交互式需求发现:从模糊想法到具体规范

交互式需求发现:从模糊想法到具体规范

让 AI 成为你最好的需求分析师

前言

在实际项目中,很多需求一开始都是模糊的:

  • "我想做一个 AI 驱动的项目管理工具"
  • "需要加一个实时协作功能"
  • "我们要做一个数据分析平台"

传统的需求分析依赖人工,耗时长、易遗漏。而 AI 辅助的交互式需求发现,可以把这个过程从"几天"缩短到"几小时"。

本文将建立一套标准化的 AI 需求发现工作流,让你的需求分析从"碰运气"变成"可工程化"。


一、什么是交互式需求发现?

1.1 传统需求分析 vs AI 辅助需求发现

对比维度 传统需求分析 AI 辅助需求发现
时间 数天到数周 数小时到一天
成本 高(人力密集) 低(AI 自动化)
质量 依赖经验 系统性覆盖
一致性 因人而异 标准化流程
迭代 困难 快速迭代

1.2 核心理念:苏格拉底式对话

原则

  • 不直接给答案,而是问问题
  • 通过系统性提问引导用户思考
  • 渐进式发现隐藏需求

示例

用户:我想做一个项目管理工具

AI(❌ 错误):好的,我来设计一个项目管理工具...
   [直接跳到实现]

AI(✅ 正确):明白了。让我问几个问题帮助理清需求:
   1. 这个工具主要解决什么问题?
   2. 目标用户是谁?(个人、小团队、企业)
   3. 需要管理什么类型的项目?(软件开发、市场营销、通用)
   4. 是否需要实时协作功能?
   5. 数据安全性要求如何?

1.3 工作流程总览

模糊想法
   ↓
[探索阶段] 苏格拉底式对话
   ↓
[分析阶段] 多角色专业分析
   ↓
[验证阶段] 可行性评估
   ↓
[规范生成] 需求文档
   ↓
[移交阶段] 可执行简报
   ↓
具体规范

二、实际操作指南

2.1 触发方式

方式1:命令行触发

/sc:brainstorm "AI 驱动的项目管理工具" --strategy systematic --depth deep

参数说明

  • --strategy systematic|agile|enterprise:策略模式

    • systematic:系统性探索(适合复杂项目)
    • agile:敏捷探索(快速迭代)
    • enterprise:企业级探索(强调安全、合规)
  • --depth shallow|normal|deep:探索深度

    • shallow:浅层探索(1-2 轮对话)
    • normal:正常探索(3-5 轮对话)
    • deep:深度探索(5+ 轮对话)
  • --parallel:并行探索(多角色同时分析)


方式2:自然语言触发

用户:我想做一个项目管理工具,但不确定具体功能
AI:好的,让我们一起来探索这个想法...

[自动进入 brainstorm 模式]

2.2 分阶段操作指南

阶段1:探索阶段(Explore)

目标:通过系统性提问理清需求

操作步骤

  1. 启动探索

    用户:/sc:brainstorm "AI 驱动的项目管理工具"
    
    AI:好的,让我们开始探索这个想法。首先,我需要了解:
    
    【核心问题】
    1. 这个工具主要解决什么问题?
      - 任务跟踪混乱?
      - 团队协作困难?
      - 进度可视性差?
    
    2. 目标用户是谁?
      - 个人开发者
      - 小团队(5-20 人)
      - 中型企业(20-200 人)
      - 大型企业(200+ 人)
    
    请选择或补充你的想法。
  2. 用户回答

    用户:主要解决团队协作困难,目标用户是小团队(5-20 人)
  3. 渐进式深入

    AI:明白了。针对小团队的协作问题,让我进一步了解:
    
    【协作场景】
    1. 团队成员如何分配任务?
      - 手动分配
      - 自动匹配技能
      - AI 智能推荐
    
    2. 需要哪些协作功能?
      - 实时聊天
      - 文件共享
      - 任务评论
      - 视频会议
    
    3. 是否需要移动端支持?
    
