模型越強，Superpowers 和 MattPocock-Skills 應該刪除誰？
YouTube 影片重點整理
模型越強，Superpowers 和 MattPocock-Skills 應該刪除誰？
這支影片比較 Superpowers 與 MattPocock Skills 兩套 AI 編程工作流，核心問題是：模型能力越強後，工作流到底是在幫助模型，還是在用過度細節限制模型。影片先說明模型升級主要提升推理能力與長任務處理能力，因此提示詞與需求輸入也應從『告訴 AI 每一步怎麼做』，逐步轉向『說清楚目標與驗證條件，讓模型自行推理實作』。接著影片比較兩套流程在需求對齊與計畫生成上的差異：需求對齊階段兩者都依賴模型能力，只是提問方式不同；真正差異較大的地方在寫計畫。影片認為 Superpowers 的 Writing Plans 傾向產出非常細的介面、測試與程式碼層級細節，在強模型情境下可能增加 token 消耗並限制模型推理；MattPocock Skills 則較偏 PRD / spec / 驗證條件，保留較多實作空間給模型。結論是：強模型、且你願意讓模型自行推理實作時，較建議使用 MattPocock Skills；弱模型，或團隊需要先審核詳細介面與核心邏輯時，Superpowers 仍然適合。影片最後建議最好依自己的業務流程，建立一套從需求對齊到提交的自訂工作流。
01
1. 強模型時代，輸入要從『步驟』轉向『目標與驗證』
00:33影片的基本判斷是：模型迭代時，提升的是推理能力與支援長任務的能力。弱模型需要使用者把步驟、介面、程式碼細節講得更清楚，因為這能降低模型推理難度。
但當模型變強後，過度詳細的過程約束反而可能成為限制。更適合的輸入，是說清楚要達成的目標與驗證目標是否完成的條件，把中間實作過程交給模型推理。
提示方式轉變02
2. 兩套工作流的主流程其實很像
02:15影片把 MattPocock Skills 與 Superpowers 放在同一個工作流脈絡下比較：兩者大致都會先做需求對齊，形成文檔，再拆分、執行、review，最後提交或發布。
也就是說，差異不在於『有沒有流程』，而在於每一步對模型推理空間的保留程度，尤其是後面寫計畫時到底寫到多細。
流程比較03
3. 需求對齊：MattPocock Skills 偏樹狀補全，Superpowers 偏追問深化
03:10影片描述 MattPocock Skills 的需求對齊像是把模糊想法拆成多個分支，例如主體、狀態、售後等，再逐一問答補齊，最後形成共享理解、領域詞彙、歧義點與重大決策。
Superpowers 的頭腦風暴則被形容為蘇格拉底式提問：根據目前程式碼或敘述文檔往下追問，直到形成總結文檔。影片認為這一段兩者都很依賴模型能力，產出結果差距可能不大；MattPocock Skills 較適合模糊想法，Superpowers 較適合需求已相對明確時往下追。
需求對齊04
4. 真正差異在『寫計畫』：細到程式碼，還是保留推理空間
05:10影片認為寫計畫是兩套工具差異最大的地方。Superpowers 的 Writing Plans 會把目標、約束、檔案結構、功能、失敗測試、程式碼與介面寫得很細。
MattPocock Skills 產出的文檔則更偏 PRD / spec：問題、解決方案、使用者故事、實作決策、介面定義、驗證條件與測試條件。影片的判斷是，後者更適合強模型，因為它讓模型自己推理實作細節；前者在強模型下可能變成 token 消耗與推理限制。
計畫生成05
5. Superpowers 不一定要刪，取決於模型能力與審核需求
07:35影片沒有給出一刀切的答案，而是分情境：如果你使用強模型，並且允許模型自行推理實作細節，影片建議偏向使用 MattPocock Skills，少用過度細節化的 Superpowers 計畫流程。
但如果你使用的是較弱模型，或團隊需要在開發前先審核詳細介面、核心邏輯、關鍵實作，Superpowers 仍然有價值。因為它能把細節提前攤開，讓人或團隊先 review。
使用建議06
6. 最終建議：不要只學工具，要沉澱自己的工作流
08:25影片總結時提到，強模型如 GPT-5.6、Kimi K3、Fable-5 這類情境，可盡量用 MattPocock Skills 完成頭腦風暴、計畫書寫與程式碼實作；較弱模型或嚴格 review 流程則可用 Superpowers。
更重要的是，影片建議依照自己的業務流程，建立一套從需求對齊到提交的完整流程。這樣比較利於控制、修改，也比只追逐某一個熱門工作流更穩定。
自訂流程強模型時代，工作流的價值不是把每一步都寫死，而是把目標與驗證條件說清楚，讓模型有空間完成推理。
重點時間戳索引
- 00:00開場提出問題：Superpowers 與 MattPocock Skills 都是熱門 AI 編程工作流，且部分技能相似，因此需要判斷強模型時代該選哪一套。
- 00:33模型升級主要提升推理能力與長任務處理能力；模型越弱時越需要詳細步驟，模型越強時越應聚焦目標與驗證條件。
- 02:15兩套工作流流程相似，都是需求對齊、形成文檔、拆分、執行、review、提交 / 發布。
