新动态

从真实项目和使用记录里,找一个今天用得上的做法。

2026 年 · 20 条精选
验收作品

订单页画了四种状态,为什么用户还会一直等下去

这份订单页示例做了加载中、有订单、无订单和加载失败四张画面。作者对照代码才发现:请求一直不返回时,页面会永远显示加载中;筛选菜单也还没接通,根本走不到“没有匹配订单”。评审时,每张图都得配上能走到它的操作。

作者把运行中能看见的四种状态放到 Figma 画布上,另用两张缺口卡标出尚未实现的行为。这样,设计师能区分“确实一张订单也没有”和“有订单,只是筛选条件没匹配到”。这是项目自带的演示,不是线上订单事故。

在你的项目里试试

用一份有订单的样本,先让请求迟迟不返回,再挑一个不会命中任何订单的筛选条件。分别写下用户看到什么、下一步能做什么。

验收作品

AI 给 Swift 应用写了约一千个测试,重开后数据还在吗

一名生物医学工程学生用 Claude 做生活记录应用,大部分功能也亲手试过。面对约一千个 AI 写的测试,他仍担心自己读不懂 Swift,漏掉了问题。一位回复者建议先查:哪些测试真的把记录写进设备,哪些只是让模拟存储返回了“成功”?

这是讨论者 eplanasmulet_ 给的检查思路。学生没有报告自己的应用丢过数据,也没有说验证已经做完。对一个靠日积月累才有价值的记录工具,读回昨天写下的内容,就是一个独立于测试数量的验收条件。

在你的项目里试试

用虚构数据在真机记一条带备注的记录,完全退出应用再打开。找到同一条记录,逐项核对值与备注。

项目复盘

律所系统已经在用,为什么期限建议还没打开

一位开发者为巴西律师做了案件管理系统。按作者说明,系统已用于日常工作,但最怕出错的期限建议仍关闭:要先拿 20 个真实期限核对,启用后也只给建议,由律师确认日期。

系统先处理能确定的事:收到的通知若能匹配已有案件就归入案卷,匹配不上就留下等人分类。期限则使用日历和固定规则计算。公开仓库是产品和架构说明,无法据此断言那 20 例已经验完。

在你的项目里试试

列出你的产品上线时能自动执行的一步,以及必须先用历史样例核对的一步。为后者写明:谁看结果、由谁决定启用。

项目灵感

在表格上批一句“改这里”,怎样让 AI 找对单元格

Onionskin 让人在打开的 Office 文件里直接选中单元格、区域、文字或形状,再写修改意见。AI 据此改实际文件,浏览器刷新后,人可以在原处核对,不必在聊天框里描述“右边第二张表的第三行”。

作者还说明了一个容易误解的边界:批注钉在一个格子上,点发送时交给 AI 的却包含整份文档的文本,方便定位。工具提供撤销上一次修改的操作。

在你的项目里试试

做一张有两个同名项目的测试表,只在其中一个格子上留批注。重开文件核对改的是哪格,同时检查发送前的提示是否说清会交出多少内容。

验收作品

语音助手正在说话,人插一句“等等”,它能听见吗

Hands Free 给 Claude Code 加入语音交互。按作者的实现,macOS 会从麦克风输入中去掉电脑自己播放的声音:用户可以在播报中插话,助手停下播报,把新要求交给下一轮。其他平台的默认输入在播报时不监听,不能照搬这项承诺。

实现还区分了两种意图:只说“停止”就结束当前工作;说一条修改要求,则用它接替正在进行的那一轮。作者注明 Linux 的可选回声消除方案是实验性的,未在作者端实跑。

在你的项目里试试

用一个无副作用的朗读任务,在播报中途分别说“停止”和“等等,保留原来的名字”。核对前者是否安静结束,后者是否接住了新要求。

验收作品

明明新开了云任务,拿到的却是合并改动前的代码

一位用户已经把一项改动合入主分支,但在同一个已发布的 Codex 云环境里,接连新开的任务仍从旧版本起步。手动更新其中一个任务后,它能看到改动;再开一个,又回到了旧起点。交接任务前,比“新建成功”更有用的是核对起始版本。

作者对照了 GitHub 主分支和任务内实际检出的版本;任务虽然没有未保存的修改,版本却不同。受影响的是作者的私有仓库,外部读者能核对排查记录,不能据此断言其他环境也会如此。

在你的项目里试试

在主分支合入一个易辨认的测试标记。新开任务先记录版本并读取标记,隔开再新开第二个任务;两次都对上才算环境更新成功。

项目灵感

AI 草拟的邮件若在批准后又改了一个字,还能发出去吗

一位 MBA 学生把待办、会议资料和邮件整理到同一张工作台上。待办排错可以稍后改,代发邮件却有另一条规矩:发送程序逐字核对用户刚批准的草稿,只要内容变过,就拒绝发送。