    请告诉我你的偏好。
  4. 记录关键信息

    # 探索记录
    
    ## 核心需求
    - 解决团队协作困难
    - 目标用户:小团队(5-20 人)
    
    ## 协作需求
    - 任务分配:AI 智能推荐
    - 协作功能:实时聊天、任务评论
    - 移动端:需要
    
    ## 待确认
    - 视频会议是否需要?
    - 文件共享的具体需求?

阶段2:分析阶段(Analyze)

目标:多角色专业分析

角色分工

角色 职责 关注点
架构师 系统设计 技术可行性、架构模式
分析师 可行性研究 成本效益、市场分析
前端 UI/UX 分析 用户体验、交互设计
后端 技术实现 数据结构、API 设计
安全 安全合规 数据安全、权限管理

操作示例

AI:基于你的需求,我协调了多个角色进行分析:

【架构师分析】
- 推荐架构:前后端分离 + WebSocket 实时通信
- 技术栈建议:React + Node.js + PostgreSQL
- 理由:成熟稳定、开发效率高、适合小团队

【前端分析】
- UI 风格:简洁现代、移动端优先
- 关键页面:任务看板、团队聊天、日程视图
- 交互重点:实时更新、拖拽操作

【后端分析】
- 数据模型:用户、任务、团队、消息
- API 设计:RESTful + GraphQL(可选)
- 性能要求:支持 100 并发用户

【安全分析】
- 认证方式:JWT + Refresh Token
- 权限控制:基于角色的访问控制(RBAC)
- 数据加密:传输层 TLS + 存储层加密

【分析师建议】
- 市场定位:小型敏捷团队
- 竞品分析:Notion、Trello、Asana
- 差异化:AI 智能任务分配 + 实时协作

你觉得这个分析方向对吗?有需要调整的地方吗?

阶段3:验证阶段(Validate)

目标:可行性评估和需求验证

验证清单

# 可行性验证清单

## 技术可行性
- [ ] 技术栈成熟稳定?✅
- [ ] 开发团队有相关经验?✅
- [ ] 第三方依赖可控?✅
- [ ] 性能要求可达成?✅

## 业务可行性
- [ ] 市场需求真实存在?✅
- [ ] 差异化竞争力明显?⚠️(需要强化 AI 功能)
- [ ] 商业模式可行?✅
- [ ] ROI 预期合理?✅

## 资源可行性
- [ ] 开发时间充足?✅(3 个月)
- [ ] 人力资源足够?⚠️(需要 1 个前端 + 1 个后端)
- [ ] 预算可控?✅

## 风险评估
| 风险项 | 影响 | 概率 | 缓解措施 |
|--------|------|------|----------|
| AI 功能不达预期 | 高 | 中 | 先做 MVP,逐步优化 |
| 竞品快速跟进 | 中 | 高 | 持续迭代,强化差异化 |
| 团队协作复杂 | 中 | 低 | 采用敏捷开发 |

操作示例

AI:我整理了可行性验证报告:

✅ 技术可行:技术栈成熟,风险可控
⚠️ 竞争激烈:需要强化 AI 功能差异化
⚠️ 人力需求:需要 2 个全职开发人员

【建议】
1. 先做 MVP(最小可行产品),验证市场需求
2. 重点打磨 AI 任务分配功能
3. 采用敏捷开发,2 周一个迭代

你觉得这个方向可行吗?还是需要调整?

阶段4:规范生成(Generate)

目标:生成完整的需求文档

需求文档模板

# 项目需求文档

## 1. 项目概述

### 1.1 项目背景
- **问题**:小团队协作困难,任务分配低效
- **目标**:构建 AI 驱动的项目管理工具
- **价值**:提升团队协作效率 30%

### 1.2 目标用户
- **主要用户**:小型敏捷团队(5-20 人)
- **次要用户**:中型团队(20-50 人)
- **用户画像**:
  - 项目经理:需要实时查看进度
  - 团队成员:需要接收任务、更新状态
  - 团队领导:需要数据分析、团队管理

