📅 时间: 21:18
问渠那得清如许，为有源头活水来。
— 朱熹 · 《观书有感》
前两天我整理了一条 Discord 社区里的长帖。整条讨论一共有将近三百条消息，从项目推荐、工具讨论，一路聊到 AI 写代码、前端协作和工作流设计。
如果把它原样搬上来，它更像一份热闹的聊天记录；但如果抽掉情绪、段子和不适合公开展开的风险细节，真正留下来的，其实是一套很实用的开发方法论：
不要重复造轮子。
这篇文章不是聊天记录逐字转录，而是一次去敏后的整理。我只保留那些对公开开发者仍然有价值的部分：如何挑工具，如何让 AI 真正参与项目，如何少走弯路。
真正值得抄的，不是某个仓库，而是“少造轮子”的习惯
那条长帖里推荐了很多项目，但我回头再看，最重要的不是“清单”本身，而是背后的判断标准。
很多人用 AI 做项目时，默认思路都是“从零开始，让它给我写一个新的”。结果往往是：
- 需求没理清，先写了半套代码
- 骨架没立住，功能越加越乱
- UI 没有方向，最后页面像拼接出来的一坨
- 明明社区已经有成熟项目或模板，还是花大量时间重造一次
比起迷信“万能提示词”或者“更强的模型”，我现在更认同另一种节奏：先找现成轮子，再判断哪些部分值得自己做。
有时候你真正需要的不是一个新系统，而只是下面这些东西之一：
- 一个现成的采集工具
- 一个可复用的接口骨架
- 一个适合快速试错的模板
- 一套帮你把需求讲清楚的提问流程
只要把这些轮子接起来，项目推进速度往往会比“全新设计、全新实现”快很多。
把工具链分层，别把所有问题都扔给一个提示词
这次整理里，我最喜欢的一个思路是：把项目拆成几层，每一层用最合适的公开工具，而不是要求 AI 一把梭全部完成。
我会把这套思路简单归纳成四层：
1. 信息探索层
先解决“我需要什么信息”。
如果你还在手工复制网页、自己清洗文本、再贴进模型里分析，那其实很浪费。像 Crawl4AI↗ 这种工具的价值，就在于它能把网页内容转成更适合继续处理的结构化输入。
这一层的目标不是“马上生成答案”，而是先把可用信息喂给后面的环节。
2. 需求澄清层
很多项目烂尾，不是因为模型弱，而是因为一开始就没把问题问清楚。
这也是为什么我一直觉得类似 mattpocock/skills↗ 这类工具很有价值。它不一定直接帮你写代码，但它会逼着你先把目标、范围、边界、交付物讲清楚。
AI 最怕的不是复杂任务，而是模糊任务。
当需求还在“想到什么加什么”的阶段时，你给再强的模型，它也只会把混乱放大。
3. 实现拼装层
真正进入开发时，不要总想着从空白文件开始。
比如：
这一层的核心不是“完全不写代码”，而是只写必须自己写的那部分胶水逻辑和业务逻辑。
能借的骨架就借，能复用的模块就复用，能靠模板起步就不要每次都从零搭工程。
4. 展示交互层
这也是原讨论里我最认同的一点：前端是最不适合让 AI 闭门造车的部分。
很多人会直接说一句“帮我做一个好看的页面”，然后得到一个勉强能跑、但交互和审美都不太对劲的结果。
更有效的方法反而是：
- 先找公开网页、组件或现成项目做参考
- 让 AI 基于参考生成多版 Demo
- 自己选方向，再让它继续融合和迭代
AI 在“组合已有风格”和“批量出草图”上通常不错；但如果你把审美判断也完全外包给它，最后大概率会浪费很多时间返工。
我现在更认同的 AI 项目顺序
如果把上面的经验再压缩一下，我会把 AI 协作开发的顺序写成下面这样：
- 先立项，先把需求讲清楚
- 再搭骨架，先把数据流和接口立住
- 然后做功能，把重复劳动交给模板和工具
- 最后再做前端，并且尽量走“多版 Demo + 人来选择”的路线
这个顺序看起来不新鲜，但很多返工恰恰都是因为把它做反了。
一上来先搓界面、边做边改需求、想到什么加什么功能，最后基本都会把代码和心态一起拖乱。
建一个属于自己的“低重复开发工具箱”
整理完这条长帖后，我最大的感受不是“我又收藏了几个新仓库”，而是：该认真经营自己的工具箱了。
这个工具箱不一定要大，但最好稳定、顺手、能重复使用。对我来说，至少值得长期保留的有这几类：
- 一套帮助自己澄清需求的提问流程
- 一个能快速起项目的基础骨架
- 一个能做信息采集和结构化整理的工具
- 一个自己熟悉的接口层方案
- 一套前端参考与 Demo 迭代的方法
当这些东西慢慢积累起来之后，你会发现 AI 真正帮你的，不再只是“生成代码”，而是把试错成本压低，把启动速度拉高。
结语
那条 Discord 长帖表面上是在推荐项目，真正让我记住的却是一种工作方式：
先找现成能力，再决定自己补哪一块。
别把时间都花在重复发明轮子上。
把公开项目当作零件，把模板当作底座，把 AI 当作协作者，而不是许愿机。这样做出来的东西，通常更快、更稳，也更容易真正落地。
如果以后我还继续整理这类社区长帖，我大概也会坚持同一个标准：
不追求把聊天一字不漏搬过来，而是尽量提炼出那些能被反复使用的方法和判断。