- 03:10需求對齊上，MattPocock Skills 類似樹狀補全模糊需求；Superpowers 則偏蘇格拉底式追問。兩者都依賴模型能力，產出差距不一定大。
- 05:10寫計畫是最大差異：Superpowers 的計畫更細，包含目標、約束、檔案結構、功能、失敗測試、程式碼與介面；MattPocock Skills 較偏 PRD、使用者故事、實作決策、驗證與測試條件。
- 07:35是否刪除 Superpowers 要看情境：強模型且允許模型自行推理時可少用；需要提前審核細節或使用較弱模型時仍適合。
- 08:25總結建議：強模型如影片提到的 GPT-5.6、Kimi K3、Fable-5 可偏向 MattPocock Skills；較弱模型或嚴格 review 流程可用 Superpowers；最好建立自己的業務流程。
⚠️ 未確認 / 無法核對項目
- 此影片沒有 YouTube 官方字幕；主內容由 Whisper STT 取得，已依標題與描述修正主要專有名詞。
- Whisper 對工具名稱與技能名稱有明顯漂字；未能從畫面 OCR 逐一核對所有 GitHub 星數與技能名，因此具體數字只保留在原始逐字稿附錄中，不作為主文重點。
- 片中提到的模型名稱 GPT-5.6、Kimi K3、Fable-5 依描述與語音整理；未額外查證其真實存在或版本狀態。
🎙️ ASR 漂字對照表
| SuperPulse / CyberPulse / CPUPARSE | → | Superpowers（依影片標題與描述還原） |
| MART / MAT / MultiSkills / Mattis Skills | → | MattPocock Skills（依影片標題與描述還原） |
| WritingPrint | → | Writing Plans |
| Greep with DOS | → | 需求對齊相關技能名；原音不清，未強行還原 |
| talking 消耗 | → | token 消耗 |
📎 原始內容（查證 / AI 追查用，非閱讀主文，點擊展開）
YouTube 原始描述
🔥 AI 编程工作流到底该怎么选？ 最近两个非常火的 AI 编程工作流： 🚀 Superpowers 🚀 Matt Skills 一个在 GitHub 上拥有超高热度，一个是最近快速崛起的新方案。 但问题来了： ❓模型越来越强之后，这些工作流真的还能提升效果吗？ ❓强模型时代，复杂的技能流程到底是帮助 AI，还是限制 AI？ 这期视频我会详细对比： ✅ Superpowers 和 Matt Skills 的核心区别 ✅ 两者在需求分析、计划生成上的差异 ✅ 为什么强模型时代，过度详细的流程可能反而降低效果 ✅ GPT-5.6、Kimi K3、Fable-5 这类强模型应该如何选择工作流 ✅ 什么情况下应该使用 Superpowers，什么情况下更适合 Matt Skills AI 编程正在从「告诉 AI 每一步怎么做」，进入「告诉 AI 目标，让 AI 自己推理完成」的阶段。 理解这个变化，比学会某一个工具更加重要。 00:00 介绍 02:15 流程对比 03:10 需求对齐 05:10 写计划 07:35 应该删除谁？ 08:25 总结
Whisper STT 原始逐字稿（簡中 / 含漂字）
1 00:00:00,000 --> 00:00:04,000 大家好,在AI编程的工作流里面有两个非常流行的工作流 2 00:00:04,000 --> 00:00:08,460 一个是SuperPulse,那么在GitHub上的SaaS也有258K了 3 00:00:08,460 --> 00:00:11,640 那么还有一个是最近冒起来非常火的MultiSkills 4 00:00:11,640 --> 00:00:13,780 那么在GitHub上也有180K了 5 00:00:13,780 --> 00:00:17,260 而且这两个工作流里面有些技能是非常相似的 6 00:00:17,260 --> 00:00:18,680 那么这就会导致一个问题 7 00:00:18,680 --> 00:00:21,200 但在使用过程中应该选择谁呢 8 00:00:21,200 --> 00:00:22,940 模型越来越强之后 9 00:00:22,940 --> 00:00:25,700 哪个工作流对模型的支持是最好的 10 00:00:25,700 --> 00:00:28,160 哪个工作流对模型用起的反作用呢 11 00:00:28,160 --> 00:00:30,880 那本期视频就来给大家详细的讲解一下 12 00:00:30,880 --> 00:00:33,980 这两个工作流该如何选择以及区别 13 00:00:33,980 --> 00:00:37,440 首先我们来理解一下模型的发展到底是在发展什么 14 00:00:37,440 --> 00:00:40,300 那对于我们跟AI进行对话 15 00:00:40,300 --> 00:00:42,040 我们输入了我们的需求 16 00:00:42,040 --> 00:00:43,900 