AI = 實習生 提示一個AI代理然後檢查代碼可能比自己編碼要慢。 但什麼時候呢？我們是否有簡單的啟發式方法來決定何時使用代理，何時自己編碼？ 當它是前端代碼（你可以立即檢查其正確性）時，或者與某些API的互動（你知道該怎麼做，但不知道執行API調用的具體咒語），或者數據分析，或者原型時，使用代理。 當它是你非常熟悉的領域，或者是高度上下文相關的後端代碼，或者你想對結果進行大量迭代時，自己來做。在這些情況下，編寫提示所需的時間比編寫和檢查代碼的時間更長。 大致來說，如果你將你的應用視覺化為同心圓，AI代理在外部的"淺層"（如前端，或從數據庫讀取的圖形/圖表）上表現良好，但在需要高上下文且低錯誤率至關重要的"核心"區域則危險。 以要點形式，AI更適合： - 前端優於後端 - 讀取優於寫入 - 淺層優於核心 - 原型優於生產 - 開始優於維護 - 容錯域優於不容錯域 - 視覺輸出優於財務 - 低上下文優於高上下文 所以，AI是一個實習生。這些標準本身可以被AI代理用來在處理高上下文問題時發出更大的不確定性信號。就像一個實習生說他們會努力，但他們可能沒有足夠的上下文。