开发者分享3套AI编程提效方法：Opus5.5元提示词、三循环开发、pstack工作流

X作为我第一手的AI 信息流，我会定时看我关注的一些x博主，我把近期用于个人开发 / 企业开发时好用的AI工具/方法整理了下来，分享给大家：

1. Opus5.5 + @felixrieseberg 的提示词来让AI重新审视任务应该如何被专业地完成

- 可以用在复杂任务的规划阶段，而不是每次聊天都使用
- 比如你准备做一个技术项目、开展一项调研时，可以先提交原始需求，再加入这段 Prompt：
I want a deeper version of this task, not a bigger one. Before rewriting it:
(1) say what a top professional in this field would do here that I'm not asking for;
(2) name the rawest material they would start from instead of what has already been digested for me;
(3) name the specific methods and tools they would use;
(4) say what, other than you or me, would show the result is right.
Then rewrite my prompt to ask for exactly that.
- 我最近在调研把code mode作为特性加入到我的agent，也用了这个meta prompt，效果非常不错，opus5.5本来就是一个强大的模型，有了这种meta prompt之后能发挥它更强大的作用

2. @yetone 开发 magpie的 loop

- yetone用三个 loop 就完成了magpie 这个产品的开发工作，我自己也去实践了一下，落地到实际的开发中，可以概括为需求 loop、反馈 loop、清理+沉淀经验的 loop，有几点需要注意
- yetone 能放手让 loop 跑，是因为社区每天都在帮他补需求，还顺手当了验收方。比如X 上直接@或者 discord 里的消息，都会被它捕获需求的 loop 拿到。
- 如果是个人项目 / 公司内部开发，需求来自自己想 / pm给，没有这股外力，需要自己造一个等价物：把方向写成一个文件，让 loop 从这里拿活儿。人只管方向和验收，loop 负责执行。这个方法论跟几个月前的 loop engineering 没什么区别，但现在模型能力增强（opus5.5真的挺好用的） + yetone践行 build in public，才让整件事情 1+1 大于 2，我觉得这也会是未来个人开发者的一个趋势，靠 agent 收集/分析需求做软件迭代，开发者只需要定义目标+铲屎即可。
- 在内部平台的开发，我是这样用这三个 loop 的：
① 需求 loop：我接入了 prd、工单、和我开发机器上的 adr，这里需要做一些简单的说明，告诉 claude 具体的位置，如果内部有 mcp/cli 之类的就直接接入
② 反馈 loop：反馈来源目前我接入了 bug 单、用户群、埋点数据，同样先用便宜模型筛一遍，生成候选需求。候选需求我不会直接进我开发机器上的 adr，会先发到我 im 的 bot 上，点头后才进需求文件。
③ 清理 + 沉淀经验的 loop：目前我是让 claude 定期结合我 pr 上的 diff 对照需求文件去做对抗性审查，看看有没有做偏，如果同一个坑踩了第二次，就改成 lint 或测试，从结构上让 agent 不会再犯。
- 我在这个试验里面只负责两件事情：改核心模块之前，loop 必须先停下来等确认；每晚花点时间过一遍 loop 的产出。如果想尝试的话，可以建议先从需求 loop 跑起来。

3. @poteto 的 pstack skill

- pstack 是 poteto 公开的一套 Agent 写代码工作流，官方以 Cursor 和 Grok Bot 插件的形式发布（社区也有 Claude Code/Codex 的移植版），目标是写出高质量的代码，里面除了她自己的一些工作流，还加上了一些好用的 meta prompt，比如 sharpen 这个 skill，思路就跟前面 felixrieseberg 的提示词一样。
- 我很喜欢它是因为里面是资深工程师反复做的判断沉淀下来的Agent 在关键节点必须执行的流程，所以你可以直接让你的 claude /codex用以下这个 prompt借鉴pstack，优化你日常的工作流：

“读取我最近一个月的session，结合顺畅合作和反复纠正的案例，提炼我如何定义问题、判断证据、比较方案和推进工作，重点说明不同情境下的取舍。用反例和未参与提炼的案例检验，先形成能指导新 Agent 的工作方式，再借鉴 pstack判断哪些机制值得补充、哪些适合沉淀到 AGENTS.md 或 Skill。给出精炼草案，用具体场景展示它会怎样改变 Agent 的决策。保留需要我决定的取舍，不直接修改配置。”

- 不过用的时候要小心，简单的任务完全没必要用 poteto mode，复杂的任务用即可，因为 poteto mode 的并行模式会带来大量子 agent 调用，消耗你的 token

文中提到的原推👇
felixrieseberg 的提示词：
yetone 的三个 loop：
poteto 的 pstack：

才发现里面有些口误和语义不通顺的地方，用语音输入法口喷的👀，希望不影响大家正常阅读