AI 编程

让 Codex 直接画 UI 容易翻车，先给视觉参考和原型会明显提高质量。

AI 前端开发最需要人把控的是审美、流程和业务验收，而不是每行代码。

模型能力越强，越要把需求、风格和验收标准写清楚。

从原型到开发应分阶段推进，不要一次性要求 AI 完成所有层次。

GitHub Copilot 按 token 计费是 AI 编程工具低价补贴退潮的信号。

Devin 和 Cognition AI 的融资说明资本仍在押注 AI 工程师，但用户侧会更关注真实 ROI。

本地可跑大模型的硬件正在成为 Agent 工作流的重要变量。

个人 Agent 工作站的系统选择要看稳定性和工具生态，不只是硬件参数。

AI 编程工具的真实成本不是 token 单价，而是成功率、调试时间和返工次数的综合成本。

复杂任务用强模型定方向，后期维护再用低成本模型，是当前更稳的模型组合方式。

Codex 卡住或变慢时，优先检查 context、额度、网络和任务是否真实执行，而不是无限等待。

中转和国产模型可以扩展用量，但稳定性、权限和功能支持需要逐项验证。