AI CERTs认证体系完整指南:50+证书考纲一网打尽

AI CERTs认证体系完整指南:50+证书考纲一网打尽

AI正以前所未有的速度改变各行各业,而认证是快速证明AI能力的有效方式。AI CERTs(aicerts.ai)作为全球领先的AI认证平台,提供50+角色化认证,覆盖从入门到专业的全路径。

本文汇总了AI CERTs全部热门认证的考试大纲、权重分布和涉及工具,帮你快速找到适合的认证方向。

统一考试格式

所有认证采用统一格式:

50道选择题/多选题
90分钟
70%及格(35/50正确)
线上AI监考
含1次免费补考
1年有效期(需续证)
学习方式:自学4-8小时或面授1-2天
套餐包含:视频+电子书+AI导师+测验+考试+数字徽章

第一梯队:最热门认证

  1. AI+ Everyone™ — AI入门

定位:零基础AI通识,适合所有人

这是LinkedIn上晒证最多的AI认证,没有之一。零技术门槛,任何人都可以考。

考试蓝图:

AI基础概念与历史(15%)
AI在日常生活中的应用(20%)
生成式AI入门(20%)
AI工具使用实践(20%)
AI伦理与社会影响(15%)
AI未来趋势(10%)

  1. AI+ Prompt Engineer™ — 提示词工程师

定位:提示词设计与优化专家

2025-2026年最火的AI技能认证。掌握提示词就掌握了AI的"方向盘"。

考试蓝图:

提示词工程基础(15%)
提示词类型:指令式/描述式/迭代式(15%)
提示模式:Zero-Shot/Few-Shot/Chain-of-Thought(20%)
高级提示技巧:角色扮演/分解/约束(15%)
多模态提示:文本/图像/代码(15%)
提示词安全与对抗(10%)
实战项目(10%)

涉及工具:ChatGPT、Claude、Midjourney、DALL-E、Stable Diffusion

  1. AI+ Foundation™ — AI基础认证

定位:AI领域通识认证,求职敲门砖

相当于AI领域的"计算机等级考试",适合学生和求职者。

考试蓝图:

AI定义、历史与分类(10%)
机器学习基础(15%)
深度学习与神经网络(15%)
自然语言处理NLP(15%)
计算机视觉CV(15%)
生成式AI与大语言模型(15%)
AI伦理、偏见与治理(10%)
AI应用案例(5%)

  1. AI+ Executive™ — 高管AI素养

定位:企业管理者的AI战略认知

适合CTO、CEO、部门总监,不要求技术背景。

考试蓝图:

AI商业价值与战略(20%)
AI投资回报分析(15%)
AI治理与风险管理(20%)
AI组织变革管理(15%)
AI项目管理(15%)
AI合规与法规(15%)

第二梯队:技术向热门认证

  1. AI+ Engineer™ — AI工程师

前置:Python基础、线性代数 | 课时:8小时

考试蓝图:

AI工程基础(10%)
数据预处理与特征工程(15%)
机器学习模型开发(20%)
深度学习架构(15%)
MLOps与模型部署(15%)
AI系统设计模式(15%)
性能优化与扩展(10%)

涉及工具:Python、TensorFlow、PyTorch、Scikit-learn、Docker、FastAPI

  1. AI+ Data Scientist™ — 数据科学家

前置:Python、统计学基础

考试蓝图:

数据采集与清洗(15%)
探索性数据分析(15%)
统计建模与假设检验(15%)
机器学习算法(20%)
数据可视化与叙事(15%)
大数据处理(10%)
AI驱动数据分析(10%)

  1. AI+ Cyber Security Analyst™ — AI安全分析师

考试蓝图:

AI安全威胁概览(15%)
AI驱动的威胁检测(20%)
机器学习安全攻防(15%)
AI模型安全(20%)
安全自动化与响应(15%)
AI安全合规框架(15%)

  1. AI+ Cloud Architect™ — AI云架构师

考试蓝图:

AI云架构设计原则(15%)
主流云平台AI服务(20%)
AI工作负载优化(15%)
云端MLOps(20%)
AI数据管道(15%)
云安全与合规(15%)

  1. AI+ Ethical Hacker™ — AI渗透测试

考试蓝图:

AI系统攻击面分析(15%)
对抗样本攻击(20%)
数据投毒与模型窃取(15%)
提示注入攻击(15%)
AI红队测试方法论(20%)
防御策略与缓解(15%)

2026最火新认证:AI+ Vibe Coder™

这是AI CERTs增长最快的认证。全球Vibe Coding市场预计2032年达369.7亿美元,CAGR 32.5%。

定位:零基础AI辅助编程 | 前置:基本电脑操作

考试蓝图:

