@shadcn：shadcn 主張把 AI 智慧視為可借用的資源，趁模型可用時及早累積實作計畫。 核心觀點與策略 shadcn 指出，frontier 模型隨時可能因故無法使用…

shadcn 主張把 AI 智慧視為可借用的資源，趁模型可用時及早累積實作計畫。 核心觀點與策略 shadcn 指出，frontier 模型隨時可能因故無法使用，因此開發者不應過度依賴單一模型進行開發。他主張將「智慧」視為一種可借用的資源，並採取以下策略： 累積計畫（Build the backlog）：利用高階模型進行程式庫審計與規劃，將智慧轉化為具體的實作計畫。 分離規劃與執行：使用昂貴的強大模型負責理解程式庫、判斷價值並撰寫規格書，再將執行階段交給成本更低、開源或可控的模型。 建立計畫目錄：透過 /improve 產出標準化的 Markdown 實作計畫，確保後續開發不受限於特定模型。 關於 /improve 工具 這是一個支援 Agent Skills 格式的 Agent skill，專門用於審計程式庫並產出可執行的計畫。其運作邏輯如下： 安裝與使用：透過 npx skills add shadcn/improve 即可安裝。使用者可透過 /improve 進行全域審計，或使用 /improve quick、/improve deep 等參數調整審計深度。 計畫執行：產出的計畫檔案位於 ` plans/ 資料夾中。使用者可手動執行，或透過 /improve execute ` 指令調度較便宜的執行型 Agent，並由系統自動進行差異比對與驗證。 穩健性設計：計畫內容包含「驗證閘門」（Verification gates）與「停止條件」（STOP conditions），確保即使是能力較弱的執行模型，也能在明確的邊界內完成任務，避免產生幻覺或錯誤。 維護機制：透過 /improve reconcile 指令，系統可自動檢查已完成的計畫、更新因程式碼變動而過時的計畫，並排除已解決的問題。 執行限制 為確保安全性與可控性，該工具設有嚴格的硬性規則： 絕不直接修改原始程式碼，所有寫入動作僅限於 ` plans/ ` 資料夾。 執行階段僅在隔離的 git worktree 中進行，最終合併權限保留給使用者。 嚴禁執行任何會變更工作目錄的指令，僅進行唯讀分析。 原文：https://easyvibecoding.app/curated/1976