---

## 2. 功能需求

### 2.1 核心功能

#### 功能1:AI 智能任务分配
**优先级**:P0  
**描述**:基于成员技能、工作负载、历史表现智能分配任务

**用户故事**:

作为一个项目经理,
我想要系统自动推荐最佳的任务分配方案,
以便提高团队效率,减少人工决策。


**验收标准**:
- ✅ 系统能识别成员技能标签
- ✅ 能计算成员当前工作负载
- ✅ 能推荐 Top 3 候选人
- ✅ 支持人工调整

---

#### 功能2:实时协作
**优先级**:P0  
**描述**:团队成员实时聊天、任务评论、文件共享

**用户故事**:

作为一个团队成员,
我想要在任务下直接评论和讨论,
以便快速沟通,避免信息分散。


**验收标准**:
- ✅ 支持实时消息推送(< 1 秒延迟)
- ✅ 支持富文本、表情、@提及
- ✅ 支持文件附件(≤ 10MB)
- ✅ 历史消息可检索

---

### 2.2 辅助功能

#### 功能3:看板视图
**优先级**:P1  
**描述**:可视化任务流转

**用户故事**:

作为一个项目经理,
我想要在看板视图中拖拽任务卡片,
以便直观管理任务状态。


---

## 3. 非功能需求

### 3.1 性能需求
- **响应时间**:页面加载 < 2 秒,操作响应 < 500ms
- **并发能力**:支持 100 并发用户
- **数据处理**:单团队支持 1000+ 任务

### 3.2 安全需求
- **认证**:JWT + Refresh Token
- **授权**:基于角色的访问控制(RBAC)
- **数据加密**:传输层 TLS 1.3,存储层 AES-256
- **合规**:符合 GDPR(如有欧洲用户)

### 3.3 可用性需求
- **可用性**:99.5% SLA
- **备份**:每日自动备份
- **恢复**:RTO < 4 小时,RPO < 1 小时

### 3.4 兼容性需求
- **浏览器**:Chrome 90+, Firefox 88+, Safari 14+
- **移动端**:iOS 14+, Android 10+
- **屏幕**:响应式设计,支持 320px-1920px

---

## 4. 用户故事

### 故事1:任务创建与分配

作为项目经理,
我想要快速创建任务并分配给团队成员,
以便推进项目进度。

验收标准:
✅ 能设置任务标题、描述、截止时间
✅ 能指定负责人、协作者
✅ 能设置优先级、标签
✅ 能附加文件、链接


### 故事2:进度追踪

作为项目经理,
我想要查看团队整体进度和个人工作负载,
以便及时调整资源分配。

验收标准:
✅ 看板视图显示任务流转
✅ 燃尽图显示项目进度
✅ 成员工作负载可视化
✅ 支持导出报告


---

## 5. 开放问题

### 待确认问题
1. **视频会议功能**:是否需要集成?(建议:第二期)
2. **第三方集成**:需要集成哪些工具?(Slack、GitHub、Jira?)
3. **离线支持**:是否需要离线模式?(技术复杂度高)
4. **AI 模型选择**:自研还是使用第三方 API?
5. **定价策略**:免费版功能范围?付费版定价?

### 风险项
1. **AI 功能效果**:智能分配是否真的有效?(建议:先做 MVP 验证)
2. **竞品压力**:Notion、Trello 功能已经很强大
3. **用户习惯**:团队是否愿意改变现有工具?

---

## 6. 下一步计划

### 6.1 立即行动
- [ ] 确认核心功能优先级
- [ ] 选择技术栈(React + Node.js + PostgreSQL)
- [ ] 设计数据库 Schema
- [ ] 绘制 UI 原型

### 6.2 后续工作
- [ ] 使用 <code>/sc:design 进行架构设计
- [ ] 使用 /sc:workflow 制定实施计划
- [ ] 使用 /sc:implement 开始编码

---

**文档版本**:v1.0  
**创建日期**:2026-03-31  
**作者**:AI 辅助需求发现

阶段5:移交阶段(Handover)

