驾驭 AI 编程实战手册 2：我的个人使用方案

手册 1 蒸馏的是别人的实践——42 篇一线文章、十条共识、三个 Playbook。
这一篇写我自己：token 怎么花、前端怎么抽卡、后端守什么底线、skill 做什么类型。
写完拿手册 1 逐条对照，看哪些地方我无意中做对了，哪些地方确实欠账。

1. Token 的驾驭：三份订阅 + 中转站 + 自建网关

我的模型开销结构是这样的：

渠道	内容	成本
火山 plan	国模订阅	三家合计月 100 出头
阿里云 plan	国模订阅	（同上）
OpenCode plan	国模订阅	（同上）
中转站	GPT（Claude 需求也走 GPT）	倍率 0.0 几，一般用不上
qoder / qoder.cn	整个 7 月免费送 token	0

几个判断：

国模已经能解决绝大多数问题。三份订阅换来大量 token，日常开发根本用不完。
真需要 GPT/Claude 级别的模型时，选 GPT 走中转站——倍率只有 0.0 几，而且实际很少用到。
qoder 和 qoder.cn 这类免费送 token 的渠道，在它们有竞争力的窗口期（7 月）就该用起来。

所有这些渠道——国模、GPT、免费渠道——统一收口到 CPA（CLIProxyAPI，自研 + fork 二次开发） 做网关管理。模型切换、路由、凭据都在网关层解决，上层工具不感知渠道差异。

2. 前端：抽卡的正确姿势是”先抽一张合理的，再延伸”

免费的设计方案其实很多：

Meoo：免费
Google 的设计工具：免费的前端设计
Figma：设计工具

但它们的共同问题是：都是抽卡型，而且不能一次出多张。所以我现在更偏向让本地 Agent 直接批量出几百个方案，我看效果挑。

实践下来卡在一个点上：批量抽卡必须先有锚点。你要么给它一个原有的前端，要么给它一个明确方向——先抽出一张合理的卡，再由这张卡去延伸。不给锚点直接批量抽，就会抽到很多奇怪的东西，还不断烧 token。

所以我的结论是：先设计网站，先出原型图。有了原型这个锚点，后面的批量生成才有收敛方向。

3. 后端：保守，看代码

后端我目前比较保守，底线很明确：

线上项目：必须看代码
非线上项目：可以不看
但无论什么项目，接口实现和数据库操作必须看

这是按风险画的线：数据库操作和对外接口出了问题代价最高，其他代码可以放宽。

4. Skill：知识型优先

前人的判断是”重复两次就 skill 化”，说实话我目前还没做到。我现在做的 skill 都是知识型的。

典型例子：用 Claude Agent SDK 的时候，我把它的文档做成 skill。理由是模型的知识更新没那么快——SDK 文档这种东西，模型训练数据里要么没有、要么是旧版，做成 skill 让 agent 随取随用，比指望模型”记得”靠谱得多。

5. 个人 Agent：聊架构在前，委派在后

我的个人 Agent 定位是帮我管控项目，但目前还没正式管控起来——因为我对它还没有那么迫切的需求，它现在只能解决一些小需求。

大场景我的流程是：先和 Agent 聊架构，聊清楚了，再交给 Claude Code 去做。架构决策在对话里收敛，执行交给 coding agent。

6. 对照手册 1 的复盘

6.1 无意中做对了的（惊艳点）

① CPA 统一网关 = 把”模型路由”做到了基础设施层
手册 1 §C1 说 agent = 模型 10% + harness 90%，§2 Playbook A 引 Addy Osmani：”按任务难度路由模型是财务杠杆，不只是技术杠杆”。多数博主的路由还停留在”手动切换模型”，我用网关层统一收口，上层工具无感知——这比手册里的做法更工程化。月 100 出头拿到”质量守住、账单下来”（手册 1 §C1 的验证信号），这条是超额完成。

② “先抽一张合理的卡再延伸” = 独立发现了手册的两条共识
手册 1 §A1 说多方案并排探索（3-6 个方向拉开差距），§A2 说把设计语言喂成资产来解决”生成的页面不符合审美”。我踩坑踩出来的结论——批量抽卡必须先有锚点，否则烧 token 出怪图——本质就是这两条：锚点 = 外化的设计意图（共识 #6”意图必须写下来”）。一线博主用了几个月得出的结论，和我自己撞出来的一致。

③ 后端按风险画线 = 天然的”爆炸半径分层”
手册 1 §B5 说 review 按爆炸半径分层：配置改动一眼扫过，支付链路完整阵容。我的”非线上不看、接口和数据库必看”就是同一个思路，而且和共识 #10（完全放手会遭报应）的翻车案例——Dex 的关灯工厂主键错误贯穿全库——正好互为印证：他翻车的地方恰恰是数据库层。