Vibe Coding入门与AI工具(15%)
提示词编程基础(15%)
AI辅助调试与测试(15%)
用提示词构建全栈应用(20%)
代码伦理、安全与AI边界(20%)
毕业项目(15%)

详细课程大纲:

模块1:Vibe Coding入门

  • 什么是Vibe Coding
  • AI编程演进:Low Code vs No Code vs Vibe Coding
  • 常用AI编程工具分类
  • Vibe Coding产品的软件开发生命周期
  • 实验:熟悉多种AI编程工具

模块2:提示词编程

  • 好提示词的结构
  • 提示词类型:指令式/描述式/迭代式
  • 提示模式:Zero-Shot/Few-Shot/Chain-of-Thought
  • 案例1:用Python创建计算器
  • 案例2:优化AI生成代码

模块3:AI辅助调试与测试

  • 审查和改进AI生成代码
  • 用提示词修复Bug和生成测试
  • AI单元测试
  • 检测幻觉和不安全代码

模块4:构建全栈应用

  • 规划前端+后端
  • 用IDE和代码生成器搭建脚手架
  • 用自然语言连接组件
  • 部署和测试MVP
  • 作业:任务管理系统全栈开发

模块5:伦理与安全

  • AI局限性和偏见
  • 提示注入与防御
  • 数据隐私与安全编码
  • 生产环境中的AI负责任使用

模块6:毕业项目

  • AI待办事项应用
  • AI笔记桌面应用

涉及工具:Python、GitHub Copilot、OpenAI Codex、LangChain、FastAPI、Streamlit、Docker、VS Code、Git

第三梯队:行业应用认证

AI+ Educator™ — AI教育(8小时)

面向教育工作者的AI教学能力认证。

考试蓝图:

  • AI教育基础(10%)
  • AI课堂教学实践(15%)
  • AI辅助课程设计(15%)
  • AI评估与个性化反馈(15%)
  • AI教学工具应用(15%)
  • AI教育伦理与安全(15%)
  • AI教育创新实践(15%)

AI+ Project Manager™ — AI项目管理

考试蓝图:

  • AI项目管理基础(15%)
  • AI项目生命周期(20%)
  • AI团队管理(15%)
  • AI风险与质量管理(20%)
  • AI项目评估与交付(15%)
  • AI工具在项目管理中的应用(15%)

AI+ Marketing™ — AI数字营销

考试蓝图:

  • AI营销基础(10%)
  • AI内容生成(20%)
  • AI客户洞察与细分(15%)
  • AI广告投放优化(20%)
  • AI营销自动化(15%)
  • AI营销分析(10%)
  • AI营销伦理(10%)

AI+ Finance Practitioner™ — AI金融

考试蓝图:

  • AI在金融中的应用概览(10%)
  • AI风险管理(20%)
  • AI欺诈检测(20%)
  • AI量化交易(15%)
  • AI合规与监管(15%)
  • AI客户服务(10%)
  • 金融AI伦理(10%)

AI+ Healthcare Innovator™ — AI医疗创新

考试蓝图:

  • AI医疗概览(10%)
  • AI诊断辅助(20%)
  • AI药物研发(15%)
  • AI医疗影像分析(20%)
  • AI患者管理(15%)
  • AI医疗伦理与隐私(10%)
  • AI医院运营优化(10%)

其他认证速览

认证 方向 认证 方向
AI+ Software Developer AI辅助开发 AI+ Content Creator AI内容生成
AI+ DevOps Engineer AI+CI/CD AI+ Sales AI销售赋能
AI+ Data Engineer AI数据管道 AI+ Legal Counsel AI法律
AI+ Business Analyst AI需求分析 AI+ HR Specialist AI招聘/HR
AI+ Business Intelligence AI+BI AI+ Robotics Engineer AI机器人
AI+ Scrum Master AI+敏捷 AI+ Quantum Computing AI+量子
AI+ Product Manager AI产品 AI+ Game Designer AI游戏开发
AI+ UX Designer AI体验设计 AI+ Blockchain Developer AI+区块链
AI+ Context Engineering AI上下文设计 AI+ AI Agent Developer Agent开发

如何选择适合的认证

学生/求职者:AI+ Foundation → AI+ Vibe Coder → AI+ Engineer
教师/培训师:AI+ Educator
管理者/高管:AI+ Executive
技术人员:AI+ Engineer → AI+ Data Scientist
安全方向:AI+ Cyber Security → AI+ Ethical Hacker
转行者:AI+ Everyone → AI+ Vibe Coder

AI CERTs的认证体系最大优势是角色化设计——每个认证都对应一个具体岗位,学完就能用。在AI人才需求井喷的2026年,一个对口的认证可能就是简历上最有说服力的那一行。

参考资料:

Views: 30

手机上直接让AI写代码?这个开源神器把Claude Code接入了企业微信

手机上直接让 AI 写代码?这个开源神器把 Claude Code 接入了企业微信!

