You NEED to know these vibe coding secrets
三句話摘要
AI 輔助編程的專家級工作流程：從工具選擇、Skills 設計、自動化迴圈，到雲端代理與多模型協作的完整方法論。 真正的 AI 編程專家不靠手動提示，而是用 Skills 封裝重複動作、用 Automation 觸發代理、用 Loop 驅動代理自我完善，讓測試、文件、錯誤修復全部在睡眠中自動完成。 Skills 是工作流程的核心單元。 任何重複兩次以上的操作都應封裝成 Skill，包含工具指令、API 說明與品質門檻（如測試全過才能開 PR）。代理在執行時會自動判斷應呼叫哪個 Skill，無需手動指定。
重點整理
重點- 1
Skills 是工作流程的核心單元。 任何重複兩次以上的操作都應封裝成 Skill，包含工具指令、API 說明與品質門檻（如測試全過才能開 PR）。代理在執行時會自動判斷應呼叫哪個 Skill，無需手動指定。
- 2
Automation + Loop 構成無人值守的開發飛輪。 Automation 依觸發條件啟動代理（如每晚 1 點同步文件），Loop 讓代理反覆執行直到達成目標（如所有頁面載入低於 50 ms）。兩者結合可做到測試 100% 覆蓋、文件永遠同步、生產錯誤隔夜自動送修。
- 3
雲端代理解決本機平行瓶頸，但各有適用場景。 雲端代理每個 thread 使用獨立隔離環境，不爭搶本機 CPU/RAM，並可從手機遠端管理；本機代理啟動更快、控制感更強。需為雲端環境單獨設定 `.env` 與 API 金鑰。
- 4
多模型協作可同時降低成本與提升速度。 以技術難度分層：高層規劃用最強模型（Fable），程式撰寫用執行效率佳的模型（Composer），最終審查換不同廠商模型取得第二意見，避免單一模型的盲點。
實用技巧與重點
乾貨- 工具
- Cursor、Codex（主力）、Devon、Factory
- Greptile（PR 自動審查，信心分數 0–5）
- agentskills GitHub 開源庫（61,000 stars，含完整開發週期 Skill）
- 配置
- agents.md / claude.md：定義模型個性、commit 格式、部署流程、編碼偏好
- Cursor 路徑：Preferences → Rules Skills Subagents → Rules
- Skills 用途
- 重複動作自動化（`/auto-review`）
- 工具指令封裝（測試啟動方式、API 呼叫格式）
- 品質門檻（PR 前必須 100% 測試通過）
- 公司規範（GitHub Issue 格式、寫作風格）
- Automation 設定
- 觸發器：GitHub PR 開啟、排程時間
- 可附加：memories、MCP servers、工具
- Cursor 與 Codex 均有 Automation 介面
- Loop 範例（來自 Loop Library）
- overnight docs sweep：每晚比對程式碼與文件差異，自動開 PR 補齊
- sub 50ms page load loop：遍歷所有頁面/modal，優化直到全部低於 50ms
- production error sweep：每晚掃描生產 log，分析錯誤、撰寫修復、送出 PR
- Loop Library 網址：signals.forwardfuture.ai/loop-library
- 多模型分工
- 規劃：Fable
- 撰碼：Composer
- 審查：GPT 5.5
- Work Tree
- 每個代理開獨立 Work Tree，避免同時寫入相同檔案衝突
- Cursor / Codex 介面均有「New Work Tree」按鈕
- 最佳實踐三飛輪
- 100% 測試覆蓋（自動補寫）
- 文件永遠同步（每日自動更新）
- 完整 logging（建議 7–30 天視窗，代理自動修錯）
結論
結論“真正的 AI 編程專家不靠手動提示，而是用 Skills 封裝重複動作、用 Automation 觸發代理、用 Loop 驅動代理自我完善，讓測試、文件、錯誤修復全部在睡眠中自動完成。”
完整解析
詳細這支影片的核心論點是：AI 編程存在層次之分——初學者只會等待、提示、確認；而真正的專家已建立起一套自動化、可組合的系統，讓代理代替自己完成整個工作流程。講者從工具選擇切入，目前以 Cursor 與 Codex 為雙主力。Cursor 的優勢在於可混用多家廠商模型（OpenAI、Anthropic 及 Cursor 自研），並率先支援雲端代理；Codex 則以簡潔的 UI 和清晰的執行摘要見長。Devon 與 Factory 也被列為優質選項，但因個人習慣已定型而較少使用。
配置層面，講者強調 agents.md（各工具通用）與 claude.md（Claude Code 專用）是告訴模型「如何工作」的關鍵文件：在這裡定義模型回應風格、commit 訊息格式、專案的部署流程與編碼偏好。接著是 Skills——講者認為這是整個工作流程最被低估的環節。Skills 本質上是可重用的指令單元，任何超過一次的重複動作都應封裝成 Skill，包括工具指令（如何跑測試、如何呼叫特定 API）和品質門檻（PR 前必須全測試通過）。代理在執行任務時會自主判斷何時呼叫哪個 Skill，形成真正的智能工作流。影片中也介紹了 Greptile（本片贊助商），它在 PR 開啟後自動掃描代碼、給出 0–5 信心分數並列出具體問題及修復提示，已被 NVIDIA、Zapier、Brex 等大公司採用。
影片的重頭戲是 Automation 與 Loop。Automation 讓代理依觸發條件自動啟動，例如每晚 1 點執行文件同步、在 Greptile 留下審查意見後自動修復並重新推送 PR。Loop 則讓代理反覆執行某個流程直到達成終止目標，講者展示了三個實例：隔夜文件同步、將所有頁面載入優化至 50ms 以下（有時需跑數小時），以及每晚掃描生產 log 並自動送出修復 PR。這三個迴圈加上 100% 測試覆蓋，構成講者所說的「完美飛輪」。他同時發布了一個免費的 Loop Library，供開發者提交與取用通用迴圈。
最後，講者比較了雲端代理與本機代理的取捨：雲端代理每個 thread 擁有獨立隔離環境，不受本機硬體限制，可真正平行運行十幾二十個代理，並支援手機遠端管理；本機代理啟動更快、控制感更強。講者坦言自己正逐步將工作流全面遷移至雲端。此外，多模型協作被視為降低成本與提升速度的有效策略：用不同強度的模型分別負責規劃、撰碼、審查三個階段。影片結尾點出目前最大的未解難題：多代理並行完成後同時試圖合併主分支，會互相鎖定 CI/CD 流程、反覆 rebase，極度耗時。目前的緩解方法是批次合併（讓單一代理彙整所有 PR 再一次提交），但 Cursor 已宣布正在研發專為代理規模設計的 Git 替代工具。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
