从vibe coding想出的道理：用智能体关键不是做对，而是怎样不出错

给自己做智能体快一个月了，这一个月最深的感触不是氛围编程有多爽，而是爽背后的感觉。

以前我是没什么需求的，因为想实现的网上基本都有，但自从用了openclaw和hermes后我突然发现，这个可能是我遇到的唯一没有的。

pi智能体有个宣言：让智能体适应你的工作流，而不是反过来，世界上有很多智能体，但这个是你的。从宣言也能看出来，这做的不是想hermes那样通用的路子，而是给你真正定义。

恰好dsh发布，现在是方案都有了，只差设计，我借鉴了dsh的设计，把各个功能做成模块，然后用dsh的核心连起来，方案很完美，但做完后总觉得不踏实，仿佛哪里少了一块。

直到我用AI把代码的逻辑查了一遍后，看着满屏的报错，我终于知道问题在哪了，我只做了结构和功能设计，但从没去查实现这些功能的方式是不是有问题，甚至功能之间是不是有问题。

于是接下来的方向也都清楚了，既然功能齐了，就是查问题，而这，才是vibe coding做不到的，因为你完全不知道会有哪些问题，有问题了怎么解决，这就是经验的价值，而编码智能体之所以能查出来甚至避免一部分，不是因为用的模型多聪明，而是内置规则里早就包含了这一部分，可以说智能体本身就是编码的经验库，等于把别人编码几十年的经验塞到了软件了供模型调用，所以，编码智能体的重要在于提前避坑，但并不绝对，因为没人知道实际的编程情况是怎样的，能穷尽所有场景，而这，才是经验的核心价值。

这个道理不仅适合编程，适合几乎所有的场景：表格，文档，行程规划，这里的短板在于智能体对现实世界和对你了解的匮乏，它不知道你的真实情况，需要你来告诉它，它再做调整，在这些场景下，哪些规则是通用的，哪些是可选的，这些往往是智能体好用的关键，提前设定好规则，它才能做的更好，有时候看似它给了你更好的建议，但最终决定用不用的还是你，也就是说，它给了你选择，但判断还在你