你有没有想过这样一个场景——

下班路上,地铁里刷着手机,突然想到一个 Bug 的解决方案。掏出电脑?不存在的。打开企业微信,给 Claude Code 发条消息:「帮我把 src/auth.py 的登录逻辑修一下」,几秒钟后,代码改好了,测试通过了,你安心继续刷视频。

这不是做梦。一个叫 cc-connect 的开源项目,真的把这件事干成了。

它到底干了什么?

一句话说清楚:cc-connect 是一个 AI Agent 桥接器,把本地的 AI 编程助手接到你常用的聊天平台上。

什么意思?看这张图就懂了:

你(企业微信/飞书/Telegram/...)
        ↕
   cc-connect(本地中转)
        ↕
  Claude Code / Cursor / Gemini(本地 Agent)

你在聊天软件里发消息 → cc-connect 转给本地的 AI Agent → Agent 干完活 → 结果回到你的聊天窗口。

手机、平板、任何设备,只要有聊天软件就能用。

支持哪些平台和 Agent?

先说聊天平台,主流的几乎全覆盖:

  • 企业微信、飞书、钉钉
  • Telegram、Discord、Slack、LINE
  • 个人微信(通过 ilink)
  • 微博私信、QQ、WPS 协作

再说 AI Agent,主流编程助手都能接:

  • Claude Code(Anthropic)
  • Codex(OpenAI)
  • Gemini CLI(Google)
  • Cursor Agent、iFlow、OpenCode、Devin CLI、Kimi CLI

基本上,你用什么聊天工具,它就能接到哪儿;你用什么 AI 编程助手,它就能桥接谁。

怎么装?三步搞定

第一步:装 cc-connect

npm install -g cc-connect

对,就这么一行命令。没装 Node.js 的先去装一下。

第二步:装你的 AI Agent

比如用 Claude Code:

npm install -g @anthropic-ai/claude-code

第三步:配置

推荐用 Web UI 配置,可视化的,不用手写配置文件:

cc-connect web

浏览器自动打开管理面板,点点鼠标就配好了。

以企业微信 + Claude Code 为例

这是国内开发者最关心的组合,我详细说一下。

1. 创建企业微信机器人

登录企业微信管理后台 → 应用管理 → 自建 → 创建应用。记下 Bot IDBot Secret

2. 写配置文件

编辑 ~/.cc-connect/config.toml

language = "zh"

[log]
level = "info"

[[projects]]
name = "my-coder"

[projects.agent]
type = "claudecode"

[projects.agent.options]
work_dir = "/你的项目目录"
mode = "auto"

[projects.agent.env]
ANTHROPIC_AUTH_TOKEN = "你的API Key"
ANTHROPIC_BASE_URL = "https://api.anthropic.com"

[[projects.platforms]]
type = "wecom"

[projects.platforms.options]
mode = "websocket"
bot_id = "你的Bot ID"
bot_secret = "你的Bot Secret"
allow_from = "*"

注意几个关键点:

  • mode = "websocket" — 用 WebSocket 长连接,不需要公网域名,这对国内开发者太友好了
  • allow_from = "*" — 允许所有人用,生产环境建议限制
  • API Key 可以用官方的,也可以用中转服务

3. 启动

cc-connect

看到这几行日志就说明成功了:

✅ wecom-ws: connected
✅ claudecode: agent initialized

然后打开企业微信,给机器人发条消息试试。

实际用起来有多爽?

场景一:地铁上修 Bug

你: 帮我看看 src/auth.py 的登录逻辑有没有问题
Bot:(读取文件)→ 返回分析结果,指出第 42 行有个空指针风险
你: 改一下
Bot:(自动修改代码)→ 修好了,还跑了一下测试

场景二:Code Review

你: /mode plan
你: 看看最近的 git diff,给个 review
Bot:(执行 git diff)→ 返回详细的代码审查意见

场景三:摸鱼写需求

你: /mode yolo
你: 新增一个用户注册接口,要邮箱验证
Bot:(全自动)→ 创建路由、写逻辑、加验证、写测试,一条龙

会话管理:随时接上次的进度

这个功能我觉得特别好——你可以随时恢复之前的对话上下文

你: /list
Bot:
  #1 (active) - 14:30 - "修复登录Bug"
  #2         - 11:15 - "重构API"
  #3         - 昨天  - "写单元测试"

你: /switch 3
Bot: 已切换到会话 #3 "写单元测试"

你: 继续
Bot:(带着昨天的上下文继续工作)

/list 看会话列表,/switch 切过去,无缝衔接。上下文完整保留,不会丢。

权限模式:安全和高效率的平衡

四种模式随切随用:

