使用 AI 编程的技巧之 ---- 积累现成的答案

西蒙·威尔逊 上个月底（2026-2-26），写了一个文章《积累你掌握的方法》 https://simonwillison.net/guides/agentic-engineering-patterns/hoard-things-you-know-how-to-do/ ，讲了他一个很有用的用 AI 编程的小技巧。

我感觉使用 AI 写代码很频繁的人都值得借鉴一下。其实就是享受你过去劳动成果的复利。

现在的 AI 本质上是把编程的颗粒度给搞大块了，以前一些我们的重复性但代码量很大的简单逻辑的事，现在我们一句话就能搞完。

但是使用 AI 去做一些很实用，但是略微复杂，或相当复杂的事，或者是很冷门的事，就难了，如果我们调 AI 调很久，终于生成了一个某痛点问题的成果品，那么我们就应该把这个成果整理出来，也就是答案整理出来，然后保存起来，让 AI 之后再遇到，可以去参考。这样 AI 再写起代码来嘎嘎好。

作为软件专业人士，一个关键资产是积累大量这类问题的答案，最好有运行代码作为例证。知道某件事在理论上是可行的，并不等同于亲眼见过它被实现。 ---- 西蒙·威尔逊

核心，就是小型概念验证！也就是某个解决方案的很简单的可运行的代码。

西蒙·威尔逊 现在使用 AI 不断的扩充很多棘手又有趣的代码解决方案。比如下面是一些我整理的有趣的东西：

当然，这些只是冰山一角。在 https://github.com/simonw/ 他的 github 里更多了，有 900 多个仓库，去除 fork 的，有 500 多个，大都是各种项目的解决方案。

搜集这些东西，除了锻炼自己的能力外，更重要的是，这是你的资产！是给 AI 看的强大的素材。

除了后续我们做项目能利用这些知识的复利外，西蒙·威尔逊提出了一个更有意识的事。

就是闲着没事干，让 AI 自己想办法，把 自己收集制作整理的 优质示例代码，结合起来，看看能创造什么新东西！很家伙，有创意 (｀･ω･´)ゞ(｀･ω･´)ゞ

这一下子把 AI 从 许愿机 的身份变成 拆盲盒 了！有意思啊，大家也可以试试！

比如说，现在你整理好了一个 WebAssembly 版本的 OCR 引擎，在浏览器上能提取图片里的文字。

但是现在，你希望处理 PDF ，那么你就把PDF js 库的案例引用进来，直接给 AI 描述：【利用这些示例，整合一个包含嵌入式 HTML、CSS 和 JavaScript 的单一 HTML 页面，该页面提供一个大的正方形区域，用户可以将 PDF 文件拖放到该区域上；当用户这样做时，PDF 的每一页都会被转换为 JPEG 并显示在页面下方，然后使用 tesseract 运行 OCR，结果会显示在每个图像下方的文本区域块中】。

这样 AI 会给你一个接近 完美无瑕 的页面。如果让 AI 从 0 开始造，可能会迭代很多次，但是你本地已经写好示例了，AI 也自己复制粘贴改改，况且 AI 自己也会以光速来读懂源码，确保不会犯低级错误，这样出来的页面，成功率会很高。

当然，我们也可以使用现成的网络上的项目。毕竟现在有 agent 了！

大家手头有 codex 或者 claude code 的可以，试试下面这个 prompt （有个注意点，就是最好使用 curl ，这样工具会读取代码，而不是总结）。

【使用 curl 获取https://tools.simonwillison.net/ocr和https://tools.simonwillison.net/gemini-bbox的源代码，并构建一个新工具，允许你从 PDF 中选择一个页面，并将其传递给 Gemini，以返回该页面上插图的边界框。你构建的这个工具,放到 xxx 目录里一个独立的 html 里.】

或者

【从 GitHub 克隆 simonw/research 到 /tmp，查找将 Rust 编译为 WebAssembly 的示例，然后利用这些示例为此项目构建一个演示 HTML 页面。】

这个思路还是不错的。