大家好，我是 Kate。最近这段时间虽然没有录制视频，但我一直在关注和学习：看了很多大佬对 2025 年 AI 编程进展的总结，也在思考 2026 年可能出现的趋势。

像我们现在看到的 Gas Town，就是一个非常有意思的多智能体编排系统，很有可能会在今年大放异彩。

随着 Opus 4.5 和 GPT 5.2 Codex 的推出，很多在 Sonnet 4.5 时代我"明知道能做，但懒得折腾"的事，现在都变得值得交给 AI 来处理了。

过去需要来回拉扯很多轮、还不一定能一次说清楚的需求，如今可以在比较短的时间里，被稳定地拆解、规划和落地。接下来我想结合最近真实做过的几个小项目，分享一下我是如何根据自己的需求，改造现有工具、搭建工作流，甚至让 AI 帮我做应用和教我学新语言的。

项目一：改造一个下架的 Chrome 插件

问题背景

第一个例子是对一个 Chrome 插件的改造。这个插件本来很受欢迎，可以把网页内容整理成 Markdown，但现在已经无法在 Chrome 商店里直接安装了——主要原因是它的 manifest 还停留在 V2 版本，不符合最新的插件要求。

https://github.com/deathau/markdownload

解决过程

我先找到它的开源仓库，克隆到本地之后，就直接把整个项目交给 Opus 4.5，让它先分析一下：为什么现在不符合 Chrome 插件的最新规范，需要改动哪些地方。确认问题之后，我又让它列出一份升级计划，然后按计划逐步执行。中间出现的一些 bug，则交给 GPT 5.2 Codex 来协助处理。

改造后的体验

完成升级之后，现在这个插件的体验是这样的：

1. 打开 AK 的一篇文章
2. 点击插件图标，图标上会短暂出现"已复制"的提示，然后提示自动消失
3. 打开一个空白的 Markdown 文件，粘贴内容
4. 整篇文章——包括图片——都已经被转换成了标准的 Markdown 格式

原始版本的插件设计是：点击图标后，会先弹出一个预览窗口，在弹窗里展示转换后的 Markdown 内容，然后你再点"复制"。对我来说，这个路径有点长；我日常最常用的操作其实就是"复制到剪贴板"，很少需要额外预览。所以我就让 Opus 4.5 帮我改成现在这种：点一下图标，直接复制，并显示"已复制"提示即可。

额外优化

在这个基础上，我还让它在原作者的设置页面里增加了一条选项：点击图标时可以有两个选择——

• 复制 Markdown 到剪贴板
• 直接下载 Markdown 文件

原始插件的设置项很多，而且全部是英文。我顺便把这些配置页也交给 AI 处理，让它在不改变原有功能的前提下，把界面文案全部改成中文、理顺布局。现在配置面板更加清晰易懂，也更符合我的日常使用习惯。

技能体系：Feature Dev 与 Planning with Files

在做上述改造时，我开始更多地依赖 Codex 中的 skill 体系。这里有两个非常实用的 skill 值得重点介绍。

Feature Dev 工作流

这个 skill 是我参考 Claude Code 里一个叫 Feature Dev 的插件，把里面的思路提炼出来，做成了 Codex 的一个 skill。

https://github.com/anthropics/claude-code/tree/main/plugins/feature-dev

当我在 Codex 里提出一个新需求时，即便提示词里没有明确写出"用 Feature Dev 来做"，Codex 也会根据我最开始表达的意图，自动决定是否调用这个 skill。

整个过程会分成几个阶段：

Planning with Files

另一个我最近很喜欢的 skill 是 Planning with Files——这个 skill 模仿了 Manus 的思路，可以将工作流转变为持久化的 Markdown 文件，进行规划、进度跟踪和知识存储。

https://github.com/OthmanAdi/planning-with-files

我把仓库里的 skill 文件下载到本地，再接入到 Codex 之后，让它帮我从零做一个拼图游戏。

一开始，它会先和我确认几个关键需求，比如拼图的形式、难度选择、界面大致长什么样等等。等我回答完后，它会在项目里持续更新两个核心文件：

• task_plan.md：记录任务计划和当前进度，哪些任务完成了会打勾，做了什么决定也会后续添加进去
• notes.md：追踪过程中做过的决策和一些重要的思考

这种感觉非常像 OpenSpec。最终，它帮我做出了一个简单但完整的"拼图工坊"：

• 上传一张 16:9 的图片，选择合适的难度
• 支持多种拼图尺寸，可以一键打乱
• 右侧显示当前完成度，还能打开提示
• 下方展示缩略图方便对照，实时显示正确率

我非常推荐大家试试这种 skill，它可以把临时对话式的工作过程，沉淀成持久化的 Markdown 文件：既能规划任务，也能跟踪进度，还能形成自己的知识库。

项目二：让 AI 教我学 Go 语言

第三个项目，是让 AI 编程工具教我学习一门新的编程语言——Go。

从 Hello World 开始

一开始，我先让它用 Go 写一个最简单的例子，并且在本地帮我运行。对话里我明确告诉它我是初学者，所以它在展示代码的同时，也会用比较生活化的比喻来解释每一部分的作用，让我能迅速把这个"Hello World"类的小程序和 Go 的语法特点联系起来。

以前我们学习编程，往往是左边看教程、右边在 Playground 里尝试代码；现在在 AI 编程工具里，这两个过程是融合在一起的：它既是老师，也是可以随时修改、运行的练习场。

深入理解语言特性

接着，我让它：

• 检查我电脑上当前安装的 Go 版本
• 如何升级到新版本
• Go 的版本管理和 Python 的版本管理有什么异同
• go.sum 文件是什么意思
• go mod tidy 命令的作用——它直接告诉我这是用来整理 go.mod，移除不需要的依赖...

实战小应用

在理解这些基础概念之后，我进一步让它帮我写一个稍微复杂一点的小应用：后端使用 Go，实现一个简单的"笔记本"服务。只需要运行一个很短的命令，就能在浏览器里看到这个笔记本应用。

刚开始 Opus 4.5 生成的版本有个小问题：前端页面打开是偏左的。我让它修复了两次，问题还是没有完全解决，最后就把这个任务交给 Codex；结果 Codex 根据运行中的错误提示，一次就修好了。

二八法则学习法

在学习 Go 的过程中，我还借用了上一期视频里提到的"深度访谈"思路。比如我会让 Claude 根据二八原则，帮我梳理"一个 Go 初学者最应该优先掌握的那 20% 的知识点"，然后再结合实际开发中的问题，不断追问细节。

AI 编程工具确实是非常好的学习工具。这种方式会大大缩短熟悉一门新语言的学习曲线。

顺便说下，Gas Town 作者 Steve Yegge 说 "作为一个研究和使用过50+编程语言、始终追求优雅和紧凑的人——令我惊讶的是，Go 对氛围编码系统程序员来说是真正的福音。"

项目三：五子棋 iPad 应用

从空目录到完整应用

前面提到的 Feature Dev skill，本身来自 Claude Code 仓库中的一个插件。我把这个插件的思路抽取出来，放进 Codex 的 skill 体系里，然后提了一个新需求：帮我生成一个可以在 iPad 上运行的五子棋应用。

Codex 会自动调用 Feature Dev 工作流，先帮我做需求澄清，再正式开始动手。

整个过程：

1. 需求阶段：确认应用名称、主要功能、界面大致布局
2. 代码库探索：因为当前目录一开始是空的，它在做了极简的探索之后，直接进入下一阶段
3. 规格与编码：生成规格说明和编码计划，开始创建实际项目结构和代码
4. 自动化工具：安装和使用 XcodeGen 来生成 Xcode 工程文件

调试与部署

在编码过程中难免会遇到一些小问题，比如某些配置不完整、脚本执行失败等，我基本的做法就是把运行时的错误信息原样反馈给它，让它自己修复。

当应用在模拟器和设备上都能正常运行之后：

1. 把 iPad 通过数据线连到电脑上，完成物理连接和信任授权
2. 后续可以直接通过无线的方式进行调试
3. 每次修改完代码，在 iPad 上实际运行测试
4. 确认没问题后交给 Xcode Cloud 做构建

持续集成与交付

Xcode Cloud 可以帮助做持续集成和持续交付，还可以并行运行测试，并且和 TestFlight 协同工作，整体体验非常顺滑。

每次构建完成后，它都会发邮件告知这次是成功还是失败；如果失败，还会附上具体原因，比如缺少必要的图标文件、某些 Info 配置缺失等等。我只需要把这些错误信息再交回给 AI 编程工具，让它修复好，然后 push 到 GitHub。

因为仓库和 Xcode Cloud 已经绑定，每次 push 之后都会自动触发新的构建。经过几轮迭代，就可以直接在 TestFlight 里下载最新版本的五子棋应用。

小贴士：应用图标也是让 AI 帮我生成的，整个流程从需求到上架测试，几乎全程 AI 辅助。

项目四：AI 视频封面生成器

最后分享一个偏"个性化需求"的项目：让 Opus 4.5 帮我生成一个 AI 视频封面应用。

需求背景

这个小应用既可以用来生成视频的封面图，也可以为各大社交平台生成 3:4 或 4:3 比例的封面图片。一开始我给 Opus 4.5 的提示词里，就说明了我现在视频头像是一只兔子，希望整个应用里生成的封面风格，都能围绕这个兔子形象去扩展。

深度访谈打造规格文档

在需求整理阶段，我继续沿用上一期视频中介绍的"深度访谈"提示模板，让 AI 以资深记者的身份来采访我：

• 总共问了 25 个主问题
• 每个问题大概还有 3 条左右的追问
• 加起来差不多 74 个问题

正是因为有了这样细致的访谈，最后生成的规格说明文档才足够完整、细腻。非常推荐大家使用这个工作流。

最终效果

有了这份规格文档之后，让 Opus 4.5 按照文档来生成应用。它会先新建一份计划文件，再一步步执行。最初生成的界面比较粗糙，继续让它优化布局、调整配色。

现在这个应用的交互是这样的：

1. 输入一段简单的内容描述
2. AI 帮我生成 20 条候选提示词
3. 选择符合这期视频气质的多条
4. 点击生成封面图片

在生成图片的环节，我统一选择的是 Nano Banana Pro 模型，因为在多次对比之后，它在细节和整体风格上都最符合我的审美。

总结：效率和创造力的双重跃迁

相比之前的 Sonnet 4.5 时代，现在我更愿意把那些"有点麻烦""不知道值不值得做"的需求交给 AI——因为它们不再需要我耗费大量精力反复沟通、验证和重构。

AI 编程工具真正帮我做到的是：

• 把零散的灵感变成有条理的计划
• 把抽象的需求变成可以运行的代码
• 把一次性的对话过程沉淀成可复用的文档和工作流

对于个人开发者来说，这意味着生活和工作的效率都有了非常明显的提升，也让我们更有底气去尝试那些原本只会停留在"想一想"的点子。