目标:创建可执行的简报,为实施做准备

移交清单

# 项目移交清单

## ✅ 已完成
- [x] 需求探索完成
- [x] 多角色分析完成
- [x] 可行性验证通过
- [x] 需求文档生成
- [x] 开放问题记录

## 📋 交付物
- [x] 需求文档(REQ-20260331-001.md)
- [x] 用户故事清单(USER-STORIES.md)
- [x] 风险评估报告(RISK-ASSESSMENT.md)
- [x] 技术栈建议(TECH-STACK.md)

## 🔄 下一步
- [ ] 使用 <code>/sc:design 进行架构设计
- [ ] 使用 /sc:workflow 制定实施计划
- [ ] 使用 /sc:implement 开始编码

## 👥 相关人员
- **需求负责人**:张三
- **技术负责人**:李四
- **项目经理**:王五

## 📅 时间线
- **需求冻结**:2026-04-07
- **架构设计完成**:2026-04-14
- **开发启动**:2026-04-21

三、MCP 工具集成

3.1 核心工具

1. Sequential Thinking MCP

用途:系统性探索和复杂推理

应用场景

  • 多步骤需求分析
  • 复杂业务逻辑推理
  • 风险评估和决策

使用示例

// 使用 Sequential Thinking 进行需求分析
const analysis = await sequentialThinking.analyze({
  problem: "小团队协作困难",
  steps: [
    "识别核心问题",
    "分析根本原因",
    "探索解决方案",
    "评估可行性",
    "生成建议"
  ]
});

2. Context7 MCP

用途:框架特定的可行性评估

应用场景

  • 技术选型分析
  • 框架对比评估
  • 架构模式推荐

使用示例

// 使用 Context7 进行技术栈评估
const techStack = await context7.evaluate({
  requirements: {
    performance: "high",
    scalability: "medium",
    teamSize: "small"
  },
  frameworks: ["React", "Vue", "Angular"]
});

3. Magic MCP

用途:UI/UX 可行性分析

应用场景

  • 用户界面设计评估
  • 交互模式分析
  • 设计系统集成

使用示例

// 使用 Magic 进行 UI 可行性分析
const uiAnalysis = await magic.analyzeUI({
  userStory: "任务看板拖拽操作",
  targetUsers: "项目经理",
  devices: ["desktop", "mobile"]
});

4. Playwright MCP

用途:用户体验验证

应用场景

  • 交互流程测试
  • 用户体验验证
  • 可用性测试

使用示例

// 使用 Playwright 验证用户流程
const uxTest = await playwright.testFlow({
  flow: ["登录", "创建任务", "分配任务", "查看进度"],
  metrics: ["完成时间", "错误率", "满意度"]
});

5. Serena MCP

用途:跨会话持久化

应用场景

  • 需求文档存储
  • 项目上下文管理
  • 跨会话记忆

使用示例

// 使用 Serena 保存需求文档
await serena.save({
  projectId: "project-001",
  document: "requirements.md",
  content: requirementsDoc
});

// 跨会话加载
const savedDoc = await serena.load({
  projectId: "project-001",
  document: "requirements.md"
});

3.2 工具协调策略

策略1:串行执行(Sequential)

适用场景:复杂需求,需要逐步深入

Step 1: Sequential Thinking - 需求分析
   ↓
Step 2: Context7 - 技术评估
   ↓
Step 3: Magic - UI 分析
   ↓
Step 4: Playwright - UX 验证
   ↓
Step 5: Serena - 持久化存储

策略2:并行执行(Parallel)

适用场景:多维度分析,提高效率

┌─────────────────────────────────────┐
│  多角色并行分析                      │
├─────────────────────────────────────┤
│  ┌───────────┐  ┌───────────┐       │
│  │ 架构师    │  │ 分析师    │       │
│  │Context7   │  │Sequential │       │
│  └───────────┘  └───────────┘       │
│  ┌───────────┐  ┌───────────┐       │
│  │ 前端      │  │ 安全      │       │
│  │ Magic     │  │ Sequential│       │
│  └───────────┘  └───────────┘       │
└─────────────────────────────────────┘