然后模型会进行推理 17 00:00:43,900 --> 00:00:46,480 然后最终会输出我们用了代码 18 00:00:46,480 --> 00:00:50,020 那么模型在发展在版本在迭代在升级的时候 19 00:00:50,020 --> 00:00:54,060 他就会把自己的这个推理能力和支持更长的任务 20 00:00:54,060 --> 00:00:55,620 也就是更长的推理 21 00:00:55,620 --> 00:00:57,580 所以这块能力是在提升的 22 00:00:57,580 --> 00:01:01,900 那这块能力的提升就会导致我们的输入有可能会产生变化 23 00:01:01,900 --> 00:01:05,080 那比如说在模型比较差的情况下 24 00:01:05,080 --> 00:01:07,360 那么我们的输入要更详细的 25 00:01:07,360 --> 00:01:08,560 我们要告诉他怎么做 26 00:01:08,560 --> 00:01:09,380 第一步怎么做 27 00:01:09,380 --> 00:01:11,180 代码的接口是什么样子的 28 00:01:11,180 --> 00:01:14,160 那么他收到我们这个更加详细的需求之后 29 00:01:14,160 --> 00:01:16,700 他的推理的这个难度就会减少 30 00:01:16,700 --> 00:01:18,240 所以输出来效果会更好 31 00:01:18,240 --> 00:01:20,220 那等模型越来越强之后 32 00:01:20,220 --> 00:01:22,060 也就是他的推理能力越来越强之后 33 00:01:22,060 --> 00:01:23,900 这就要求我们的输入 34 00:01:23,900 --> 00:01:24,860 也就是我们的需求 35 00:01:24,860 --> 00:01:26,480 过程的细节要少 36 00:01:26,480 --> 00:01:27,920 我们要更注重的是 37 00:01:27,920 --> 00:01:30,360 我们要他实现的目标是什么 38 00:01:30,360 --> 00:01:33,580 验证这个实现目标的条件是什么 39 00:01:33,580 --> 00:01:37,260 那整个实现过程全部靠模型的推理去完成 40 00:01:37,260 --> 00:01:40,580 我们就不再需要去详细定义这个过程的细节了 41 00:01:40,580 --> 00:01:42,540 这个就是模型增长之后 42 00:01:42,540 --> 00:01:45,860 我们跟模型之间的提示词的变化 43 00:01:45,860 --> 00:01:47,060 所以总的来说 44 00:01:47,060 --> 00:01:49,000 不管是你工作流还是技能 45 00:01:49,000 --> 00:01:50,860 带来的问题都是一样的 46 00:01:50,860 --> 00:01:55,960 比如说在模型越弱的时候技能提供的是更加详细的过程 47 00:01:55,960 --> 00:01:56,660 这种约束 48 00:01:56,660 --> 00:01:59,060 那么模型变强之后 49 00:01:59,060 --> 00:02:02,460 如果你提供的还是很详细的这个过程约束的话 50 00:02:02,460 --> 00:02:05,620 那么给模型带来的就是更臃烛的少将观 51 00:02:05,620 --> 00:02:07,760 也限制了他的推理的效果 52 00:02:07,760 --> 00:02:10,940 所以这个是一个模型变强之后技能的变化 53 00:02:10,940 --> 00:02:12,080 那这两个工作流 54 00:02:12,080 --> 00:02:16,500 哪一个工作流违反了我们刚刚讲的模型变强之后 55 00:02:16,500 --> 00:02:18,120 提供了过多的细节呢 56 00:02:18,120 --> 00:02:19,260 那接着往下看 57 00:02:19,260 --> 00:02:23,360 首先我们来了解一下这两种工作流常用的这个技能啊 58 00:02:23,360 --> 00:02:24,760 第一个呢就是MART这个工作流 59 00:02:24,760 --> 00:02:26,960 它是从Greep with DOS这个技能 60 00:02:26,960 --> 00:02:29,700 会跟你进行一个虚学对齐沟通 61 00:02:29,700 --> 00:02:32,000 然后呢会转换成文档 62 00:02:32,000 --> 00:02:35,020 然后再把文档进行一个垂直拆分 63 00:02:35,020 --> 