模式 说明 适合场景
/mode auto Agent 自己判断要不要问 日常开发
/mode yolo 全自动,不问直接干 赶进度的时候
/mode plan 只规划不执行 先看看思路对不对
/mode default 每步都确认 谨慎操作

切换模型也不会丢上下文:

/model switch opus    # 切到 Opus(重度任务)
/model switch sonnet  # 切到 Sonnet(日常任务)

后台常驻运行

用 pm2 管理,开机自启动:

npm install -g pm2
pm2 start cc-connect -- --config ~/.cc-connect/config.toml
pm2 save
pm2 startup

或者简单粗暴:

nohup cc-connect > ~/.cc-connect/cc-connect.log 2>&1 &

安全建议(认真看)

说几个一定要做的事:

  • 限制使用人员allow_from 不要用 *,指定具体的 user_id
  • 设置管理员admin_from 只有管理员能切 yolo 模式
  • API Key 别泄露:别提交到 Git 仓库
  • 谨慎使用 yolo 模式:全自动化很爽,但也意味着 Agent 可以删文件
  • 定期更新npm update -g cc-connect

和其他工具对比

有人可能问:这跟 OpenClaw、Cursor 有啥区别?

cc-connect OpenClaw Cursor
定位 AI编程助手聊天桥 完整AI助手平台 AI编程IDE
核心能力 远程操控本地Agent 日常办公+任务管理 代码编辑+AI辅助
接入平台 12+聊天平台 企业微信为主 桌面客户端
是否需要公网IP 大部分不需要 需要 不需要

简单说:cc-connect 专注一件事——让你在聊天软件里操控 AI 编程助手。 不做别的,就做这一件事,做得很轻很稳。

我的使用建议

如果你是独立开发者或小团队,我建议这么用:

  1. 日常开发用 auto 模式,让 Agent 自己判断权限
  2. 赶 Deadline 用 yolo 模式,但限制只有管理员能用
  3. Code Review 用 plan 模式,先看思路再决定
  4. 配一个便宜的 API 中转,比直连 Anthropic 便宜不少
  5. 把常用操作做成自定义命令,放在 ~/.claude/commands/custom/ 目录

总结

cc-connect 解决了一个很实际的问题:你不需要一直坐在电脑前才能让 AI 帮你写代码。

地铁上、咖啡馆里、甚至躺在被窝里,打开企业微信或 Telegram,给你的 AI Agent 发条消息就行。

它开源、免费、轻量、支持多平台。如果你在用 Claude Code 或者任何 AI 编程助手,值得试一下。

项目地址github.com/chenhg5/cc-connect

有问题可以在评论区聊,或者直接去 GitHub 提 Issue。

Views: 60

WaveTerm:让 AI 编程助手住进你的终端

WaveTerm:让 AI 编程助手住进你的终端

如果你同时在用 Claude Code、Codex、OpenCode 等 AI 编程智能体,一定会遇到一个问题:开了一堆终端窗口,哪个在等输入、哪个跑完了、哪个卡住了,根本分不清。

WaveTerm(Wave Terminal)就是为解决这个问题而生的。它是一个开源的、AI 原生终端,可以在 macOS、Linux 和 Windows 上运行,天然支持多智能体并行工作流。

安装

Windows

从 GitHub Releases 页面下载安装包:

https://github.com/wavetermdev/waveterm/releases

下载 .exe 安装包,双击安装即可。

macOS

brew install --cask waveterm

Linux

# Debian/Ubuntu
sudo dpkg -i waveterm_*.deb

# Fedora
sudo rpm -i waveterm_*.rpm

Windows 用户必做:设置 Git Bash

Windows 上 WaveTerm 默认使用 PowerShell。如果你习惯 Git Bash(大部分 AI 智能体的脚本都基于 bash),需要手动配置:

wsh setconfig term:gitbashpath="C:\Program Files\Git\bin\bash.exe"

这个命令告诉 WaveTerm 用 Git Bash 替代默认 Shell。如果你的 Git 安装路径不同,改成对应的路径即可。

验证是否生效:重启 WaveTerm,在终端里输入 echo $SHELL,如果输出包含 bash 就说明配置成功。

wsh 命令速查

wsh 是 WaveTerm 的核心命令行工具,能让你的终端命令和 Wave 的图形界面互相通信。以下是常用命令:

配置管理

# 设置配置项
wsh setconfig <key>="<value>"

# 编辑配置文件(用内置编辑器打开)
wsh editconfig

# 查看当前主题
wsh setconfig term:theme

常用配置项:

配置键 说明 示例
term:gitbashpath Windows Git Bash 路径 "C:\\Program Files\\Git\\bin\\bash.exe"
term:theme 终端主题 dracula, default-dark
waveai:defaultmode AI 默认模式 "my-proxy"
waveai:showcloudmodes 是否显示云端模式 false