四、实战案例分析

案例1:AI 驱动的项目管理工具

项目背景

  • 客户:小型科技公司(20 人)
  • 痛点:团队协作困难,任务分配低效
  • 目标:构建 AI 驱动的项目管理工具

Step 1:启动探索

用户:/sc:brainstorm "AI 驱动的项目管理工具" --strategy systematic --depth deep

AI:好的,让我们开始系统性探索。

【第一轮:核心定位】
1. 主要解决什么问题?
   - 任务分配低效?
   - 进度跟踪困难?
   - 团队沟通不畅?

2. 目标用户规模?
   - 小团队(5-20 人)
   - 中型团队(20-100 人)
   - 大型团队(100+ 人)

3. AI 功能预期?
   - 智能任务分配
   - 进度预测
   - 风险预警

Step 2:深入分析

用户:主要解决任务分配低效,目标用户是 20 人的小团队,需要智能任务分配

AI:明白了。让我协调多个角色进行深入分析:

【架构师】
- 推荐技术栈:React + Node.js + PostgreSQL
- AI 方案:集成 OpenAI API(快速上线)
- 实时通信:WebSocket

【前端】
- 核心页面:任务看板、团队视图、AI 推荐
- 交互重点:拖拽操作、实时更新

【后端】
- 数据模型:用户、任务、技能标签、工作负载
- API 设计:RESTful + WebSocket

【安全】
- 认证:JWT + Refresh Token
- 权限:RBAC
- 数据:TLS + 加密存储

【分析师】
- 市场定位:小型敏捷团队
- 差异化:AI 智能分配(竞品少)
- MVP 建议:先做核心功能,2 个月上线

Step 3:验证可行性

AI:基于分析,我整理了可行性报告:

✅ 技术可行:技术栈成熟,AI API 可直接调用
✅ 市场需求:竞品少,差异化明显
⚠️ 资源需求:需要 2 个开发人员,2 个月

【风险评估】
- AI 效果不达预期(中)→ 先做 MVP 验证
- 用户习惯难改变(中)→ 提供免费试用

【建议】
1. 先做 MVP,验证 AI 分配效果
2. 重点打磨核心功能
3. 快速迭代,每月发布新版本

Step 4:生成需求文档

# AI 项目管理工具需求文档

## 核心功能
1. AI 智能任务分配(P0)
2. 实时协作(P0)
3. 任务看板(P1)
4. 进度追踪(P1)
5. 报表分析(P2)

## 技术栈
- 前端:React 18 + TypeScript + TailwindCSS
- 后端:Node.js 18 + Express + PostgreSQL
- AI:OpenAI GPT-4 API
- 实时:WebSocket (Socket.io)

## 时间线
- Week 1-2:UI 原型 + 数据库设计
- Week 3-6:核心功能开发
- Week 7-8:测试 + 上线

## 下一步
- [ ] 使用 <code>/sc:design 进行架构设计
- [ ] 使用 /sc:workflow 制定详细计划

案例2:实时协作功能

项目背景

  • 客户:在线教育平台
  • 痛点:师生互动性差
  • 目标:添加实时协作功能

启动探索

用户:/sc:brainstorm "实时协作功能" --strategy agile --parallel

AI:好的,启动敏捷探索模式,并行分析:

【并行角色分析】
┌─────────────────┐
│ 前端分析        │
│ - 实时白板      │
│ - 共享编辑器    │
│ - 视频窗口      │
└─────────────────┘
┌─────────────────┐
│ 后端分析        │
│ - WebRTC        │
│ - WebSocket     │
│ - SFU 服务器    │
└─────────────────┘
┌─────────────────┐
│ 安全分析        │
│ - 端到端加密    │
│ - 权限控制      │
│ - 内容审核      │
└─────────────────┘

【综合建议】
- 技术方案:WebRTC(音视频)+ WebSocket(数据)
- 第三方集成:声网 Agora(降低开发难度)
- 安全方案:端到端加密 + 实时审核

五、最佳实践与注意事项

5.1 成功要素

要素1:系统性提问

原则

  • 从宏观到微观
  • 从业务到技术
  • 从现在到未来

示例

❌ 错误:你想要什么功能?
✅ 正确:
   1. 这个项目要解决什么问题?
   2. 目标用户是谁?
   3. 用户现在的痛点是什么?
   4. 你希望用户得到什么价值?