00:02:36,400 然后再去执行 64 00:02:36,400 --> 00:02:37,300 然后再去CodeReview 65 00:02:37,300 --> 00:02:38,140 最后去提交 66 00:02:38,140 --> 00:02:38,820 发布 67 00:02:38,820 --> 00:02:40,980 那么这是一个常用的工作流啊 68 00:02:40,980 --> 00:02:42,180 那CyberPulse的工作流就是 69 00:02:42,180 --> 00:02:43,240 首先是头脑风暴 70 00:02:43,240 --> 00:02:45,480 风暴完之后会生成一个文档 71 00:02:45,480 --> 00:02:46,760 那么基于这个文档 72 00:02:46,760 --> 00:02:49,920 再去调用这个WritingPrint去写这个计划文档 73 00:02:49,920 --> 00:02:52,260 那写了计划文档之后就可以用这个TDD 74 00:02:52,260 --> 00:02:55,300 或者说其他的这种执行计划的这个技能啊 75 00:02:55,300 --> 00:02:55,760 去执行 76 00:02:55,760 --> 00:02:56,780 然后再去review呢 77 00:02:56,780 --> 00:02:57,800 再去发布 78 00:02:57,800 --> 00:03:00,900 两者的流程是非常相似的 79 00:03:00,900 --> 00:03:02,540 都是需求对齐计划 80 00:03:02,540 --> 00:03:04,420 然后拆分 81 00:03:04,420 --> 00:03:05,160 然后再执行 82 00:03:05,160 --> 00:03:05,740 再验收 83 00:03:05,740 --> 00:03:07,520 所以整个过程是非常相似的 84 00:03:07,520 --> 00:03:10,500 那我们再详细的对比一下几个核心的技能啊 85 00:03:10,500 --> 00:03:11,900 那第一个就是需求对齐 86 00:03:11,900 --> 00:03:13,800 那MAT这边是Greed with DOS 87 00:03:13,800 --> 00:03:15,880 那SuperPulse这边是头脑风暴 88 00:03:15,880 --> 00:03:18,480 那我们首先来看一个动画的演示 89 00:03:18,480 --> 00:03:20,160 来对比一下这两个技能 90 00:03:20,160 --> 00:03:22,600 在需求对齐这个维度上有什么区别 91 00:03:22,600 --> 00:03:25,360 那我们可以看一下MATSkills里面 92 00:03:25,360 --> 00:03:27,720 首先会拆出四个分支 93 00:03:27,720 --> 00:03:29,480 那么基于四个分支 94 00:03:29,480 --> 00:03:30,500 比如主体是谁 95 00:03:30,500 --> 00:03:31,500 然后去回答 96 00:03:31,500 --> 00:03:32,240 去问答 97 00:03:32,240 --> 00:03:35,440 那如果说主体这个分支的问题都解决了 98 00:03:35,440 --> 00:03:36,400 他又会回来 99 00:03:36,400 --> 00:03:37,460 回到第二个分支 100 00:03:37,460 --> 00:03:38,100 比如状态 101 00:03:38,100 --> 00:03:39,820 你有订单有什么样的状态 102 00:03:39,820 --> 00:03:41,940 然后如果这个解决完之后 103 00:03:41,940 --> 00:03:42,820 他再回到这边 104 00:03:42,820 --> 00:03:43,860 售后有什么问题 105 00:03:43,860 --> 00:03:46,640 然后所有的分支的问题都解决了之后 106 00:03:46,640 --> 00:03:48,920 他会形成一个共享的理解 107 00:03:48,920 --> 00:03:50,240 一些领域的词汇 108 00:03:50,240 --> 00:03:51,540 比如说一些起义点啊 109 00:03:51,540 --> 00:03:53,040 一些重大决策啊 110 00:03:53,040 --> 00:03:53,840 都会记下来 111 00:03:53,840 --> 00:03:56,360 所以你使用MATSkills里面去进行 112 00:03:56,360 --> 00:03:57,420 去对齐的时候 