Я відчуваю, що з розвитком інструментів програмування AI моє розуміння інструменту MCP також змінюється.
Раніше використовувалися sequential thinking, task_manager, тепер, зі зростанням можливостей моделювання та міркування, з'явилися plan mode та think harder/ultrathink, я більше схильний виконувати це в рідних інструментах, а не за допомогою mcp.
Інший тип – це інструменти з підвищення контексту, такі як context7 та deepwiki. Для контекстного інжинірингу мені потрібно бути більш точним і детальним, ці mcp поки що не можуть задовольнити ці вимоги. Тому я більше схиляюся до того, щоб самостійн

Глибина Research вирішує проблему продуктового рішення "що будувати", поєднуючи глибину та широту, допомагає нам розірвати інформаційну бульбашку та чітко визначити напрямок.
Claude Code допомагає вирішити конкретні деталі впровадження, що дозволяє нам зосередитися на системній архітектурі, розподілі модулів та рефакторингу на цих високих рівнях, підвищуючи ефективність ітерацій та експериментів.
В майбутньому безумовно з'являться більш досконалі інструменти продуктивності на основі ШІ, але, на мою думку, ці три етапи повинні залишитися незмінною основною логікою.

MCP вийшов вже так давно, але насправді справді корисних, здається, не так вже й багато?
Я маю на увазі, що можливість використання стосується програмування AI, яке може стабільно та часто використовуватися, що має суттєвий вплив на ефективність програмування.
Поділюся кількома, які, на мою думку, непогані: playwright, Context7, Sequential Thinking
Перші два вирішують проблему точності контексту, третій вирішує питання планування.

У галузі програмування є термін "поганий запах"
Йдеться про те, що досвідчені програмісти повинні вміти відчувати "поганий запах" у системі та заздалегідь запобігати цьому, проводячи оптимізацію та оновлення архітектури.
Є ще одне слово "надмірне проектування"
Це означає, що спочатку було задумано занадто багато, розроблено багато непотрібної масштабованості та модульної декомпозиції, що призвело до величезних і непотрібних витрат на обслуговування, натомість це легко може призвести до помилок.
Ці два слова потрібно розглядати з урахуванням часу та контексту.
Не існує найкращого архітектурного

Програмістам найбільше подобається, що великі AI компанії змагаються до небес😂
Тільки що зареєструвався в Jules, здається, що можна безкоштовно спробувати.

Google знову готує великий сюрприз?

вибір кодування дійсно має сенс лише в руках людей, які розуміють програмування, для тих, хто не розуміє, це просто 💩 гора та різноманітні вразливості безпеки 😅

Чудовий досвід, контентний маркетинг, трафік, залучення клієнтів, конверсія, бренд, дизайн, конкуренційні бар'єри, співпраця та масштабування - усі ці аспекти потребують роздумів та виконання.
В епоху штучного інтелекту найменше не вистачає ідей та розробницьких можливостей😂

Вітаю, варто вчитися👍
Сподіваюся, що буде більше таких людей, як Ій Хуей, які продають курси, щоб слово «продаж курсів» більше не було настільки негативним.
Подумайте, які саме блогери з платним контентом можуть досягти успіху, я підсумую кілька моментів:
Щирість, альтруїзм, прийнятна ціна, швидкість
Щирість: основа самостійних медіа, незалежно від того, що ви продаєте, спочатку потрібно встановити довірчі відносини з вашими клієнтами. Щиро діліться своїми знаннями та усвідомленням, не прикидайтеся і не грайте ролі, і ваша репутація буде менш вразливою.
Альтруїзм: не для задоволення своїх пот

Цей метод для створення AI правил виглядає непогано, планую спробувати, після тестування повернуся з відгуком! Дякую за поділ☺️

Цілком погоджуюсь з думкою професора Ву Ен Да, що AI може допомогти програмістам з базовими знаннями мов програмування швидко освоїти нову мову. Він також підкреслив важливість розуміння основних концепцій, що стоять за мовою:
---
Однак все одно важливо розуміти концепції, що стоять за різними мовами. Ось чому вивчення принаймні однієї мови, такої як Python, все одно дасть вам міцну основу для кращого спонукання LLM генерувати код на Python або інших мовах. Якщо ви переходите з однієї мови програмування на іншу, яка виконує схоже завдання, але має інший синтаксис — скажімо, з JS на TS, або з C