Claude Code 的 subagent 怎么用才不浪费 token
subagent 本意是隔离上下文省 token,我用下来发现用不好反而更费。原因是主 agent 经常把大段上下文重新塞给 subagent,等于读了两遍。 摸出来两条经验:一是 subagent 的任务要尽量"窄",比如"只在这个文件里找所有 TODO",别让它再做需要大上下
这里聚合 CodeNodeX AI 社区中与 AI 相关的技术文章和讨论,覆盖概念解释、工具对比、工程实践、常见问题和独立开发经验。
如果你正在研究 AI,建议先阅读高质量长文,再参与帖子讨论,形成从理解到实践的完整路径。
subagent 本意是隔离上下文省 token,我用下来发现用不好反而更费。原因是主 agent 经常把大段上下文重新塞给 subagent,等于读了两遍。 摸出来两条经验:一是 subagent 的任务要尽量"窄",比如"只在这个文件里找所有 TODO",别让它再做需要大上下
把一个 800 多行的"上帝组件"拆成 6 个小模块,本来预算三天,借助 AI 一天搞定了,记录下流程备忘。 第一步让它只读不写,输出拆分方案和依赖关系图;第二步我手动确认边界,写成 todo list;第三步一个模块一个模块地迁移,每个模块配测试;最后跑全量测试 + 手测关键路
review AI 生成的代码用了一年,沉淀了个 checklist,每次过一遍心里踏实不少。 边界条件:null、空数组、超长输入、并发有没有处理 错误处理:catch 块是不是"假装处理",错误有没有被吞 依赖:是不是引入了没必要的新库 安全:用户输入有没有校验,密钥有没有硬
被这个问题折腾疯了。让它写 TypeScript,它经常 import 一些根本不存在的模块或者不存在的导出,typecheck 一跑一片红。 试过让它"先确认 import 路径存在再写",好一点但还是会犯。最离谱的是它会编造一些 npm 包名,装都装不上。 有没有什么稳定招数
说个有点焦虑的话题。今年大量用 AI 之后,明显感觉自己"记得住"的 API 变少了,以前手写如飞的 hooks 现在得想半天,甚至有些算法直觉都钝了。 好处是腾出来的脑子可以想架构和业务,但坏处是离开 AI 我好像变菜了。不知道是年纪上来了还是工具依赖。 大家有这种"被工具养废
数了下我现在每个月在 AI 工具上的花费:Cursor 20 刀、Claude 20 刀、Copilot 10 刀,再加上 API 零零碎碎,一个月小一百刀。 问题是这些还经常重叠,Cursor 里调 Claude,Claude Code 又用 API 计费,算下来一份钱花好几次
plan 模式是我今年最爱的功能,没有之一。让它在不动代码的前提下先出方案,我确认了再 apply,避免了无数次"它改完我傻眼"的悲剧。 我现在几乎任何稍复杂的任务都先 plan。哪怕只是改个 bug,先看它打算怎么改,能挡掉一半的瞎折腾。 唯一不爽是 plan 阶段也烧 tok
我现在的工作流是 Cursor 做日常编辑和补全,Claude Code 跑长任务和重构。两个一起开,体验居然不错,互补得挺好。 Cursor 强在交互流畅、多文件 Composer;Claude Code 强在终端里跑命令、跑测试、长链路任务。两者用同一个模型,上下文不会完全割
团队用 AI 越来越多后,我牵头定了几条硬规矩,分享出来抛砖引玉。 一是 AI 生成的代码必须人工逐行 review,不能"看一眼差不多就合"。二是涉及鉴权、支付、数据库迁移的改动不允许 AI 全自动,必须人主导。三是 PR 描述里要标注哪些部分是 AI 生成的。四是测试覆盖率不
把在旧系统中增加新能力作为讨论入口,说明生成代码审查为什么需要最小可运行补丁,以及生成结果看起来正确却无法运行出现后怎样缩小影响范围。
这条AI 编程种子内容关注代码所有权的工程闭环,覆盖“把演示原型推进到生产环境”中的不可运行输出、验收门槛和失败恢复。
以“把演示原型推进到生产环境”为合成场景,讨论AI 编程中的调试闭环,重点检查生成结果看起来正确却无法运行,并用最小可运行补丁界定可验收结果。