Parva

最近刷到一个相似想法的视频，记录生活中的一切，再让 AI 分析和介入，推荐给 OP：
[我主动走进楚门的世界生活了 7 天，结果完全不想出来 [X.PIN] ] https://www.bilibili.com/video/BV1vHVz6BEFE/

@Parva vibe coding

我也在用 codex vibe 类似的网站，90%的时间都在调 ui

这个其实更偏程序化任务、批处理任务，也就是工作流。不过现在 Agent 当然也能做。

用 subagent 功能，就可以把大任务拆成很多独立子任务。每个 subagent 都是独立 context ，不共享上下文，适合处理大量重复且彼此无关的任务。

codex 也支持 subagent 功能，prompt 举例：
```
处理表格文件 tasks.csv ，每一行都是一个独立子任务。
请按行依次分派任务给 subagent：
1. 每个 subagent 只负责 CSV 中的一行
2. subagent 自己读取该行数据
3. 根据 input_text 和 task_requirement 处理任务
4. 将结果写入 output_text 列
5. 完成后只汇报“已完成”
6. 主 Agent 不验证、不检查结果，直接派发下一行
7. 所有行完成后，输出“所有子任务已完成”
```

好有意思，随便点一个，听起了音乐。

看下来，很多判断仍然站在“AI 辅助开发”的视角：AI 负责写代码，人类负责系统设计、判断和验收。

就像当年的人觉得 AI 还胜任不了 Coding ，现在又觉得 AI 胜任不了架构、产品、验收。

2020 年的 #22 楼（ agoodob 2020 年 7 月 30 日 ❤️2 ）的回答就很超前：AI 自动完成“发现需求 → 做出产品 → 获取用户 → 收集反馈 → 继续迭代”的完整闭环。

脑洞一下五年后：
一部分人仍然会发挥自己的主观性和创造力，自由地创造产品。
另一边，整个产品生产方式被颠覆：AI 自动挖掘需求、构建、上线、迭代，市面上充满各种极其精准、极其细分的产品。

前半部分不赞同。感觉很多程序员对 mvp 的理解都太狭隘了，以为 mvp 是“先糊一坨代码”，然后再用技术债、重构成本去反驳它。

mvp 的本质是“先用最低成本验证关键假设”。跟代码无关，跟 ai 不 ai 也无关，你能连 Python 都不写，用 gpt-images2 做效果图、seedance2.0 做个演示视频给用户看，就能完成那最关键的假设的验证，这就是 mvp 的操作。

后半部分对 AI Coding 管控操作分析得挺好。

一次通关，画不过来，但是神奇地记住了，哈哈哈哈

像发烧一样就是中暑的症状吧，注意避暑