文件操作

# 在编辑器中打开文件
wsh edit <filepath>

# 查看文件信息
wsh file info <filepath>

# 读写文件
wsh file cat <filepath>
wsh file write <filepath> "内容"

# 远程文件操作(在远程机器上访问本地文件)
wsh file cat wsh://local/~/config/app.json

界面控制

# 设置当前 block 的背景图
wsh setbg <image_url_or_path>

# 设置 Tab 徽章(Badge)
wsh badge <icon> --color '<color>' --priority <num> [--beep]

# 清除徽章
wsh badge clear

# 发送系统通知
wsh notify "任务完成!"

Block 管理

# 在新 block 中运行命令(完成后自动关闭)
wsh run <command>

# 删除当前 block
wsh deleteblock

# 列出所有 blocks
wsh blocks list

连接管理

# SSH 连接
wsh ssh user@hostname

# WSL 连接(Windows)
wsh wsl

# 查看连接状态
wsh conn status

其他实用命令

# 设置/获取变量
wsh setvar <key> "<value>"
wsh getvar <key>

# 获取 Wave 安装路径
wsh wavepath

# 重新安装 wsh 扩展
wsh reinstall

结合 Claude Code 使用

这是 WaveTerm 最强大的场景。当你在 WaveTerm 中并行跑多个 Claude Code 会话时,WaveTerm 的 Badge 系统可以让你一眼看出哪个会话需要关注。

配置 Tab Badge

编辑 ~/.claude/settings.json,添加 hooks:

{
  "hooks": {
    "Notification": [
      {
        "matcher": "permission_prompt",
        "hooks": [
          {
            "type": "command",
            "command": "wsh badge bell-exclamation --color '#e0b956' --priority 20 --beep"
          }
        ]
      },
      {
        "matcher": "elicitation_dialog",
        "hooks": [
          {
            "type": "command",
            "command": "wsh badge message-question --color '#e0b956' --priority 20 --beep"
          }
        ]
      }
    ],
    "Stop": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "wsh badge check --color '#58c142' --priority 10"
          }
        ]
      }
    ],
    "PreToolUse": [
      {
        "matcher": "AskUserQuestion",
        "hooks": [
          {
            "type": "command",
            "command": "wsh badge message-question --color '#e0b956' --priority 20 --beep"
          }
        ]
      }
    ]
  }
}

配置完成后效果:

事件 Badge 图标 颜色 优先级 含义
需要权限审批 bell-exclamation 金色 20 Claude Code 在等你批准操作
询问用户 message-question 金色 20 Claude Code 在等你回答问题
会话完成 check 绿色 10 任务跑完了

当你在 WaveTerm 中开了 5 个 Claude Code Tab,一眼就能看到:

  • 金色感叹号 = 快去看看,卡住了
  • 绿色勾 = 已完成,有空再看
  • 什么都没有 = 还在跑,不用管

Badge 在你点击进入 Tab 后自动清除,纯粹的"提醒"信号。

自定义更多 Badge

你可以为任何 Claude Code 工具添加 Badge 提示:

{
  "matcher": "Bash",
  "hooks": [
    {
      "type": "command",
      "command": "wsh badge spinner --color '#00FFDB' --priority 5"
    }
  ]
}

可用的图标名来自 Font Awesome(去掉 fa- 前缀),颜色支持任何 CSS 颜色值。

结合 OpenAI Codex 使用

OpenAI Codex 同样是终端内运行的 AI 智能体,在 WaveTerm 中使用时可以:

# 在 WaveTerm 中直接启动 Codex
codex "帮我重构这个函数"

如果你同时跑 Claude Code 和 Codex,建议在 WaveTerm 中分不同 Tab 组织:

  • Tab 1: Claude Code(前端开发)
  • Tab 2: Codex(后端开发)
  • Tab 3: 测试/构建

每个 Tab 独立运行,互不干扰。

结合 OpenCode 使用

OpenCode 是另一个流行的终端 AI 工具,同样可以在 WaveTerm 中运行:

# 启动 OpenCode
opencode

# 或指定模型
opencode run "分析这段代码的性能问题" --model zhipuai-coding-plan/glm-4.7

多智能体并行工作流实战

场景:同时用 3 个智能体开发一个功能

  1. Tab 1 — Claude Code 做前端 UI
claude "实现用户登录页面,使用 React + TailwindCSS"
  1. Tab 2 — Codex 写后端 API
codex "创建 POST /api/login 接口,JWT 认证"
  1. Tab 3 — OpenCode 做代码审查
opencode run "审查 src/auth/ 目录下的所有文件,输出安全风险报告"

在 WaveTerm 中,三个 Tab 并行运行。Badge 系统让你随时知道谁在等你、谁完成了。点击有金色 Badge 的 Tab 处理完,继续做别的事。

高级技巧

远程开发:用 wsh ssh 连接远程服务器,在远程机器上运行 AI 智能体,同时 Badge 依然在本地显示。

# 连接远程服务器
wsh ssh user@your-server

# 在远程服务器上运行 Claude Code
claude "部署这个应用到 Kubernetes"

文件桥接:在远程机器上访问本地文件:

# 远程机器上读取本地配置
wsh file cat wsh://local/~/project/config.yaml

自动通知:长时间任务完成后通知你:

# 在智能体命令后面追加通知
claude "跑完整测试套件" && wsh notify "测试完成!"

常见问题

Q: Windows 上打开 WaveTerm 闪退?

