3.9 KiB

Raw Blame History

胶水编程（glue coding）方法论

1. 胶水编程的定义

**胶水编程（glue coding）**是一种新型的软件构建方式，其核心理念是：

几乎完全复用成熟开源组件，通过最小量的“胶水代码”将它们组合成完整系统

它强调的是“连接”而不是“创造”，在 AI 时代尤其高效

2. 产生背景

传统软件工程往往需要开发者：

设计架构
自己编写逻辑
手动处理各种细节
重复造轮子

这导致开发成本高、周期长、成功率低

而当下的生态已经发生根本变化：

GitHub 上成熟的开源库成千上万
框架覆盖各种场景（Web、AI、分布式、模型推理…）
GPT / Grok 能帮助搜索、分析、组合这些项目

在这种环境中，再从零写代码已经不是最高效的方式

于是，“胶水编程”成为一种新范式

3. 胶水编程的核心原则

3.1 凡是能不写的就不写，凡是能少写的就少写

任何已有成熟实现的功能，都不应该重新造轮子

3.2 凡是能 CV 就 CV

直接复制使用经过社区检验的代码，属于正常工程流程，而非偷懒

3.3 站在巨人的肩膀上，而不是试图成为巨人

利用现成框架，而不是试图自己再写一个“更好的轮子”

3.4 不修改原仓库代码

所有开源库应尽量保持不可变，作为黑盒使用

3.5 自定义代码越少越好

你写的代码只承担：

组合
调用
封装
适配

也就是所谓的胶水层

4. 胶水编程的标准流程

4.1 明确需求

把系统要实现的功能拆成一个个需求点

4.2 使用 GPT/Grok 拆解需求

让 AI 将需求细化为可复用模块、能力点和对应的子任务

4.3 搜索现成的开源实现

利用 GPT 的联网能力（如 Grok）：

根据每个子需求搜索对应的 GitHub 仓库
检查是否存在可复用组件
对比质量、实现方式、许可证等

4.4 下载并整理仓库

将选定的仓库拉取到本地，分类整理

4.5 按架构体系进行组织

把这些仓库放置到项目结构中，例如：

/services  
/libs  
/third_party  
/glue

并强调：开源仓库作为第三方依赖，绝对不可修改。

4.6 编写胶水层代码

胶水代码的作用包括：

封装接口
统一输入输出
连接不同组件
实现最小业务逻辑

最终系统通过多个成熟模块组合而成

5. 胶水编程的价值

5.1 极高的成功率

因为使用的是社区验证过的成熟代码

5.2 开发速度极快

大量功能可以直接复用

5.3 降低成本

时间成本、维护成本、学习成本都大幅减少

5.4 系统更稳定

依赖成熟框架而非个人实现

5.5 易于扩展

通过替换组件就能轻松升级能力

5.6 与 AI 强配

GPT 能辅助搜索、拆解、整合，是胶水工程的天然增强器

6. 胶水编程 vs 传统开发

项目	传统开发	胶水编程
功能实现方式	自己写	复用开源
工作量	大	小得多
成功率	不确定	高
速度	慢	极快
错误率	容易踩坑	使用成熟方案
重点	“造轮子”	“组合轮子”

7. 胶水编程的典型应用场景

快速原型开发
小团队构建大系统
AI 应用/模型推理平台
数据处理流水线
内部工具开发
系统集成（System Integration）

8. 未来：胶水工程将成为新的主流编程方式

随着 AI 能力不断增强，未来的开发者不再需要自己写大量代码，而是：

找轮子
组合轮子
智能连接组件
以极低成本构建复杂系统

胶水编程将会成为新的软件生产力标准

3.9 KiB Raw Blame History Unescape Escape