113 00:03:57,420 --> 00:04:00,820 那么他会对完之后会形成一些文档 114 00:04:00,820 --> 00:04:02,120 在后续过程中会起到 115 00:04:02,120 --> 00:04:02,920 非常重要的作用 116 00:04:02,920 --> 00:04:04,460 我们再看一下CyberPulse 117 00:04:04,460 --> 00:04:07,360 那么他这边的话是形容苏格拉底式的提问 118 00:04:07,360 --> 00:04:08,200 也就是说 119 00:04:08,200 --> 00:04:10,000 他会针对当前代码顾 120 00:04:10,000 --> 00:04:11,920 或者说你的详细的叙述文档啊 121 00:04:11,920 --> 00:04:13,280 来进行问题的追问 122 00:04:13,280 --> 00:04:14,080 比如第一个问题 123 00:04:14,080 --> 00:04:16,500 问的是什么时候算下转成功 124 00:04:16,500 --> 00:04:18,040 如果你回答支付完成 125 00:04:18,040 --> 00:04:18,940 算下转成功 126 00:04:18,940 --> 00:04:21,080 那么他就会针对这个支付完成 127 00:04:21,080 --> 00:04:22,900 又会更详细的往下追问 128 00:04:22,900 --> 00:04:24,980 他是一层一层的往下追问的 129 00:04:24,980 --> 00:04:26,840 所以说这叫苏格拉底式的提问 130 00:04:26,840 --> 00:04:28,960 然后最后经过几轮的问答之后 131 00:04:28,960 --> 00:04:30,420 他觉得OK没有问题了 132 00:04:30,420 --> 00:04:32,880 那么会生成一个这样总的一个文档 133 00:04:32,880 --> 00:04:34,420 所以这两个技能 134 00:04:34,420 --> 00:04:36,760 其实在需求对齐这个维度上 135 00:04:36,760 --> 00:04:38,800 都非常依赖于模型的能力 136 00:04:38,800 --> 00:04:40,760 只是两种问答的方式不一样 137 00:04:40,760 --> 00:04:43,020 所以他们的产出的结果 138 00:04:43,020 --> 00:04:44,440 我觉得差不了多少 139 00:04:44,440 --> 00:04:46,220 但是MART这个需求对齐啊 140 00:04:46,220 --> 00:04:47,100 非常适合这种 141 00:04:47,100 --> 00:04:49,600 你有一个模糊的想法的时候 142 00:04:49,600 --> 00:04:51,280 它像一棵树一样去补全 143 00:04:51,280 --> 00:04:52,140 你的所有的需求 144 00:04:52,140 --> 00:04:54,380 然后最后再总结成一个词汇 145 00:04:54,380 --> 00:04:57,000 那SuperPulse的头脑风暴呢 146 00:04:57,000 --> 00:04:58,520 比较适合你的需求 147 00:04:58,520 --> 00:04:59,380 比较明确 148 00:04:59,380 --> 00:05:00,680 然后呢 149 00:05:00,680 --> 00:05:02,480 因为他追问的这个问题的层数 150 00:05:02,480 --> 00:05:05,060 是没有像MART SKILLS那么全的 151 00:05:05,060 --> 00:05:06,800 所以说这两种在使用上 152 00:05:06,800 --> 00:05:07,700 有点点区别 153 00:05:07,700 --> 00:05:08,840 这个技能在 154 00:05:08,840 --> 00:05:09,840 不管是落模型 155 00:05:09,840 --> 00:05:10,280 强模型 156 00:05:10,280 --> 00:05:11,400 都可以去使用 157 00:05:11,400 --> 00:05:12,900 那么第二个就是写计划 158 00:05:12,900 --> 00:05:15,600 那这一步是非常非常大的区别的 159 00:05:15,600 --> 00:05:17,360 也是对T视频里面 160 00:05:17,360 --> 00:05:19,080 要详细的去讲解的 161 00:05:19,080 --> 00:05:20,220 那MART SKILLS里面 