检查 Git Bash 路径是否正确:

wsh setconfig term:gitbashpath="C:\Program Files\Git\bin\bash.exe"

Q: Claude Code Badge 不显示?

确认 ~/.claude/settings.json 中的 hooks 格式正确,然后重启 Claude Code 会话。

Q: 主题怎么换?

# 切换 Dracula 主题
wsh setconfig term:theme dracula

# 恢复默认
wsh setconfig term:theme default-dark

Q: 如何配置 AI 模型?

# 使用自定义 OpenAI 兼容 API
wsh setconfig waveai:defaultmode="my-proxy"

# 隐藏官方云端模式(只用自建 API)
wsh setconfig waveai:showcloudmodes=false

然后用 wsh editconfig 打开配置文件,编辑 API 地址和密钥。

总结

WaveTerm 的核心价值:

  • 多智能体并行:一个窗口管理 Claude Code、Codex、OpenCode 等多个 AI 助手
  • Badge 通知系统:一眼看出哪个智能体在等你,不用逐个切换检查
  • wsh 命令体系:打通终端命令和图形界面,文件桥接、远程操作一体化
  • 开源免费:跨平台,支持 macOS、Linux、Windows

如果你每天都在和多个 AI 编程助手打交道,WaveTerm 值得一试。

项目地址:https://github.com/wavetermdev/waveterm
官方文档:https://docs.waveterm.dev

Views: 52

告别 Vibe Coding:Claude Code + OpenSpec + Superpowers 工程化 AI 编程实战

告别 Vibe Coding:Claude Code + OpenSpec + Superpowers 工程化 AI 编程实战

AI 编程工具正在经历从"玩具"到"工程工具"的质变。很多人用 Claude Code 写代码,感觉就是在"凭感觉编程"(Vibe Coding)——代码能跑,但质量全看运气。问题不在工具,而在工作流。

今天介绍一套经过实战验证的组合:Claude Code + OpenSpec + Superpowers,把 AI 编程从"看心情"变成"真工程"。

三件套各自的角色

在建筑行业,盖一栋楼需要三种人:建筑师画蓝图、工程师施工、监理盯质量。AI 编程也一样。

OpenSpec — 建筑师(定义做什么)

OpenSpec 解决的是"AI 不知道你要什么"的问题。它不是简单的需求文档,而是一套结构化的项目规范体系:

  • API 文档(接口长什么样)
  • 架构决策记录 ADR(为什么选这个方案不选那个)
  • 任务列表(先做什么后做什么)

核心思路:先写规范,再写代码。这不是什么新概念,但 AI 编程时代很多人跳过了这一步,直接让 AI 写代码,结果就是反复返工。

Claude Code — 工程师(负责实现)

Claude Code 的角色就是你的搭档工程师。它根据 OpenSpec 定义的规范来编码,不是凭空想象。它能理解整个项目框架,支持代码补全、重构、复杂结构分析。

关键是:有了规范约束,Claude Code 的输出质量会显著提升。 没有规范的 AI 编程就像没有设计图的施工队,想一出是一出。

Superpowers — 监理(保证质量)

Superpowers 是 Claude Code 的技能插件,提供质量保障能力:

  • 测试驱动开发(TDD)
  • 代码审查
  • 风格一致性验证
  • 性能调优建议

代价是会增加 Token 消耗,但这笔投入换来的是可维护的代码。想想看,你是愿意多花 20% 的 Token,还是愿意花 3 个小时 debug AI 写出来的面条代码?

