AI辅助编程与写作工具新探：从Cursor到氛围编程的实践演进
Hello，大家好，我是人月聊IT。
今天持续分享有关AI辅助工具运用方面的某些研究与实践，在今年6月的时候，我曾分享过一篇文章，对个人所使用的AI工具予以了详尽阐释，当时产出了一张思维导图，具体情况如下：
具体可以参考历史文章：
今天继续对最近研究和使用过的AI辅助工具进行新的补充说明。
AI辅助编程和AI辅助写作
在我于先前分享AI辅助编程之际，大体上都是以AI-IDE作为主要内容，涵盖Trae，这类我个人运用得相对较多的。国内的两款需要采用国际版本，其益处在于能够运用国外的最新大模型。从整体情形来瞧还是占据优势。
当此时，伴着氛围编程以及上下文工程概念更进一步地兴起，以其为首的CLI工具也陆续给推出了，涵盖了CLI，还有iFlow等。因CLI能够免费去使用Pro 2.5，所以在一段时期内这变成了我个人主要的生产力工具。针对国内个人而言推荐iFlow 。
iFlow CLI 提供了非常便捷的安装方式：
利用npm 将@iflow-ai/iflow-cli 以全局形式进行安装操作 ，为-g命令，此为安装 。
在安装完成后，创建一个项目目录，运行iflow进入如下：
对国内主流的那几个最新的大模型，当下iFlow都给予了充分的支持，其中涵盖QWen Coder、 V3.2、 GLM4.6、 Kimi2。本人极为强烈地荐举使用这个。
那要是确实不存在资金方面的顾虑，还是建议大伙去用它，当下它已经升级到了.5大模型，能给予很不错的能力支撑。就像之前我讲过的，在8月的时候，我们依据其完成了一个小型商业规模的项目交付。之前我也已分享了详尽的工程层面实践可供参考。
就目前而言，借助AI辅助开展写作自然不存在任何阻碍，在着手进行写作之前，理应借助mcp add -去增添负责规划分解任务的MCP工具，此工具乃是我运用频率最高的一个MCP工具，当下已然挂载了4.5的大模型，整体的作图、编程以及写作能力均得到了显著提升，。
当前有一个团队正在使用，并且它已然成为了主流的生产率工具。重点并非全新项目开发，而是历史项目的日常变更以及运维处理。从整体使用情况来看，其对于整个大项目完整上下文的理解能力依然颇为出色。除了自身具备的大模型能力之外，与自身的提示词以及Rules优化之间的关系依旧非常重大。其中包括最新推出的.0版本，它又进一步提升了核心的研发模型以及编程能力。
而且，还有格外关键需要留意的一点，即当下实际的AI编程工具已然和MCP达成了完备的集成，极大地拓展了大模型针对外部资源以及实时资源的访问本领。
一个新的AI辅助写作场景
每个人都清楚晓得的，我于先前讲述过我的借助人工智能进行辅助写作的场景情况，实际上更多的是人工智能进行辅助归纳融合，并非毫无依据地写作。也就是依据问题或者主题状况，对我个人已有的过往文章资料库存进行检索。而后借助于我所给定的要求逻辑进一步开展组装工作，从而形成一篇全新的文章。这意味着人工智能的核心能力是能够进行可复用知识库的识别提取以及按照所给逻辑完成组装。最终达成形成新文章这一结果 。
那么如何让AI基于全新热点事件进行分析输出文章呢？
这里给出几个要点以供大家参考，自身已然完整验证通过，整体文章输出状况还挺好。我实际上是让AI把基于完整上下文工程的思路，来帮我输出一份热点事件写作顾问的 ，接着基于这个去完成文章写作，具体：
条目化提供我要表达的核心观点
基于类似 MCP工具实时采集搜索最新网络完整资料
阅读我历史文章库总结我写作风格和特点
提供个人文章写作规范模板参考文件