162 00:05:20,220 --> 00:05:21,500 会通过2Spec 163 00:05:21,500 --> 00:05:23,560 把你的这个GRAVE WITH DOS 164 00:05:23,560 --> 00:05:24,600 就是需求对齐 165 00:05:24,600 --> 00:05:25,920 产生所有的对话 166 00:05:25,920 --> 00:05:27,720 来进行一个总结梳理 167 00:05:27,720 --> 00:05:29,860 那写成这个SPEC这个文档 168 00:05:29,860 --> 00:05:30,880 然后呢 169 00:05:30,880 --> 00:05:31,760 如果你有需要 170 00:05:31,760 --> 00:05:33,360 再针对这个SPEC 171 00:05:33,360 --> 00:05:35,660 进行垂直拆分成更细的 172 00:05:35,660 --> 00:05:37,220 这种小需求小功能 173 00:05:37,220 --> 00:05:39,300 那么它的流程大概是这个样子的 174 00:05:39,300 --> 00:05:40,280 那输入也有对话 175 00:05:40,280 --> 00:05:41,380 然后用户是有SPEC 176 00:05:41,380 --> 00:05:42,560 然后就拆拆拆拆完之后 177 00:05:42,560 --> 00:05:44,320 进行一个这样的保存 178 00:05:44,320 --> 00:05:45,840 然后SuperPulse的话 179 00:05:45,840 --> 00:05:47,580 要用这个Writing Plans 180 00:05:47,580 --> 00:05:49,460 就是写计划这个技能呢 181 00:05:49,460 --> 00:05:51,440 它就会根据你的这个 182 00:05:51,440 --> 00:05:53,520 头脑风暴的这个文档啊 183 00:05:53,520 --> 00:05:54,840 进行更细的细化 184 00:05:54,840 --> 00:05:55,740 我们来看一下 185 00:05:55,740 --> 00:05:56,660 这两个技能 186 00:05:56,660 --> 00:05:58,380 实际长出的这个文档 187 00:05:58,380 --> 00:05:59,140 大概是什么样子 188 00:05:59,140 --> 00:06:00,380 我们首先来看第一个 189 00:06:00,380 --> 00:06:03,000 第一个是SuperPulse的Writing Plans 190 00:06:03,000 --> 00:06:04,140 写完的计划 191 00:06:04,140 --> 00:06:04,720 我们可以看一下 192 00:06:04,720 --> 00:06:06,040 好目标是什么 193 00:06:06,040 --> 00:06:07,080 然后的话 194 00:06:07,080 --> 00:06:07,900 约束 195 00:06:07,900 --> 00:06:09,700 然后文件的结构 196 00:06:09,700 --> 00:06:10,880 好功能 197 00:06:10,880 --> 00:06:12,980 然后开始有代码了 198 00:06:12,980 --> 00:06:14,120 开始代码 199 00:06:14,120 --> 00:06:16,740 开始写这个失败测试 200 00:06:16,740 --> 00:06:18,440 那很多代码 201 00:06:18,440 --> 00:06:19,340 很多很多代码 202 00:06:19,340 --> 00:06:21,280 所以他写出来计划里面 203 00:06:21,280 --> 00:06:22,540 是有非常详细的代码 204 00:06:22,540 --> 00:06:23,660 或者叫接口的 205 00:06:23,660 --> 00:06:24,620 非常详细 206 00:06:24,620 --> 00:06:25,940 那我们再看一下 207 00:06:25,940 --> 00:06:27,260 Martis Skills 208 00:06:27,260 --> 00:06:28,960 写完的文档是什么样子的 209 00:06:28,960 --> 00:06:30,120 那么这是他的一个 210 00:06:30,120 --> 00:06:31,640 PRD文档 211 00:06:31,640 --> 00:06:32,220 问题 212 00:06:32,220 --> 00:06:33,900 