
外部精选
软件工程
#开发者实时流开发者公开 vibe-code 应用的 191 条提示词并做分析
来源标题:Show HN: I analyzed all 191 prompts I used to "vibe-code" an app
一名开发者公开了自己用 191 条提示词通过多轮对话构建一个小型 Web 应用的全过程,并分析了这些提示词数据。他认为 LLM 的单次表现只适合可客观自动验证的任务,真实场景更依赖人与 AI 在多轮提示中协作,呼吁更多讨论这种人在环路(HITL)工作流。
Hacker News 最新mrcgnc2026/11/12 · 5 天前2 分钟阅读
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
LLM 的一次性表现(one-shot performance)是衡量其诸多能力的一个好指标,但它只适用于那些可以被客观、自动验证的任务。我认为在大多数真实场景中并非如此:人们的目标是模糊的、无法量化的、基于品味的、复杂的,而正是通过大量 prompt 与 AI 紧密协作的方式,才区分出了粗制滥造和真正的工作成果。但今天似乎很少有人谈论这一点。这篇博客文章(以及文中链接的可浏览 prompt 转录记录)正是试图改变这一现状。我在分享我为一个小型玩具 Web 应用项目所用的全部 prompt。这与 one-shot 恰恰相反!我还(过度?)分析并图表化了我的数据。我很想听听大家的想法,重点不在于具体的执行方式(这点可以商榷),而在于我提出的主张:我们应该更多地讨论 HITL AI 工作流。 评论 URL:https://news.ycombinator.com/item?id=50466477 点数:1 评论数:0
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。