过去一年多点，AI Coding 发展非常快。
从最开始的代码补全，到 Copilot 类工具，再到 Cursor、Claude Code 这类 Agent 编程工具，我们一直在讨论一个问题：
AI 一直在改变软件开发方式，但好像一直的改变又不够大
最近一段时间，我感觉好像不太一样了，核心就在于 Goal 模式。
严格来说，Goal 模式并不是一个全新的概念，它更像是在 Plan、Spec 等方法论在长程任务上的进一步增强。
但实际使用下来，我觉得它带来的影响远超预期。
以前用 AI 编程，人是待在 Loop 里的。
AI 能帮你写代码，但每一次推进都离不开人的参与。你需要不断告诉它下一步做什么，需要不断检查、修改、调整。
AI 提升的只是单个开发环节的效率。
但 Goal 模式出现后，人站在了这个 Loop 的外面。
不再是"我告诉 AI 每一步怎么做"，而是"我告诉 AI 最终想得到什么"。
AI 开始承担一个目标下的规划、拆解、执行、改进过程。
最近我在团队内部分享时提了一个暴论：
Goal 模式下的 AI 编程，和之前的编程，已经是完全不同的两个事物了。
先来看看我上周末 Goal 编程体验。
一个周末，5 个半系统
上周末，借助 ZCode 周末福利赠送的 3 亿 token 和 TraeCode 签到赠送的积分。
2 天 3 晚，我完成了 6 项开发事项，其中好几个都是从 0 直接到能用的新作品。
甚至，2天中周日我还主持了一场线下活动，并没有办法一直坐在电脑边上。
一个 RustFS 图片上传客户端
为了方便写文章的时候上传图片，我搭建了一个 RustFS 分布式文件系统，我把它当图床用。
现有的编辑器、图床上传工具和它的兼容性都有点问题，用起来不太顺畅，因此，我就自己写了个。
Ctrl+Shift+U，粘贴图片，自动获取 md 链接地址，并且上传速度够快。
本地应用管理客户端
AI Coding 时代，尤其是 Goal 模式加持下，本地的应用会爆炸式增长，那如何记忆、管理、演示这些应用就成了个问题。
于是，我又搓了个管理客户端，可以一键扫描项目、一键启动、日志查看、内网穿透。
流浪猫救助管理系统（PawLog）
在 TraeCode 中，一次带参考图片的 Goal 指令输入：
• 6 个核心模块
• 前后端
• 自行测试
全程花费：
• 耗时：1 小时 38 分钟。
• 积分：183.17。
然后一个完整的 Web 系统就出来了。
详见：《TraeCode 180积分帮我做了一套系统，全程我感觉自己有点多余》
生成式 UI 探索项目
传统软件，产品的业务流程都是固定的，AI 来了，还是这样，那岂不是很不性感，所以，我尝试了生成了一个生成式 UI 的作品。
除了首页，后续的所有页面都是根据最初的目标和操作响应生成的。
当然，目前还很初级，比如生成页面太久、后续页面并不聚焦，只能算是想法的一次呈现和验证。
一个内测产品的新功能
这个算是修改缺陷和更新需求的场景了。
不用像之前一次对话一个缺陷，直接一堆缺陷发给 AI，自动分配 SubAgent，自动隔离，自动完成并测试，再分别提交。
产品还在内测，后续完善后开放给大家体验哈，就不放截图了。
把一整套脚本变成完整系统
之前为了方便自己整理：
• 软件著作权材料
• 项目申报材料
• 等等
我写过一批脚本，自动整理文档、代码，并按照要求格式化。
这次我直接把脚本文件夹扔给了 AI，然后，又出来了一套系统。
我的 Goal 模式最佳实践流程
几个案例内容不是今天的重点，重要的是借助 Goal 编程，可以如此高效、高质产出成果。
好东西需要分享，我就把中间的一些经验整理了一个所谓的最佳实践，大家可以自取体验。
• 第一步，需求 。和 GPT 等高级模型畅聊你的需求，不要期望一次成型，多聊，多确认，毕竟开发就是一个时间和 Token 问题。
• 第二步，设计 。让 AI 生成设计图、logo、口号，甚至切图，让 AI 直出你想要的结果。
• 第三步，外部资源 。不管是需要接入的接口，还是系统对接文档，整理出来一次性给出。尤其是接口，条件允许的话，直接给出测试密钥，AI 将自动联调、测试，无比节省你的精力。
• 第四步，Goal 指令 。本质还是提示词工程那一套，目标、步骤、验收标准，但这些也都交给 AI 就行了。
• 第五步，执行 。记得选择 Goal 模式，剩下的就是等待了，我最长的任务 4 个小时，社群里面的大佬跑了 4 天，当然，他是自部署的。
结语
不知道大家最近的 AI Coding 体验如何。
仅就我而言，AI Coding 已经在不知不觉中已经进入了一个全新的阶段。
也许，动动嘴，指挥"贾维斯"的场景明天就来了。