最新

销售和高管圈子里正在经历一场大规模的“AI疲劳”。 尽管每个人都在使用ChatGPT或Claude自己构建东西，但我确信一切都自己动手构建并不是一个答案。 我以前的邮件回复率是3%到5%。现在，几个月来都是零回复。 同样，LinkedIn曾经有10%的回复是肯定的，5%是积极的。现在，却一片寂静。 我想AI正在对人们的看法产生负面影响——尤其是在市场营销、销售、GTM（Go-To-Market，进入市场）圈子里。 如果你正在销售“AI驱动”或“基于AI”的软件，你是否做到了展示价值，并明确指出它不是一个ChatGPT的包装？ 在当前的AI环境下，你如何激发人们对你的B2B软件的兴趣？

今天在搭建新的开发机器时，我们注意到一个新插件，它于 3 天前发布，在 MS VSCode 市场 [0] 和 OpenVSX [1] 上的下载量超过了 200 万（疑似虚假）次。<p>虽然逆向工程仍在进行中，但您可能需要确保自己没有安装和运行此插件。<p>[0] https://marketplace.visualstudio.com/items?itemName=AhmedCrypto.ahmedcrypto1<p>[1] https://open-vsx.org/extension/juanbIanco/solibidity

我一直对 AI 编程助手的表现不稳定感到沮丧，因此我研究了这个问题并构建了一个系统化的解决方案。 核心见解：大多数 AI 代理失败并非模型失败，而是上下文失败。AI 获取的信息不完整或结构不良。 我创建了 5 个规范，将 AI 开发从试错转变为系统工程： - 规范即代码 - 系统化的需求定义 - 上下文工程即代码 - 解决“上下文失败”问题 - 测试即代码 - 15 种以上的先进测试策略 - 文档即代码 - 自动化、动态文档 - 编码最佳实践即代码 - 可执行的质量标准 上下文工程规范是关键创新（特别感谢 Tobi Lutke 和 Andrej Karpathy） - 它为 AI 参与者系统地组装全面的上下文，类似于基础设施即代码系统化了部署。 早期结果：AI 任务成功率提高 10 倍，调试时间减少 50%。 所有规范都是开源的，并附带可立即使用的模板。 GitHub：https://github.com/cogeet-io/ai-development-specifications 期待社区的反馈 - 您在使用 AI 编程一致性方面有什么经验？ 或者您可以在 X 上联系我：https://x.com/Cogeet_io