最近我集中了大量时间投入 vibe coding（沉浸式编程）实践，开发进度显著提升。上下文管理几乎没有特别调整，但 token 消耗量看起来依然偏大。于是我索性设了一个每日目标：每天消耗 10 亿 token（含缓存计算）。

缓存命中率整体较高，如果按 API 本身不计缓存的方式计算，实际消耗会非常惊人。

最近一周的消耗比较平稳。之前总担心用不完，又怕用太快不够用，现在节奏已经理顺，焦虑感减少了很多。

下面聊聊我最近正在推进的几个方向。

Web 端一体化编程工具

我尝试过飞书桥接方式、VS Code 以及 IDE 等多种方案。抛开网络访问限制不谈，在地铁或者外出途中，如果能够用手机随时处理多个模型协同开发的项目，同时高效管理多台服务器，这确实是一个硬需求。于是我自己动手写了 webagents 这个小项目。现在地铁上基本没时间刷视频了——网络不好也不影响整体输出，边思考边补充，个把小时就能完成几个功能的开发。

值得反思的一个错误开发方式：在迭代 webagents 的同时，另一边也对项目进行迭代。稳定性问题反复出现，会话频繁中断，恢复效果也不太理想。后来仔细复盘，发现这就像在不稳定的地基上盖房子，陷入了死循环。于是调整了节奏——webagents 的整体功能迭代尽量使用 VS Code，控制好发布时间；而其他项目都基于 webagents 来运行。把“一边发布一边迭代”的互相干扰错开，稳定性和效率一下子就提升上来了。

现在每天会自动对会话进行复盘总结，代码也做好了托管和版本控制。

搭建属于自己的知识库

我深度使用印象笔记和语雀很多年了。为了获取语雀的 API token，专门开通了会员，结果前几天收到提醒：会员快到期了，还有 20 天。转念一想，为什么不自己做一个知识库，把所有想要的功能都 DIY 出来呢？

从调研到落地整体还算顺利。把语雀上的文档同步迁移过来，只花了几小时就搞定了。想想一年前半手工迁移时，差不多用了两天时间。

里面有些功能挺有意思。比如网格化文档：平时用大模型问答时，它给出的答案框架不错，但某些部分需要微调；几个会话下来，整个内容结构可能已经变了样。网格化文档的思路是：先把文档的整体框架固定下来，然后让大模型针对每个部分进行补充和修正，甚至可以让多个模型进行辩论并达成共识，文档质量明显提高了很多。

再比如看板功能，自己关注的数据和指标都能快速迭代出来。公众号文章或者知乎收藏的问答，可以建立专门的知识库，存储后通过全文检索快速查询，真正做到知识库为我所用。

基本知识和基本原理是一道绕不开的门槛

大模型确实能大幅提升效率——在方案评估、问题修复方面速度快得惊人。但同时也存在一个明显问题：人的思维和认知常常很难跟上大模型，容易按现有认知去处理问题。如果你对某个方向很熟悉，大模型确实能大大提效；但如果不熟悉，有时还是会被带偏，或者抓不住重点，因为缺少基本知识的学习积淀。

用 AI 做出的东西，很可能只是一个玩具级别的应用。要想在生产环境中交付使用，没有实战经验基本行不通——不了解基本原理，出问题后的维护和迭代，就只能被大模型牵着鼻子走。基本知识和基本原理的学习，在当前阶段很容易被忽视，也容易产生过于乐观的幻觉。

今天认真看了看 RAG 体系化的书籍，才发现原来反复调试的很多地方都走错了路。体系化学习是必要的，绕不过去。