要素2:多角色思维

原则

  • 不同角色看问题角度不同
  • 综合考虑才能全面
  • 避免单一视角盲区

示例

需求:用户登录功能

【安全视角】
- 需要防止暴力破解
- 需要多因素认证

【用户体验视角】
- 登录流程要简单
- 支持第三方登录

【后端视角】
- Session 还是 JWT?
- 如何处理 Token 刷新?

要素3:渐进式深入

原则

  • 不要一次问太多问题
  • 根据回答动态调整
  • 保持对话自然流畅

示例

Round 1: 了解大方向
   "这个工具主要解决什么问题?"

Round 2: 细化需求
   "你提到任务分配,具体是哪种场景?"

Round 3: 技术细节
   "AI 分配算法,你希望基于什么因素?"

5.2 常见陷阱

陷阱1:过早跳到实现

错误

用户:我想做一个项目管理工具
AI:好的,我来设计数据库 Schema...

正确

用户:我想做一个项目管理工具
AI:明白了。让我先了解一些背景信息...
   [先探索,再实现]

陷阱2:忽略非功能需求

错误

只关注功能需求,忘记性能、安全、可用性

正确

【功能需求】
- 任务创建、分配、跟踪

【非功能需求】
- 性能:< 2 秒响应
- 安全:JWT 认证
- 可用性:99.5% SLA

陷阱3:需求镀金

错误

用户:我想要一个简单的登录功能
AI:好的,我来设计多因素认证、生物识别、SSO...

正确

用户:我想要一个简单的登录功能
AI:明白了。是用户名密码登录,还是需要第三方登录?
   [聚焦核心需求,不过度设计]

5.3 文档管理

原则1:版本控制

# 需求文档命名规范
REQ-20260331-001.md  # 日期 + 序号
REQ-20260331-002.md

# 版本记录
## v1.0 (2026-03-31)
- 初始版本

## v1.1 (2026-04-01)
- 新增实时协作功能需求
- 更新非功能需求

原则2:跨会话持久化

// 使用 Serena MCP 持久化
await serena.save({
  projectId: "project-001",
  phase: "brainstorm",
  documents: {
    requirements: "REQ-20260331-001.md",
    userStories: "USER-STORIES.md",
    risks: "RISK-ASSESSMENT.md"
  }
});

// 下次会话加载
const project = await serena.load({
  projectId: "project-001"
});

六、总结与展望

6.1 核心价值

效率提升

  • 传统需求分析:数天到数周
  • AI 辅助需求发现:数小时到一天

质量保证

  • 系统性提问,避免遗漏
  • 多角色分析,全面覆盖
  • 可行性验证,降低风险

标准化

  • 统一的流程和模板
  • 可复用的最佳实践
  • 知识沉淀和传承

6.2 适用场景

场景 推荐策略 探索深度
新产品 systematic deep
功能迭代 agile normal
企业系统 enterprise deep
快速验证 agile shallow
复杂系统 systematic deep