五步落地流程

第一步:安装 Claude Code

macOS / Linux:

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex

安装后运行 claude 验证并登录。

第二步:安装 OpenSpec 和 Superpowers

OpenSpec 是独立命令行工具,在本地终端安装:

npm install -g @fission-ai/openspec@latest

Superpowers 是 Claude Code 插件,在 Claude Code 交互界面中安装:

/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

安装后重启 Claude Code。

第三步:项目初始化

进入项目目录,运行初始化:

cd /path/to/your-project
openspec init

初始化向导会引导你配置,关键步骤:

  • 集成工具选择 Claude Code
  • 按提示复制初始化提示词到 Claude Code 粘贴

完成后项目会生成:

  • openspec/ 目录(规范文件)
  • AGENT.md(AI 行为指引)
  • CLAUDE.md(Claude Code 配置)

第四步:OpenSpec 工作流

OpenSpec 定义了标准化的三阶段工作流:

阶段一:提案(propose)

/opsx:propose add-dark-mode

AI 会自动生成:

  • proposal.md — 提案概要
  • specs/ — 详细规格
  • design.md — 设计方案
  • tasks.md — 任务分解

每个任务都有明确的输入、输出和验收标准。

阶段二:实施(apply)

/opsx:apply

Claude Code 按照 tasks.md 逐步执行,每完成一个里程碑更新状态。

阶段三:归档(archive)

/opsx:archive

将完成的变更归档到 openspec/changes/archive/,更新文档,保持项目整洁。

第五步:Superpowers 质量保障

在实施阶段,通过 Superpowers 触发质量检查:

/openspec:apply

这会启动 Superpowers 的自动化工作流,包括代码审查、测试验证、风格检查等。

和纯 Vibe Coding 的对比

维度 Vibe Coding OpenSpec 工作流
需求定义 口头描述,模糊 结构化文档,精确
代码质量 看运气 TDD + 自动审查
可追溯性 没有 ADR + 任务记录
团队协作 难以复现 规范即文档
返工率
Token 消耗 看似少,实际多(反复修改) 看似多,实际少(一次做对)

这套方案适合谁

适合:

  • 需要交付可维护代码的项目
  • 团队协作(规范文档就是最好的沟通工具)
  • 长期迭代的项目(每次变更有记录)

暂时不需要:

  • 一次性脚本
  • 快速原型验证
  • 学习阶段的练手项目

我的补充思考

OpenSpec 的核心价值不是工具本身,而是强制你先想清楚再动手。这一点和传统的软件工程方法论一脉相承——需求分析、设计、编码、测试,AI 只是加速了每个环节,但没有跳过任何一步。

Superpowers 的质量保障能力确实会增加 Token 消耗,但这是值得的投资。AI 编程最大的成本不是 Token 费,而是你花在修复 AI 生成低质量代码上的时间。

最后,这套工作流还在快速演进中。OpenSpec 和 Superpowers 都在积极迭代,建议关注官方更新,及时升级。

工具链接:

Views: 81

GitHub日榜第一的Skills神库:Matt Pocock如何用70行文件重塑AI编程纪律

GitHub 日榜第一的 Skills 神库:Matt Pocock 如何用 70 行文件重塑 AI 编程纪律

一个 TypeScript 圈的大佬,把自己每天用的 AI 编程技能包开源了,一周登顶 GitHub Trending。这不是框架,不是库,是一套经过实战检验的工程方法论。

这是什么

mattpocock/skills 是 TypeScript 社区知名开发者 Matt Pocock 开源的 Agent Skills 集合。目前 23,000+ Star,4/27 登顶 GitHub 热榜日榜第一。

它的定位很明确:Skills for Real Engineers, Not Vibe Coding(给真正的工程师用,不是玩票)。

核心理念是把软件工程几十年的最佳实践——TDD、领域驱动设计、架构重构——封装成 AI Agent 可以直接使用的技能包。每个 Skill 就是一个 Markdown 文件,描述了特定工程场景下的工作流程。

为什么火

三个原因:

1. 切中痛点。 AI 编程工具(Claude Code、Codex、Cursor)写代码很快,但质量参差不齐。常见的失败模式是:你以为 AI 懂你要什么,结果做出来完全不对。这些 Skills 就是解决"对齐"问题的。

2. 不夺权。 市面上的 GSD、BMAD、Spec-Kit 等方案试图接管整个流程,但这样你就失去了控制力。Matt 的 Skills 是"小而美"的,每个只解决一个问题,你可以自由组合。

3. 深度工程思维。 每个 Skill 背后都有经典工程书籍的支撑——《程序员修炼之道》《领域驱动设计》《软件设计哲学》《极限编程》。这不是拍脑袋想出来的。

核心 Skills 详解

整个仓库分为两大类:工程技能和通用工具。

/grill-with-docs — 最强技能

这是 Matt 自己说的"可能是本仓库最酷的技术"。

它的作用是在你动手之前,让 AI 对你的计划进行一轮"灵魂拷问":

  • 一个一个地提问,不批量轰炸
  • 能通过探索代码库回答的问题,AI 自己去查
  • 术语冲突时立刻指出:"你的 CONTEXT.md 定义 'cancellation' 为 X,但你刚才说的是 Y——到底是哪个?"
  • 当术语不够精确时,主动提出更好的词:"你说 'account',是指 Customer 还是 User?这是两个不同的概念"
  • 每确定一个术语就实时更新 CONTEXT.md

