Saya merasa seiring dengan perkembangan alat pemrograman AI, pemahaman saya tentang alat MCP juga berubah.
Sebelumnya saya sering menggunakan pemikiran sekuensial, pengelola tugas, sekarang dengan peningkatan kemampuan pemodelan dan penalaran, ada mode rencana dan berpikir lebih keras/ultrathink, saya lebih suka menyelesaikannya di dalam alat asli, bukan dengan bantuan mcp.
Jenis lain adalah alat peningkatan konteks seperti context7 dan deepwiki. Untuk rekayasa konteks, saya memerlukan lebih banyak ketelitian dan akurasi. MCP jenis ini saat ini belum dapat memenuhi persyaratan tersebut. Oleh k

Kedalaman Riset menyelesaikan masalah keputusan produk "apa yang dibangun", yang memiliki kedalaman dan luas, membantu kita memecahkan ruang informasi dan melihat arah dengan jelas.
Claude Code membantu menyelesaikan rincian pelaksanaan yang spesifik, sehingga kita dapat lebih fokus pada arsitektur sistem, pemisahan modul, dan rekayasa ulang pada tingkat high level ini, meningkatkan efisiensi iterasi dan percobaan.
Di masa depan pasti akan ada alat produktivitas AI yang lebih canggih, tetapi saya pikir ketiga langkah di atas seharusnya menjadi logika dasar yang tidak berubah.

MCP sudah keluar cukup lama, sepertinya tidak banyak yang benar-benar bisa digunakan?
Yang saya maksud dengan dapat digunakan adalah untuk pemrograman AI, yang dapat digunakan secara stabil dan frekuensi tinggi, serta memberikan peningkatan yang substantif pada efek pemrograman.
Berbagi beberapa yang saya rasa cukup baik: playwright, Context7, Sequential Thinking
Dua yang pertama menyelesaikan masalah akurasi konteks, yang ketiga menyelesaikan pemikiran perencanaan.

Dalam bidang pemrograman, ada sebuah istilah yang disebut "bad smell"
Dikatakan bahwa bagi programmer yang berpengalaman, mereka seharusnya bisa mencium "bau busuk" dalam sistem dan mencegahnya sebelumnya, serta melakukan optimasi dan upgrade arsitektur.
Ada satu kata yang disebut "overdesign"
Artinya pada awalnya berpikir terlalu banyak, merancang banyak skalabilitas dan pemisahan modul yang tidak perlu, yang membawa biaya pemeliharaan yang besar dan tidak berguna, malah mudah memperkenalkan bug.
Kedua kata ini perlu dilihat dalam konteks waktu dan situasi.
Tidak ada desain arsitektur terbaik

Yang paling disukai oleh para programmer adalah, para produsen AI besar bersaing dengan sangat sengit😂
Baru saja mendaftar di Jules, sepertinya bisa mencoba gratis.

Apakah Google akan meluncurkan sesuatu yang besar lagi?

vibe coding memang hanya akan berfungsi di tangan orang yang mengerti pemrograman, yang tidak mengerti hanya akan menjadi 💩gunung dan berbagai kerentanan keamanan😅

Pengalaman yang sangat baik, pemasaran konten, lalu lintas, akuisisi pelanggan, konversi, merek, desain, hambatan kompetisi, dan kolaborasi perlu dipikirkan dan dilaksanakan di semua aspek.
Di era AI, yang paling tidak kurang adalah ide dan kemampuan penelitian dan pengembangan😂

Selamat, layak untuk dipelajari👍
Saya berharap akan ada lebih banyak orang seperti Yihui yang menjual kelas, sehingga kata "menjual kelas" tidak terlalu negatif
Coba pikirkan tentang jenis pembuat konten berbayar yang bisa sukses, saya merangkum beberapa poin berikut:
Tulus, altruistik, harga yang tepat, cepat
Ketulusan: Untuk menjadi fondasi self-media, apa pun yang Anda jual, Anda harus terlebih dahulu menjalin hubungan kepercayaan dengan pelanggan Anda. Dengan tulus keluarkan pengetahuan dan kognisi Anda sendiri, berperilaku buruk dan berpura-pura, dan karakternya tidak mudah runtuh
Altrui

Metode ini untuk membuat aturan AI terlihat bagus, saya akan mencoba, setelah selesai saya akan kembali melaporkan! Terima kasih telah berbagi☺️

Saya sangat setuju dengan pandangan Guru Wu En Da, bahwa pemrograman yang dibantu AI memang dapat membantu orang yang sudah memiliki dasar bahasa pemrograman untuk dengan cepat mempelajari bahasa baru, sementara ia juga menekankan pentingnya memahami konsep inti di balik bahasa tersebut.
---
Namun, masih penting untuk memahami konsep di balik bahasa yang berbeda. Itu sebabnya mempelajari setidaknya satu bahasa seperti Python masih akan memberi Anda dasar yang kuat untuk mendorong LLM dengan lebih baik untuk menghasilkan kode dengan Python atau bahasa lain. Jika Anda beralih dari satu bahasa pe