6.3 未来方向

更智能的分析

  • AI 自动识别矛盾需求
  • 智能推荐最佳实践
  • 自动生成技术方案

更好的协作

  • 多人实时协作探索
  • 团队需求评审
  • 自动生成演示文稿

更深的集成

  • 直接对接项目管理工具(Jira、Trello)
  • 自动创建开发任务
  • 持续跟踪需求变更

七、快速参考

7.1 命令速查

# 启动需求发现
/sc:brainstorm "项目想法"

# 系统性探索(复杂项目)
/sc:brainstorm "企业级应用" --strategy systematic --depth deep

# 敏捷探索(快速验证)
/sc:brainstorm "新功能" --strategy agile --depth shallow

# 并行分析(多维度)
/sc:brainstorm "跨平台应用" --parallel

7.2 模板速查

需求文档模板

# 项目需求文档

## 1. 项目概述
- 背景
- 目标
- 价值

## 2. 功能需求
- 核心功能
- 辅助功能

## 3. 非功能需求
- 性能
- 安全
- 可用性

## 4. 用户故事
- 故事1
- 故事2

## 5. 开放问题
- 待确认
- 风险项

7.3 检查清单

# 需求发现检查清单

## 探索阶段
- [ ] 核心问题识别
- [ ] 目标用户定义
- [ ] 业务价值明确

## 分析阶段
- [ ] 多角色分析完成
- [ ] 技术可行性评估
- [ ] 风险识别

## 验证阶段
- [ ] 可行性报告生成
- [ ] 优先级排序
- [ ] MVP 范围确定

## 生成阶段
- [ ] 需求文档完整
- [ ] 用户故事清晰
- [ ] 验收标准明确

## 移交阶段
- [ ] 交付物清单
- [ ] 下一步计划
- [ ] 相关人员确认

作者:PaPaBot
日期:2026-03-31
标签:需求发现、AI 辅助、Brainstorm、MCP

相关文章

Views: 23

VibeCoding 工程规范:标准化 AI 开发流程

VibeCoding 工程规范:标准化 AI 开发流程

让 AI 辅助编程从"野生玩法"进化为"工程实践"

前言

VibeCoding(AI 辅助编程)正在改变我们的开发方式。但是,没有规范的 VibeCoding 就像没有图纸的施工现场——初期看起来很快,后期全是坑。

本文将建立一套标准化的 AI 开发流程,让你的 VibeCoding 从"碰运气"变成"可工程化"。


一、引言:效率幻觉与真实困境

1.1 没有规范的 VibeCoding 三大困境

困境1:效率幻觉

现象

Day 1: 🚀 极速开发,功能快速上线
Day 7: 🐌 遇到 Bug,AI 给出的修复方案互相矛盾
Day 14: 💥 重构噩梦,早期决策导致系统难以扩展

根本原因

  • 没有全局规划,AI 每次都"重新思考"
  • 上下文混乱,早期决策被遗忘
  • 技术债务积累,AI 不断"打补丁"

困境2:团队协作障碍

现象

  • 不同成员用 AI 生成的代码风格完全不同
  • 隐性知识难以传承(为什么这么写?AI 说的...)
  • 代码审查变成"猜谜游戏"

根本原因

  • 缺少统一的规范和约定
  • AI 生成代码缺少注释和文档
  • 决策过程没有记录

困境3:质量失控风险

现象

  • 上下文混乱导致前后代码矛盾
  • 安全漏洞潜伏(SQL 注入、权限绕过)
  • 测试覆盖率低,Bug 频发

根本原因

  • AI 不理解业务安全要求
  • 缺少验证机制和检查清单
  • 一次性生成大量代码,缺少验证

1.2 标准化的必要性

为什么要标准化?

  1. 流程化:建立可落地的规范体系

    • 明确每个阶段的输入和输出
    • 减少返工和技术债务
    • 提高可预测性
  2. 工程化:保障长期价值

    • 团队协作更顺畅
    • 知识可沉淀、可传承
    • 质量可控、风险可管理

二、核心解决方案:三段式框架

2.1 研究阶段(AskMode)

