Now vibe coding, so learning hammer FE ?
#AI 作者利用人工智能工具开发macOS无感自动更新功能的全过程,包括规划、原型设计、代码清理、解决难题、后端开发、模拟测试和最终集成,强调了AI作为助手在提高开发效率方面的作用,以及人工介入在解决关键问题上的重要性。

https://mitchellh.com/writing/non-trivial-vibing
#AI #文章 AI不是来替代工程师的,而是来“被管理”的。
只有把AI当作“极快但无知的初级开发者”,用工程化手段管理它,才能真正放大人类团队的交付能力,而不是陷入“AI写代码,人类擦屁股”的陷阱。

https://chrisloy.dev/post/2025/09/28/the-ai-coding-trap
#AI #文章 直到现在,代理们都是“蒙着眼睛写代码”。他们虽然能快速生成代码,却看不到那个按钮是否真的可以点击,也无法了解你的 Lighthouse 评分到底是什么样的,更搞不清楚为什么你的 API 调用会失败。
这个新工具通过将 Chrome 开发者工具与基于 Puppeteer 的 MCP 服务器连接起来,解决了这一问题,任何人工智能都可以调用该服务器。这样一来,你的代理就有了“眼睛”,能够深入到沙盒化的 Chrome 配置文件中进行探索,并完成一些有趣的事情,例如:

1. 像开发者一样进行调试—通过 MCP 直接检查 DOM、查看控制台日志并审查网络请求,让您的代理能够真正排查运行时错误,而无需盲目猜测。

2. 自动化用户流程—通过模拟真实用户行为,点击按钮、填写表单、上传文件,并重现漏洞。

3. 运行性能审计—触发 Chrome 性能跟踪,并提取可操作的指标,例如 LCP 和 TBT。现在,你可以再次把糟糕的 Lighthouse 分数归咎于 React,而不是 AI 了。

https://developer.chrome.com/blog/chrome-devtools-mcp?hl=zh-cn 适用于 AI 代理的 Chrome 开发者工具 (MCP)  |  Blog  |  Chrome for Developers
#AI #文章 直到现在,代理们都是“蒙着眼睛写代码”。他们虽然能快速生成代码,却看不到那个按钮是否真的可以点击,也无法了解你的 Lighthouse 评分到底是什么样的,更搞不清楚为什么你的 API 调用会失败。
这个新工具通过将 Chrome 开发者工具与基于 Puppeteer 的 MCP 服务器连接起来,解决了这一问题,任何人工智能都可以调用该服务器。这样一来,你的代理就有了“眼睛”,能够深入到沙盒化的 Chrome 配置文件中进行探索,并完成一些有趣的事情,例如:
1. 像开发者一样进行调试—通过 MCP 直接检查 DOM、查看控制台日志并审查网络请求,让您的代理能够真正排查运行时错误,而无需盲目猜测。
2. 自动化用户流程—通过模拟真实用户行为,点击按钮、填写表单、上传文件,并重现漏洞。
3. 运行性能审计—触发 Chrome 性能跟踪,并提取可操作的指标,例如 LCP 和 TBT。现在,你可以再次把糟糕的 Lighthouse 分数归咎于 React,而不是 AI 了。

https://developer.chrome.com/blog/chrome-devtools-mcp?hl=zh-cn 适用于 AI 代理的 Chrome 开发者工具 (MCP)  |  Blog  |  Chrome for Developers
#AI 当你感到AI编程无所不能时,也许正站在“愚昧之巅”。 而这,恰恰是AI的蜜月期最容易产生的错觉。
 
 
Back to Top