讲究与将就

本文是圆方的第1533篇原创

（点击标题下方小耳机标志可收听音频）

01

熟悉圆方的小伙伴都知道，这几天因为刚刚get了Ai coding 的Skill，所以这几天沉迷于“编程”不可自拔。

参见

不知道小伙伴们现在用的都是谁家的API，圆方现在

接的是

deepseekv4pro

框架用的是

Claude Code

整体感觉还蛮不错的。

昨天在群里和小伙伴们争论了半天，现在到底是用Claude code+Claude好，还是Claude code+Deepseek v4 pro更好？

双方之间的差距大么？

大家好，我是圆方，今天我们一起聊聊

讲究和将就

02

很有趣的一点是，我身边原来就做编程出身(在AI编程之前有手搓代码开发经验的）的同学，对于Claude code+Claude是非常非常认可的。

也不奇怪，很长一段(一年多)的时间以来，Claude的确在编程这一块是遥遥领先的。

不过就圆方这样一个刚刚学会的萌新而言，两者我都试了试，并没有感觉出来明显的区别。

我自己的理解是，在 Claude Code 这个强大的 Agent 框架下，接入 DeepSeek V4 Pro 与接入原生 Claude 模型，在编程能力上的差距并非“代际碾压”，而是：

“高段位之间的偏好分野”。

Claude在复杂推理和多模态交互上更为老练和专业，DeepSeek V4 Pro在上下文长度上有一定优势。

这么说吧，当我们面对那 20% 的挑战性任务，例如复杂的系统级 Bug 修复、需要深刻理解业务逻辑的架构重构时，Claude Opus 更强的推理和全局分析能力就非常关键。

而对于 80% 的日常开发任务，如常规编码、单元测试、代码重构等，DeepSeek V4 Pro 完全能够胜任。

03

而最为重要的变量，可能是“成本”。

两者圆方都跑了一下，可能是因为我的场景比较简单，有许多“重复”又需要大量吞吐数据的需求。

综合算下来，感觉Deepseek的token成本，只有Claude的 4%-10%。

从整体的开发效率上来看，个人感觉80%的遇到的问题，其实不是编程能力的问题，反而是我自己的思路和认知问题。

换句话说，主要是因为我没有想清楚，自己想要的到底是什么。

又或者说，是我并没有想明白，要如何去实现我想要的功能。

而在我慢慢适应了AI编程之后(有点像适应自动驾驶的过程)，慢慢越来越相信它之后，反而很多问题能找到更好的解法。

比如，我现在的习惯是：

当我有一个需求，我会让它根据我的需求来问我不少于十个问题，让我来再次确认需求。

在确认需求的时候，我又能被启发到许多之前没考虑到的问题。

当它明确了我的需求，我又会让它根据需求提出不少于十个优化建议，让我来决策，从而有更完善的方案。

当我决策完形成了系统方案之后，在开发之前，我还会让他再去搜索已经有的成熟的解决方案和skill，来完善它的开发方案。

经过三轮的确认，优化，提升，整体感觉绝大多数问题就已经能被解决了。

04

其实，就我自身的感觉而言，现在对于绝大多数人而言(80%)，自己手搓AI编程这个事，基本还处在一个“将就”的阶段。

对于绝大多数人而言，过去都是骑自行车(委托别人开发过），甚至纯粹是走路(没开发过)。

现在有了汽车，最最最重要的不是说汽车马力多大，汽车品牌多响，而是先学会开汽车。

手头有什么车，就去开什么车。

先学会开车，哪怕是个二手车，也先学会开车。

因为开上了车

你就会发现一个新世界被打开了

05

圆方刚上手那几天，特别焦虑。

总觉得工具不够好，模型不够强，框架不够稳。

每天花大量时间比较各种配置，看评测，翻论坛，生怕自己输在了起跑线上。

折腾了一整晚，代码一行没写，任务倒是开了一大堆。

这种状态特别消耗人，你会陷入一种精致的停滞，看起来在做很重要的事，实际上原地踏步。

后来圆方强迫自己停下来，只留了一套最顺手的配置，其他全关掉。

从那天开始，事情才真正往前走了。

06

圆方现在越来越觉得

讲究应该是一种方向感

而不应该是一种门槛

真正的讲究，是把有限的注意力投注到那些不可逆的决策上。

比如需求的精准度，比如逻辑的完备性，比如用户体验的细腻程度。

这些地方值得反复推敲，值得花时间。

至于那些可以随时切换、随时替换的环节，快速选定一个能用的方案就够了，这就是将就的智慧。

将就从来不代表敷衍。

将就的本质，是承认资源的边界，承认时间的有限，承认自己的精力需要被保护。

你在一百个细节上都追求极致，最后的结果往往是哪一个都没做到极致。

反倒是那些在大部分地方敢于将就的人，才能把节省下来的心力，精准地投放到少数几个真正需要讲究的环节里。

07

圆方见过很多厉害的人，他们的共同点恰恰是特别擅长将就。

对吃的将就，对穿的将就，对办公室大小将就，对设备新旧将就。

但他们对核心问题的判断，对关键决策的推敲，那份讲究的程度令人敬佩。这种收放自如的状态，才是成熟的标志。

回到AI编程这个话题。

模型选哪个，API用哪家，说到底都是可以随时调整的变量。

真正需要讲究的，是你对需求的理解深度，是你拆解问题的逻辑，是你判断一个方案好坏的标准。

这些东西，任何模型都帮不了你，只有持续地实践、不断地反思才能建立起来。

所以圆方的建议很简单。

手头有什么，就拿什么开始。

先跑起来，先产出东西，先拿到真实的反馈。

在行动中你会慢慢看清，哪些地方真的值得讲究，哪些地方的将就其实完全没有影响结果。这个分辨力，比任何工具配置都重要。

将就是起点

讲究是方向

接受将就才能开始

懂得讲究才能走远