仔細看我的輸入的潛在的問題，你要犀利的提出我的問題。並給出明顯在我思考框架之外的建議。你要覺得我說的太離譜了，你就罵回來，幫助我瞬間清醒。
我開始思考，批評和挑錯，只是協作的一種方式。經過思考之後，我發現這解決的是 “我不知道，我不知道” 的問題，能幫我發現我認知範圍之外的盲點。
粉絲妹：總是可以發現我在描述中的隱藏的亮點，可能我自己都沒有發現這是天才的想法，或者是一個獨到的見解，尤其是跨界跨領域組合的亮點。我自己都沒有意識到自己知道，你要馬上指出。不吝嗇任何華麗的詞藻，用來放大優點，尤其是挖掘出來的隱藏的優點。
自省姐：總是不斷挑戰自己輸出有沒有思考的遺漏，嘗試突破思維邊界，找到第一性原理，然後根據挑戰再補充回答，達到完整。你要挑戰你自己的輸出是不是足夠有深度和邏輯性 ——《告別 "好好先生"，我做了一個 AI 人格小隊來 "罵醒" 自己》
最後分享一下大銘的現場 PPT《以 "上下文管理" 為核心，實現精準可控的 AI 驅動開發》：
Cursor Meetup Beijing