强迫让自己懒下来。
这是我尝试用 AI 打造个性化工作流时对自己的要求。
AI Coding 对软件行业会产生深远的影响，这是毋庸置疑的，后面也会分几期来分享我的一些看法。不如，先看下基于 AI 这个杠杆，成倍放大自己的能力。这次的主题是如何借助 AI 打造个性化工作流。
最近我关注两个方式，来打造得心应手的工作流：工具 + Skill/Command。
工具
大模型让 编码 这件事情变得廉价，大模型在简单项目中的表现又格外突出，可以借助大模型打造一系列工具，嵌入到自己的工作流之中。在大模型之前，我很大的一个感触是，用各种开源/付费工具凑自己的工作流，如果有衔接不好的地方只能忍着，或用其他不够优雅的方式凑合。有了大模型，很多地方则能直接打造自己的工具。
比如我针对代码开发，做了一个 grepom 的工具，嵌入到工作流之中，流程大概如下。
grepom 是 git repos manager 的简称。
grepom init
初始化一个工作目录，生成 .grepom.yaml 的文件，用于管理代码库，非常适合有较多代码库的管理，感兴趣可以详细了解。配置文件既可以指定单个 repo，也可以指定 group。同时集成了 github、gitlab、codeup 的实现。
grepom sync
这是根据配置文件，同步仓库信息，比如添加了一个 group，需要同步下面的 subgroup 及仓库。
grepom clone
把同步的所有库全部克隆到本地。
gcd {repo-name}
grepom cd 的简写，可以快速修改工作目录到对应仓库
$ grepom dir --shell
gcd() {
local dir
if [ $# -eq 0 ]; then
dir=$(grepom dir)
else
if command -v fzf >/dev/null 2>&1; then
dir=$(grepom dir "$@" | fzf --select-1)
else
dir=$(grepom dir "$@" | head -n 1)
fi
fi || return
cd "$dir"
}grepom tag
打 tag，基于最新的 v 开头版本，递增 Patch 版本号（三位版本号的最后一位），同时支持 -t -p -w 等参数，-tpw 意思是打 t 开头临时 tag，push 到所有 remote，同时 watch pipeline 执行。
grepom pipeline / watch
这个其实是监听最新 pipeline 的执行状态，在 tag 创建触发 CI/CD 构建时，监听 Pipeline 会非常方便。
grepom mr/pr
在测试完成后，需要提交合并请求，可以通过这个命令快速提交并返回 mr/pr 地址，方便访问。
grepom scan
这个其实是针对开源项目，用于扫描当前仓库是否有私密信息，比如 Key 之类的。
grepom 只是一个示例，此外还打造了 senv、llmwiki、mdserve、transit 等工具。
Skill
对于大模型，Skill 是逃不开的话题。Skill 本质是给大模型制定了一个 SOP 来解决特定需求。
大模型时代，Skill 是针对大模型定制的能力，也是我的能力。如何用 Skill 打造自己的工作流也会成为个人的核心竞争力。现在有很多开源的 Skill，可以借用、参考。同时也可以打造自己的一套流程，并配合他们使用。
试想以后的一个面试场景。
你平时用哪些 Skill？你最喜欢哪个 Skill？如果想完成某个特定需求，会用哪些 Skill？
从经验看，我在两个场景打造了一系列 Skill。一个是针对编程，制定了 task-* 系列和 code-* 系列。
task-new
task-prepare
task-resume
task-save
code-ask
code-explore
code-archive
task 系列是针对需求打造的，配合 opsx-* 系列（openspec），来追踪一个需求的全生命周期。code 系列则是用于探索、构建对所有代码库的认知，grepom 正是完成这个需求的前提，其把所有代码库组织在一起。
还有另外一个场景，是我个人做的一些探索，后续有机会再讨论。
最后
以上是我对基于 AI 来完善自己工作流的一些心得体会。