提供 MCP任务规划分解工具
让AI基于上面内容按我的观点+网络资料+我的风格输出
在 10.27 日，我提供了一个 SBR 基于对象行为关系的建模提示语，此提示语涵盖前面部分，基于这个提示语，我们能够对核心事物进行可视化系统建模，还能对核心概念进行可视化系统建模，这一建模行为所产出的不仅仅是可以输出 SVG 模型图，重点在于模型图本身就是核心概念的高度抽象，基于此模型图，我们完全能够让 AI 根据输出给出对模型图的解释和说明，而将这些解释和说明稍微再加工下就能够转化为一篇通俗易懂的文章，句号。
包含先前我所输出的，关乎第一性原理核心逻辑的那篇文章，是就以上提及的思路来开展行进的。具体进行参照的输出情况为此：
那么，再次将目光投向AI辅助写作，在这里面，关键要点在于，必须要经由某种方式对于你那个历史知识库加以结构化塑造，切不要畏惧麻烦费力，因为这本身是能够借由工具或者AI编程去达成的。其次，至关重要的是，一定要具备自身的核心观点，AI所起到的作用更多的是针对进一步去帮助你搜索资料，进而展开分析以及论证该观点。最后，就是说所撰写的文章一定得拥有属于自己的写作风格，而这就需要你拥有历史知识库，以便支持AI去进行学习，从而能够全面理解你的写作风格，标点符号。
AI多模态辅助创作
最近几个月在前期的基础上试验了几个AI多模态方面的能力。
首先说一说语音以及播客的相关情况，此前我曾分享过当时扣子空间所具备的双人播客功能，实际上该功能已然完整地被内置于豆包APP之中了。
这个播客功能极为强大，其最佳之处在于针对 your 问题，针对你期望知晓的热点事件，针对你期望看到 AI 对某些事件的看法，皆能够让 AI 助我生成一段播客。这相当契合在上下班途中聆听，极为便利，强烈予以推荐。这据我个人感受而言就是相较你阅读文章更易于领会一些关键点、基础概念以及核心观点。尤其是双人对话的形式，愈发具备带入感。
此前一段时间见到进行了开放以及升级，原本我们实际使用过的通用智能体与深度研究功能，如今又推出了完备的文本转语音功能，你唯一须做的就是准备齐全的文字稿，能够全然转为语音且能够下载 。
这个输出的内容完全可以应用到自己的个人播客里面。
相似的功能，当下混元大模型也给出了播客功能，如今被放进微信公众号、腾讯新闻、ima、腾讯文档PDF里，使其达成了让用户能够收听由内容换算成的AI播客，在财研报解读、新闻速递、知识教育等情景中获得广泛运用。
体验入口：
大伙儿能够留意一下我在B站所发布的、那基于混元大模型进行输出与生成的、现已消失的数据中台视频。然而，PC端当下并未给出两项关键功能。其中一项是，能够下载所生成的mp3语音文件。另一项是，语音播客内容能够提供完整文字稿的稿件，以此便于我在后续将其转为视频。
所以，于此处，能够运用剪映所提供的AI文字成品功能，依循文字稿输出完整之视频，你既可挑选数字人，又可选取在线的素材库予以生成。
参考下B站10月29日我的视频，语音是生成的，视频是由剪映依据文章生成视频完成的，整体效果还不错 。
接着，我们再来讲述一下，这个所提供的、基于大模型的可视化笔记记录机能相当强大，能够依据你所给予的文章，帮你输出音频，输出视频，输出思维导图，输出学习测验等多种形式。
因此我也拿我原来公众号写过的一篇文章进行验证。
讲这篇文章，我进行的上传，之后让AI给我生成完整讲解视频出来，这个讲解视频特别厉害，把我文章核心观点完全理解了，并且基于讲解呈现需求，内容完整地有了重新梳理以及重排后的情况，最后输出了完整讲解视频加PPT 。
欢迎 你 发表评论: