如果要为工作流程提效，该如何下手？

确定 应用场景

工作流程的金字塔模型

System Prompt

软件开发，包括首次开发部署上线以及持续迭代

哪些地方在消耗时间？从 金字塔模型 可以看到，有三个地方会消耗时间：

1. 拆解工作流程
2. 完成单个模块
3. 模块之间的交互

对于 软件开发 场景：

1. 拆解工作流程
   • 需求、设计、测试评审
   • 系统设计、编写技术文档
2. 完成单个模块
   • 完成开发
   • 完成测试
   • 完成代码部署上线
3. 模块之间的交互
   • 前端与后端联调
   • 前端与产品沟通需求
   • 前端与 UI 沟通设计实现
   • 前端与测试沟通测试细节

编程辅助应用 的应用场景变化：

• v0：2（组件编码实现） -> 2（项目编码实现）-> 2（项目编码实现）、3（部署上线）
• Cursor：2（编码实现） -> 1（需求分析与规划）、2（编码实现）
• Devin：1 2 3（整个 软件开发 金字塔模型）

选择原则

优先从 提效最明显 的环节下手

实战项目的选择逻辑：编码实现 下的 开发私有业务组件

确认 应用场景 后，接下来确认 工作模式。

确定 工作模式

两种工作模式：agent 与 workflow

如何区分 agent 与 workflow？看 1、3 由谁完成？

• workflow：遵循固定的处理流程，步骤是预先确定的
• agent：根据任务动态由大模型自主决定下一步行动，具有更强的自主性和适应性

workflow：

• v0
• Cursor Chat、Cursor Composer Normal

agent：

• Cursor Composer Agent
• Devin

大模型的三重约束

Q1：Devin 24 年初就问世了，为何一直到 24 年底之前都反响平平？

Q2：Cursor 为什么在 Claude 3.5 Sonnet 问世后获得了更多关注？

制约 AI 应用能力的三重约束：

1. 模型理解能力
2. 模型上下文长度
3. 模型的私域知识储备

上下文长度是其中最重要的变量。

对于 软件开发 场景：

• 业务代码 = 私域知识，业务代码量增加 -> 私域知识增加
• 不管是 RAG 还是其他方式，私域知识会占据上下文长度
• 上下文长度越接近理论极限，理解能力衰减越快

在实战篇中我们会围绕 上下文长度 这个变量做很多优化。

A1：通过工程能力平衡三重约束

A2：Sonnet 比 4o 编码能力更强，突破了 可用性的临界点

AI 提效工作流程 决策步骤

1. 工作流程按照 金字塔模型 拆分
2. 选择金字塔中 性价比最高的环节 作为应用场景，确定工作模式
3. 在 AI 三重约束 下持续迭代