按作者说明,生成草稿与实际发送分两步,会议邀请也需要本人批准。公开仓库不含作者的私人邮件和配置,能查看的是这套设计,不能拿仓库直接重现他的日常收件箱。

在你的项目里试试

在测试邮箱里批准一封草稿,然后只改一个日期。检查发送程序是否停下来,让人重新看到并批准改后的版本。

验收作品

街景模型看着像不像,把相机放回拍照的位置再比

AI Wide Area Modeling 用现场照片和点云在 Blender 里重建街景。作者先从点云切面估尺寸,再把虚拟相机放回原照片的位置、沿用同一镜头比较轮廓。这样才看得出偏差来自模型,还是来自取景角度。

形状尺寸与生成模型的脚本分开保存,纠正一个数值后可以重建。项目也明确说明绝对尺寸需要参照物估算,例如已知的台阶高度;画面对齐,并不等于每个尺寸都量准了。

在你的项目里试试

用一个已知宽度的物件定比例,留另一处已知尺寸作检查。交付时附同视角对照图,并写清比例依据和剩余偏差。

项目复盘

数据库从 55 张表长到约 6,700 张,哪些是应用真的在用的

一位用户想加快自己的股票数据项目。据他描述,原先只有 55 张表,后来测试产生的数据库和构建产物不断保留,表数涨到约 6,700。他还追加购买了额度,但到了想重做时,仍说不清哪些东西该留下。

作者让助手梳理数据流,又请其他模型复查。他提到的 1.2 TB 是助手估计的需求,不是测出的磁盘占用;原帖也没有报告清理成功。此时最有用的交接物,是能把一个真实页面追到所用数据表的清单。

在你的项目里试试

从一个仍在工作的页面反查它读取的表;另挑一张测试产生的表,记下创建它的任务和保留理由。用途不明的先标记,不凭表名删除。

项目复盘

想查两份配置哪里不同,AI 却交回一份决策审查表

一位用户想找出家庭实验环境里“设计怎么写、实际怎么配、哪处不一致”。Claude 的多个助手忙了两个多小时,交回 57 行差距清单,还有一串要他重新确认的旧决定。真正逐文件的配置对照,是用户指出跑题后才做的。

作者在后续留言中更正了初帖的用量口径:最初的 970 万并非包括缓存读写在内的总处理量。比起把它当成多助手的一般成本,这个案例更能说明为什么要早点看一行样稿:清单再长,每行也可能都在回答另一个问题。

在你的项目里试试

派出整批比较任务前,先要一行样稿:文件位置、设计值、实际值、差异后果。自己能据此找到那处配置,再让助手继续。

验收作品

申请表每一格都填上了,交付前还要看最后一页

hwpx-docs 为韩文办公格式 HWPX 做了填表工具。它在原模板里改内容,随后检查长文字有没有把后续内容挤到下一页、旧字样或占位符有没有留下。单看字段“已填写”,看不出这些问题。

工具可以按字段名或格子编号填值,也能把页面渲染成图,检查表格结构和分页。对要沿用固定样式的表单,这比另造一份看上去相似的文档更便于前后核对。

在你的项目里试试

给模板里最窄的栏位填一个长名称。导出后从该行看到最后一页,检查签字区是否移位,再搜一次模板原有的占位文字。

验收作品

工具多了一个输入项,新对话看得见,恢复的旧对话却看不见

开发者给一个工具新增了 options 输入项。用新版工具开全新会话,Claude Code 传给模型的说明里有这个字段;恢复旧会话时,服务明明已经列出新字段,模型收到的却还是旧说明。更新插件后,旧任务也需要验收。

另一位参与者用同版客户端核对,还试了从旧对话创建分支:虽然分支有了新的会话编号,它看到的仍是旧字段。实验用的是本地模拟服务,说明的是工具定义在这些请求里的差别。

在你的项目里试试

在测试工具的表单中增加一个可选项。分别从全新对话、恢复的对话和旧对话的分支发起同一任务,检查三者能否实际传入这个值。

项目灵感

用手机看三台电脑上的 AI,先找出哪一个在等你

Herdr Pocket 把各台电脑上的助手按工作中、等人答复、已完成展示在 Android 手机上。遇到有编号的选项可以直接点选,想追查上下文再展开终端;多数时候不用先在小屏幕上打字。

按项目说明,每台电脑需要自己的连接程序,再通过自托管的中继送到手机。手机端为常用终端按键单做了紧凑键盘,避免每次只想按一下方向键,都让完整输入法挡住半屏。

在你的项目里试试

在两台测试设备各放一个任务,只让其中一个等待选择。让同事用手机找到它并答复,再核对另一个任务有没有被误操作。

项目复盘

三个助手交来一份改动,审查人却不知道这行是谁为什么改的

一位用户把后端和界面分别交给子助手,再由主助手整合。速度快了,但最终只有一份合并后的差异和四行左右的总结。看到可疑改动时,他难以找回当初给那个助手的任务。

他试过让每个助手留短说明、按目录审查,也试过每个助手单独开分支;按他的体会,分支能保留脉络,但牺牲了速度。原帖没有给出定案。对评审者,关键是从一处改动能否找到原要求,而不只是查出模型名字。