这个过程同时完成了两件事:统一语言对齐需求。对齐之后,后续所有对话都建立在精确术语之上,AI 生成代码的准确度显著提升。

/tdd — 测试驱动开发

不是简单的"先写测试再写代码"。这个 Skill 强调垂直切片

错误做法(水平切片):
RED: test1, test2, test3, test4, test5
GREEN: impl1, impl2, impl3, impl4, impl5

正确做法(垂直切片):
RED→GREEN: test1→impl1
RED→GREEN: test2→impl2
RED→GREEN: test3→impl3

水平切片的问题在于:批量写测试时你还不理解实现的细节,测试的是"想象中的行为"而非"真实的行为"。垂直切片则是一发一中的追踪弹——每次写一个测试,立刻实现,从上一轮学到的东西指导下一轮。

/to-prd 和 /to-issues — 需求拆解

/to-prd 把对话上下文直接合成 PRD(产品需求文档),提交为 GitHub Issue。不需要额外面试,直接把你们讨论的内容结构化。

/to-issues 则把 PRD 拆成独立可抓取的 GitHub Issues,使用垂直切片(Vertical Slices)的方式组织。

/triage — 问题分诊

通过状态机对 Bug 进行分角色诊断,自动化了"这个问题应该谁来处理"的决策流程。

/improve-codebase-architecture — 架构抢救

AI 加速了编码,但也加速了软件熵增。这个 Skill 帮你找出代码库中"深层化"的机会——把复杂逻辑藏到简单接口后面。Matt 建议每几天跑一次。

/diagnose — 纪律化调试

不是随意 print 调试,而是严格的循环:复现 → 最小化 → 假设 → 埋点 → 修复 → 回归测试。

/zoom-out — 退一步看全局

让 AI 跳出当前代码片段,在系统全局的视角下解释代码。防止 AI 在局部打补丁而忽略整体设计。

如何安装使用

一条命令搞定:

npx skills@latest add mattpocock/skills

然后选择你需要的 Skills 和目标 AI 编程工具(Claude Code、Codex 等)。

首次使用需要运行 /setup-matt-pocock-skills,它会:

  1. 问你用什么 Issue Tracker(GitHub、Linear 或本地文件)
  2. 问你用什么标签来分诊 Issue
  3. 问你文档存放在哪里
  4. 自动创建 CONTEXT.md 和 docs/adr/ 目录结构

之后在对话中直接用 /grill-me/tdd 等命令调用对应 Skill。

背后的设计哲学

Matt 在 README 里引用了四本经典工程书籍,对应四个核心问题:

问题 引用 解决方案
需求不对齐 《程序员修炼术》"没人知道自己到底想要什么" /grill-me, /grill-with-docs
语言不统一 《领域驱动设计》"通用语言" CONTEXT.md + ADR
反馈太慢 《程序员修炼之道》"反馈速率是你的限速" /tdd 红绿循环
架构腐化 《软件设计哲学》"最好的模块是深的" /improve-codebase-architecture

这不是巧合——每个 Skill 都是某个经典工程原则的 AI 时代版本。

应用价值

对个人开发者: 如果你用 Claude Code 或类似工具写代码,这套 Skills 能让你的 AI 编程从"凭感觉"变成"有纪律"。特别是 /grill-with-docs,能让 AI 对需求的理解准确度上一个台阶。

对团队: CONTEXT.md 和 ADR(架构决策记录)天然适合团队协作。统一的领域语言减少了沟通成本,AI 生成的代码也更容易保持一致性。

对 AI 应用开发者: 这个仓库是"如何设计好的 Agent Skills"的活教材。每个 Skill 都是:单一职责、可组合、基于工程最佳实践、不绑定特定模型。如果你在设计自己的 Agent 系统的技能框架,值得逐个研读。

值得注意的细节

  • disable-model-invocation: true — 某些 Skill 禁止 AI 调用外部工具,确保它只做文档和对话层面的工作
  • Skills 不绑定特定模型,Claude、GPT、Gemini 都能用
  • 整个安装流程用 npx 一键完成,零配置
  • CONTEXT.md 的设计借鉴了 DDD 的通用语言(Ubiquitous Language),但做了极简化

总结

Matt Pocock 的 Skills 仓库之所以能登顶 GitHub,不是因为它多复杂——恰恰是因为它足够简单。它没有发明新的概念,而是把软件工程几十年验证过的最佳实践,用 AI Agent 能理解的格式重新表达了一遍。

在 AI 编程工具遍地走的时代,真正稀缺的不是"AI 能写多快的代码",而是"怎么确保 AI 写的是对的代码"。这个仓库给出了一个务实的答案。


项目地址: github.com/mattpocock/skills

Matt Pocock 的 Newsletter: aihero.dev(60,000+ 订阅者)

Views: 75

Index