④ 知识型 skill = 挑了最抗腐化的 skill 类型
手册 1 §B6 引 Sean Goedecke：”prompt 是技术债，AGENTS.md 只写客观事实、不写行为引导——行为引导会随模型升级腐化”。我把 SDK 文档做成 skill 的理由（模型知识更新慢）恰好选中了最不会腐化的类型：客观知识不随模型升级失效，行为引导才会。Anthropic 内部 9 类 skill 场景（§7.1）的第一类就是”库/API 参考”，路线一致。

⑤ “聊架构 → 交给 Claude Code” = Dex 工作流的口头版
手册 1 §C5 的验证结论：人守设计/架构、代码生成放手 = 纯手写的 2-3 倍；Codex 团队 PM 也是”用 agent 建立心智模型，再把理解交给执行方”。我的流程和这条最强验证的路线相同。

6.2 确实欠账的（改进清单）

① 批量抽卡缺预算和停止条件 → 手册 1 §C7（自治契约）+ 共识 #4
一次出几百张没有上限约束，正是手册说的”没有契约的自治”。改法：按 §A1 收敛到 3-6 张方向刻意拉开的方案（数量堆叠不等于多样性——§B5 的 reviewer 实验证明 93.4% 的价值来自异构而非数量），并给批量任务设 token/次数预算。

② “聊架构”的产出没有外化 → 共识 #6（意图写下来）+ §C5
现在聊完架构直接口头交给 Claude Code，中间没有沉淀文档。按 Dex 工作流补一步：聊架构的会话产出一份设计文档，开新会话把文档喂给 Claude Code——这份文档同时就是验收依据，也避免执行方”每个 session 冷启动”重新猜意图。

③ “看代码”可以升级成”传感器先看，人看例外” → §B1/§B2
接口和数据库必看是对的，但纯人肉看不可持续。手册的做法：ESLint AI 缺陷四件套 + dependency-cruiser 分层规则先跑，允许 agent 带理由抑制告警，人工 review 从例外清单看起。人看的量少了，覆盖反而更全。另外 §B5 那条”测试 diff 比代码 diff 更要看”值得立刻采用。

④ maker/checker 还是我一个人 → 共识 #3
现在唯一的 checker 是我自己。国模 token 这么便宜，完全可以加一个异构 AI reviewer 做第一遍（§B5：两个”性格”不同的 reviewer），我只做终审。这是我现有成本结构下性价比最高的升级。

⑤ 工作流型 skill 的欠账可以从”验证 skill”还起 → §A3 + §7.2 规律 #3
“重复两次就 skill 化”没做到，不用愧疚——但第一个该补的不是操作型 skill，而是验证 skill：把我检查前端效果、检查接口的手动步骤写成 SKILL.md（§A3 的五步模板可以直接抄）。Anthropic 说”验证类 skill 值得一个工程师花一周打磨”，因为它是质量杠杆最高的一类。

⑥ 一点风险提示：中转站属于供应链 → §B3
倍率 0.0 几的中转站，敏感代码和密钥相关的上下文别走——手册 §B3 的供应链完整性原则同样适用于模型渠道。国模订阅是一方渠道没这个问题。

6.3 用 8 级阶梯定位（§C3）

对照《智能体工程的 8 个等级》：我目前站在 L4-L5 之间——有上下文工程意识（L3）、知识沉淀进 skill（L4 的”沉淀”环节 + L5 的技能层）、CPA 网关是 L6 harness 的雏形（基础设施回压）。下一级是补齐 L6 的回压三件套（测试/lint/pre-commit 让 agent 自我纠正），而不是急着上 L7 后台代理——这和我”对个人 Agent 需求还不迫切”的直觉一致，手册也说一次只爬一级。

7. 下一步（按性价比排序）

给主力项目配 ESLint AI 四件套 + 让 agent 自己跑（§B1，半天）
加一个便宜国模当第一遍 code reviewer（共识 #3，几乎零成本）
把”聊架构”的产出固化成设计文档再委派（共识 #6，流程改动无成本）
写第一个验证 skill：照抄 §A3 五步模板改成自己的检查项（一晚上）
批量抽卡改成 3-6 张异构方案 + 预算上限（§A1/§C7，立省 token）

找到我

GitHub：github.com/TsinghuaDream
我做的 AI 漫剧网站：shiyuxingjing.com
本博客：blog.xugua.xyz