然后解决方案 213 00:06:33,900 --> 00:06:35,180 那用户的一个故事 214 00:06:35,180 --> 00:06:36,000 就是场景 215 00:06:36,000 --> 00:06:37,180 那么这些场景的话 216 00:06:37,180 --> 00:06:39,080 全部是通过文字去描述的 217 00:06:39,080 --> 00:06:40,660 其实这些就是工程点 218 00:06:40,660 --> 00:06:43,080 他自己需要去推理去完成的 219 00:06:43,080 --> 00:06:43,960 然后的话 220 00:06:43,960 --> 00:06:44,940 这些都全是 221 00:06:44,940 --> 00:06:46,120 然后实现的这个决策 222 00:06:46,120 --> 00:06:48,080 然后模型 223 00:06:48,080 --> 00:06:48,840 然后就是接口 224 00:06:48,840 --> 00:06:49,340 定义 225 00:06:49,340 --> 00:06:50,640 定义好接口 226 00:06:50,640 --> 00:06:52,440 然后再就是一些验证条件 227 00:06:52,440 --> 00:06:53,600 一些测试条件 228 00:06:53,600 --> 00:06:55,260 所以他写的这个文档 229 00:06:55,260 --> 00:06:57,860 更偏向于我们现在经常说的 230 00:06:57,860 --> 00:06:58,780 比如说go模式 231 00:06:58,780 --> 00:07:01,340 或者叫循环工程里的这个文档 232 00:07:01,340 --> 00:07:02,740 包含了你要做什么 233 00:07:02,740 --> 00:07:04,100 验证他的条件是什么 234 00:07:04,100 --> 00:07:06,660 所以这种文档就比较适合 235 00:07:06,660 --> 00:07:08,360 在强模型里面去使用 236 00:07:08,360 --> 00:07:10,460 因为全部靠模型去推理去完成 237 00:07:10,460 --> 00:07:11,540 那么CPUPARSE的文档 238 00:07:11,540 --> 00:07:13,180 就写的非常非常细了 239 00:07:13,180 --> 00:07:14,320 而且把接口啊 240 00:07:14,320 --> 00:07:15,360 什么定义都写好了 241 00:07:15,360 --> 00:07:17,520 这些其实在强模型的效果下 242 00:07:17,520 --> 00:07:18,400 是一个累赘 243 00:07:18,400 --> 00:07:19,500 会产生更多的 244 00:07:19,500 --> 00:07:20,260 talking消耗而已 245 00:07:20,260 --> 00:07:22,020 因为他完全自己可以推倒出来 246 00:07:22,020 --> 00:07:23,140 相当于你现在写 247 00:07:23,140 --> 00:07:24,720 把这些东西都加到商业文里面去 248 00:07:24,720 --> 00:07:26,160 限制了模型的推理 249 00:07:26,160 --> 00:07:28,300 所以在强模型的情况下 250 00:07:28,300 --> 00:07:30,100 不是太建议使用CPUPARSE 251 00:07:30,100 --> 00:07:32,140 去完成这样的计划的书写 252 00:07:32,140 --> 00:07:33,740 那还有其他技能 253 00:07:33,740 --> 00:07:34,600 其实都差不多 254 00:07:34,600 --> 00:07:35,640 比如说像CPUPARSE 255 00:07:35,640 --> 00:07:36,880 后面的执行计划 256 00:07:36,880 --> 00:07:38,840 会依赖前面说的那个计划 257 00:07:38,840 --> 00:07:40,280 所以一旦前面的计划 258 00:07:40,280 --> 00:07:41,700 都不适配强模型的话 259 00:07:41,700 --> 00:07:43,860 那你后面的流程其实是走不下去了 260 00:07:43,860 --> 00:07:44,980 这些带来这个问题 261 00:07:44,980 --> 00:07:46,100 那乔模型下 262 00:07:46,100 --> 00:07:47,860 要不要把CPUPARSE沾掉呢 