Get Shit Done:智能编码辅助系统的效率革命
Get Shit Done(简称GSD)是一个轻量级且功能强大的元提示工程、上下文工程和规范驱动开发系统,专为AI编码工具设计。它通过解决"上下文腐烂"问题——即随着AI模型填充上下文窗口而发生的质量下降问题,显著提升AI编码效率,让开发者更专注于创意和设计。
AI辅助开发的核心痛点
在AI辅助开发过程中,你可能经常遇到这些挑战:当项目规模扩大时,AI模型开始"遗忘"之前讨论的需求细节;生成的代码与项目规范不一致;简单任务需要大量人工介入调整;多个功能并行开发时出现协调混乱。这些问题本质上是AI的"工作记忆"管理、指令精确性和任务协同机制的不足。
智能编码辅助的技术解决方案
智能上下文管理:解决AI的"失忆"问题
问题:AI模型的上下文窗口有限,随着会话延长,早期关键信息被稀释,导致"上下文腐烂"。
创新:GSD采用类似智能内存管理的上下文工程策略,将项目信息组织为结构化文件系统:
- PROJECT.md:项目愿景,始终加载
- STATE.md:跨会话的决策、障碍和位置记忆
- SUMMARY.md:已发生的事情、已更改的内容,提交到历史
- ROADMAP.md:发展方向和已完成内容
这些文件根据AI质量下降的临界点控制大小,保持在阈值以下,确保AI始终能获取关键信息。
效果:通过这种结构化管理,AI能够持续"记住"项目关键信息,任务耗时缩短至原来的1/3。
结构化指令系统:消除AI的猜测工作
问题:自然语言描述往往模糊不清,导致AI生成的代码不符合预期。
创新:GSD引入XML格式的精确指令模板,包含任务名称、文件路径、具体操作和验证步骤:
<task type="auto">
<name>Create user profile API</name>
<files>src/app/api/users/profile/route.ts</files>
<action>
Use Prisma ORM to fetch user data.
Implement role-based response filtering.
Return appropriate HTTP status codes.
</action>
<verify>curl -X GET localhost:3000/api/users/profile returns 200 with user data</verify>
<done>Valid token returns user profile, invalid token returns 401</done>
</task>
效果:精确的指令格式使AI生成的代码符合预期,减少80%的修改需求。
多代理协同架构:并行处理提升效率
问题:单AI代理处理复杂项目时效率低下,难以胜任多任务并行处理。
创新:GSD采用多代理架构,每个阶段由编排器协调专业代理:
- 研究阶段:4个并行研究人员调查栈、功能、架构、陷阱
- 规划阶段:规划器创建计划,检查器验证,循环直到通过
- 执行阶段:执行器并行实现,每个都有独立上下文
- 验证阶段:验证器检查代码库是否符合目标,调试器诊断失败
效果:并行处理使整个开发流程效率提升3倍,同时保持主上下文窗口占用率在30-40%。
阶梯式实践指南
入门:项目初始化
使用一行命令即可初始化项目:
npx get-shit-done-cc
安装程序会提示你选择运行时(Claude Code、OpenCode、Gemini或全部)和安装位置(全局或本地)。
注意事项:建议先在非生产项目中试用,熟悉工作流程后再应用到实际项目。
进阶:核心工作流程
-
定义项目:使用
/gsd:new-project命令,系统会通过提问理解你的项目需求、技术偏好和约束条件。 -
规划阶段:使用
/gsd:plan-phase 1命令,系统会研究实施方法、创建原子任务计划并验证。 -
执行实现:使用
/gsd:execute-phase 1命令,系统会分波运行计划,并行处理任务,每个任务完成后自动提交。 -
验证工作:使用
/gsd:verify-work 1命令,确认功能是否如预期工作,自动化检查代码和测试。
精通:高级技巧
-
快速模式:对于简单任务,使用
/gsd:quick命令跳过完整规划流程,直接进入执行阶段。 -
讨论阶段:使用
/gsd:discuss-phase 1命令在实施前详细讨论阶段细节,确保AI理解你的偏好。 -
定期更新:保持GSD最新版本以获得最佳体验:
npx get-shit-done-cc@latest
总结
Get Shit Done通过智能上下文管理、结构化指令系统和多代理协同架构的创新组合,彻底改变了AI辅助编码的方式。它解决了上下文腐烂问题,提供了高效的工作流程,并通过并行处理显著提升开发效率。无论你是个人开发者还是团队成员,GSD都能帮助你更高效地构建软件,让你专注于创意和设计,而非重复的工程细节。
通过GSD,你可以描述你想要的东西,并让系统构建正确的实现——复杂在系统中,简单在你的工作流中。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0190
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
