近期，AI 实践者 Vikingmute 在社交媒体上分享了多项关于 AI 赋能设计与开发的实用方法，引发关注。其核心主张是：在 AI 辅助创作中，需通过特定技巧减少“AI 痕迹”，提升输出质量。
- 主要进展包括：
- AI 设计去 AI 味：Vikingmute 提出使用 Design.md 文件结合图片参考，可有效降低 AI 生成内容的模式化感，使其更接近人类创意。该方法强调将设计文档结构化并与视觉素材对齐，从而引导模型产生更自然、富有变化的输出。(让AI生成设计远离AI味道：Design.md + 图片参考是关键)
- AI 代码审查流程：Vikingmute 公开了其团队使用的“Review Forge”流程，用于 AI 辅助代码审查。该流程通过多轮提示和上下文管理，让 AI 从多个维度（如安全性、性能、可维护性）分析代码，提升审查效率与准确性。(Vikingmute 分享 AI 代码审查实战：Review Forge 流程)
- 开源多模型交叉审核：作为 Review Forge 的延伸，Vikingmute 开源了“review-forge”项目，实现多个大语言模型对同一代码片段进行交叉审核，并通过差异对比找出潜在问题。这种协作方式旨在利用不同模型的优势，提高代码质量审核的可靠性。(开源 review-forge：多模型交叉审核 AI 代码的流程)
当前焦点在于：如何通过工程化手段（如结构化文档、多模型协作）平衡 AI 的效率与人类需求，特别是在消除 AI 生成痕迹和提升代码安全性方面。未来可观察其方法是否被更广泛采纳，并探讨在多模型协作的成本与收益间如何取舍。