263 00:07:47,860 --> 00:07:49,740 那么这个也要分情况 264 00:07:49,740 --> 00:07:51,280 如果你允许模型 265 00:07:51,280 --> 00:07:53,180 自己去推理实现你的细节 266 00:07:53,180 --> 00:07:54,520 那么你就可以使用MAT 267 00:07:54,520 --> 00:07:55,860 这个MATSKIRES技能 268 00:07:55,860 --> 00:07:57,060 不要使用CPUPARSE 269 00:07:57,060 --> 00:07:59,160 那如果你要对AI生成的代码 270 00:07:59,160 --> 00:08:01,120 提前进行一个审核 271 00:08:01,120 --> 00:08:02,680 比如说你需要它生成 272 00:08:02,680 --> 00:08:04,960 先生成详细的这个接口 273 00:08:04,960 --> 00:08:07,600 详细的关键的核心逻辑 274 00:08:07,600 --> 00:08:09,520 这些全部要给你提前生成好 275 00:08:09,520 --> 00:08:10,360 你们小组 276 00:08:10,360 --> 00:08:12,440 或者说你自己要去进行一个深度的review 277 00:08:12,440 --> 00:08:13,960 那么你就用CPUPARSE 278 00:08:13,960 --> 00:08:15,100 这个是没有问题的 279 00:08:15,100 --> 00:08:16,560 因为你要提前把控 280 00:08:16,560 --> 00:08:18,400 或者说小组内进行审核 281 00:08:18,400 --> 00:08:20,040 用这个是完全没有问题的 282 00:08:20,040 --> 00:08:21,140 那落模型的话 283 00:08:21,140 --> 00:08:23,140 那么非常建议你使用CPUPARSE 284 00:08:23,140 --> 00:08:24,720 那么它提供了很多这种 285 00:08:24,720 --> 00:08:27,180 帮助落模型提升的这种流程 286 00:08:27,180 --> 00:08:28,500 写的非常详细 287 00:08:28,500 --> 00:08:29,640 所以总的来说 288 00:08:29,640 --> 00:08:30,820 如果你使用强模型 289 00:08:30,820 --> 00:08:31,820 比如说GPT5.6 290 00:08:31,820 --> 00:08:32,580 KIMIK3 291 00:08:32,580 --> 00:08:34,300 Fibbo5这样的模型的话 292 00:08:34,300 --> 00:08:35,980 那么尽量使用MATSKIRES 293 00:08:35,980 --> 00:08:37,040 来完成你的这个 294 00:08:37,040 --> 00:08:38,400 通浪风暴计划的书写 295 00:08:38,400 --> 00:08:39,640 以及代码的实现 296 00:08:39,640 --> 00:08:40,800 那么如果你使用的是 297 00:08:40,800 --> 00:08:41,760 稍微差一点的模型 298 00:08:41,760 --> 00:08:44,300 或者说你组内需要对计划的生成 299 00:08:44,300 --> 00:08:45,440 要进行严格的把控 300 00:08:45,440 --> 00:08:46,320 严格的review的话 301 00:08:46,320 --> 00:08:48,260 那么非常推荐你使用CPUPARSE 302 00:08:48,260 --> 00:08:49,660 那么其实更推荐的是 303 00:08:49,660 --> 00:08:51,200 根据自己的业务流程 304 00:08:51,200 --> 00:08:52,800 去书写自己的这一套 305 00:08:52,800 --> 00:08:55,480 从需求对齐到整个提交的 306 00:08:55,480 --> 00:08:58,040 整个到整个提交的完整流程 307 00:08:58,040 --> 00:08:58,640 那这样的话 308 00:08:58,640 --> 00:09:01,040 也非常利于自己去控制 309 00:09:01,040 --> 00:09:01,800 自己去修改 310 00:09:01,800 --> 00:09:03,060 OK那本期视频就到这 311 00:09:03,060 --> 00:09:04,620 希望这个视频对你有所帮助