大多数的垂直设计软件对于一个复杂的产品来说，都做得非常的臃肿。AI的使用改变了这一点，也打死了这些垂直设计软件。
但可以生存下来的是那些并不依赖于垂直行业的通用设计软件，比如Blender。
这也是为什么Blender MCP + Codex做得越来越好的原因。
这是我完成MOCworld（一个（目标）专业的Lego方案设计软件） 和 钟表设计demo后的经验。
如果你为了一个垂直行业，不断用AI去重写这个CAD，结果就是再次累积了大量的CAD软件的代码，质量先不说，但结果还是重建一个屎山——即使洁癖如我，也只是让它控制规模，尽量不耦合的方式去外挂一些别的功能。
我知道很多人已经在这么做。
但最终用户/付费方要的是什么？是一个设计好的方案，并不是有一个可以做这个方案的传统软件。
在钟表设计（是钟表设计的demo展示，不是软件的demo展示），我才用了一个新的思路，其实也是旧的思路——回到prompt engineering。
- 让deepseek根据要做的事情，给出一个step by step的prompts流
- 让codex逐步去实现
- 每一步完成后需求方（需要有经验和想法，类似于产品经理）介入，给出反馈，deepseek修正prompt 或者给出prompt patch，重复该步；确认没问题就继续下一步。
- 完整实现后，deepseek给出全局的prompt
- codex也总结出全局过程以及prompt
- 参考codex的结果，deepseek修正自己的prompt
- codex用新的全局prompt一次性完整实现
- 检查最终结果，继续修正全局prompt
- 根据系统/平台需要，提取prompt中可参数化、定制化的部分
- 软件化这些可参数化和定制化的内容
- 构造该定制系统
最终会得到一个根据定制需求生产可重复实施的prompts，该prompts将提交给codex进行最终的结果生成/合成。
如何保障结果的一致？就是这个prompt所要求的细节有多么精确了。
（上述codex、deepseek可以更换为两种不同的前沿LLM）
顺便展示一下，这次多轮迭代出来的prompt，一次性让codex做好的钟表模型。