在你的项目里试试

给每份子任务说明留三项:原要求、实际改动的位置、没做的部分。合并后请另一个人随机选一处改动,看能否据此找到缘由。

项目复盘

把任务交给 AI 跑一夜,早上的“已验证”该凭什么

SleepPilot 把助手自报的“做完了”和监督程序亲自检查通过分开。按项目规则,只有改动完成后由监督程序实际运行检查并通过,任务才标为已验证;早上看报告的人可以追到那次检查。

项目支持命令检查和浏览器页面检查等方式。这个设计能回答“到底跑过什么”,但一次检查通过只覆盖它测的条件:如果只检查页面能打开,就不能顺带判定表单也提交成功。

在你的项目里试试

给一个演示表单设两项检查:能打开、能保存。故意让第二项不通过,核对次日报告是否只给第一项记通过。

项目复盘

全新对话还没开始干活,工具清单就占了大半空间

一位 Codex 测试版用户接了 29 个应用,共有 718 个工具。完整清单加载后,新会话首个请求的输入达 288,126 个 token;禁用其中工具规模最大的五个应用后,降到 173,207。清空聊天记录,清不掉每次都会带上的工具说明。

报告者看到助手反复尝试压缩上下文却没有进展。两组数字是整个请求的输入量,包含任务提示,不能全算成工具说明;结果也来自这位用户的特定客户端和配置。

在你的项目里试试

给同一个测试任务准备两套连接:一套加载全部工具,一套只加载该任务需要的工具。分别记下首轮输入量,并确认精简后任务仍能做完。

项目灵感

“和这部很像”与“这个类型正流行”,可以是两排不同的电影

Movie Recommender 为一部电影提供两种找下一部的方式:一排比较剧情、类型和标签,另一排取同类型的流行片。要做推荐页,先想清楚用户是在找相似故事,还是在逛这一类的热门作品。

作者把电影资料整理成词的集合,比较影片之间的相似程度,另接 TMDB 的类型和趋势信息。这个项目说明了每排片单从哪里来,没有证明哪一排更符合观众口味。

在你的项目里试试

选一部题材冷门的电影,给两排结果分别写一句栏目说明。让人只看说明就能决定,想找相似剧情时该点哪一排。

验收作品

第一轮遵守了称呼约定,第二轮还认得吗

一位 Cursor 用户用容易辨认的回复措辞来检查个人规则。在新建项目的第一场协调会话里,回复符合约定;后来在同一项目再开一场,措辞却变了。验收个性化设置,不能只试刚创建项目的第一次。

作者还用项目外的普通会话作了对照,那里仍沿用约定。11 月 15 日那篇问的是云端任务能否收到账号里的审稿规则;本例新增的是同一项目首场与后续会话的差异。回复变化是用户观察到的信号,不足以确认内部原因。

在你的项目里试试

给无关紧要的测试项目设一个独特的结尾词。用同一句话分别问项目外、项目首场和项目第二场会话,记下三次实际答复。

项目复盘

恢复长对话时第一步还在读缓存,调用一次工具后却重写了

一位开发者排查 Claude Code 的重复开销,在同一目录用两种工具设置交替做了四次实验。恢复会话时都能读到旧缓存;读取小文件后,两组的缓存写入量却分别约为 4.2 万和 3,600 个 token。只看恢复后的第一个请求,就会漏掉差别。

在作者的 2.1.325 版实验中,显式指定工具列表的一组写入约 4.2 万,另一组用允许使用的工具列表,写入 3,598。这里量的是缓存写入,不是总费用。它也不同于昨天缓存因长时间中断而过期的例子:这次相邻请求间几乎没有等待。

在你的项目里试试

给需要续跑的任务分别记录三个时刻:暂停前、恢复后第一次请求、第一次工具返回后。遇到额外开销时,先找它从哪一步开始。

验收作品

AI 一个字也没答出来,用量报表就该记零吗

一位开发者给请求设了很小的输出上限。接口回报“未完成”:12 个输入 token、16 个输出 token,后者都用在推理上。可同类结果经 OpenAI Agents SDK 0.24.0 处理时先抛出错误,用量没进入运行汇总。做用量面板,失败请求也得对账。

报告用直接调用拿到的 28 个 token 说明,响应没有可见答案时,接口仍可能给出用量。这里发现的是应用侧统计漏记,没有证据表明账单出错,也不能把每一种失败都默认算成 28。

在你的项目里试试

给用量面板喂两份模拟响应:一份正常完成,一份未完成但带用量。后者应保持失败状态,两份的实际用量都应进入合计。