目标:完全理解需求,探索技术方案

方法:纯 Chat 模式,禁止代码生成

核心原则

  • ✅ 问清楚所有需求细节
  • ✅ 探索多种技术方案
  • ✅ 对比方案优劣
  • ❌ 不要让 AI 生成代码

输出物

  1. 需求分析文档

    # 需求分析
    
    ## 核心功能
    - 用户登录/注册
    - 权限管理
    - 数据统计分析
    
    ## 非功能需求
    - 性能:响应时间 < 200ms
    - 安全:符合 OWASP Top 10
    - 可用性:99.9%
    
    ## 约束条件
    - 技术栈:React + Node.js + PostgreSQL
    - 部署环境:Docker + Kubernetes
  2. 技术方案对比表

    # 技术方案对比
    
    | 方案 | 优势 | 劣势 | 推荐指数 |
    |------|------|------|----------|
    | JWT 认证 | 无状态,易扩展 | Token 无法主动失效 | ⭐⭐⭐⭐ |
    | Session 认证 | 易于控制 | 需要共享存储 | ⭐⭐⭐ |
    | OAuth 2.0 | 安全性高 | 实现复杂 | ⭐⭐⭐⭐⭐ |
    
    **最终选择**:JWT + Refresh Token

2.2 规划阶段(PlanMode)

关键任务

  • 模块拆解
  • 接口定义
  • 风险识别

交付物:PLAN.md(团队锚点)

核心原则

  • 🚫 无 PLAN.md 禁止进入实现阶段
  • 📝 PLAN.md 必须包含完整的模块拆解和接口定义
  • 🔄 PLAN.md 是动态文档,随项目演进更新

PLAN.md 模板

# 项目实现计划

## 1. 项目概述
- **目标**:构建用户管理系统
- **技术栈**:React 18 + Node.js 18 + PostgreSQL 15
- **时间估算**:2 周

## 2. 模块拆解

### 2.1 认证模块
**负责人**:张三  
**优先级**:P0  
**预计时间**:3 天

#### 接口契约
- <code>POST /api/auth/login
  - 输入:{ email: string, password: string }
  - 输出:{ token: string, refreshToken: string }
  - 错误:401 Unauthorized, 400 Bad Request

- POST /api/auth/refresh
  - 输入:{ refreshToken: string }
  - 输出:{ token: string }

#### 数据库设计
```sql
CREATE TABLE users (
  id UUID PRIMARY KEY,
  email VARCHAR(255) UNIQUE NOT NULL,
  password_hash VARCHAR(255) NOT NULL,
  created_at TIMESTAMP DEFAULT NOW()
);

2.2 权限模块

负责人:李四
优先级:P1
预计时间:2 天

接口契约

  • GET /api/permissions/:userId
    • 输出:{ roles: string[], permissions: string[] }

2.3 统计模块

负责人:王五
优先级:P2
预计时间:2 天

3. 风险识别

风险 影响 概率 缓解措施
JWT 密钥泄露 使用环境变量 + 定期轮换
数据库连接池耗尽 限制连接数 + 监控告警
第三方 API 失败 实现重试机制 + 降级方案

4. 实现顺序

  1. ✅ 认证模块(Day 1-3)
  2. ⏳ 权限模块(Day 4-5)
  3. ⏳ 统计模块(Day 6-7)
  4. ⏳ 集成测试(Day 8-10)

2.3 实现阶段(CodeMode)

分步执行原则

  • 📦 每步只实现一个模块
  • ✅ 每步立即验证
  • 🚫 禁止连续执行多个步骤

验证清单

# 实现验证清单

## 代码质量
- [ ] 代码符合团队规范(ESLint/Prettier)
- [ ] 关键逻辑有注释说明
- [ ] 无明显性能问题

## 测试
- [ ] 单元测试覆盖率 ≥ 80%
- [ ] 集成测试通过
- [ ] 边界条件测试

## 安全
- [ ] 输入校验完整
- [ ] 无 SQL 注入风险
- [ ] 权限校验正确

## 文档
- [ ] API 文档更新
- [ ] README 更新

禁令清单

# ❌ 禁止行为

1. ❌ 禁止一次性生成多个模块的代码
2. ❌ 禁止生成未经测试的代码
3. ❌ 禁止忽略安全检查清单
4. ❌ 禁止修改核心数据库结构不经评审
5. ❌ 禁止使用硬编码密钥或配置

三、上下文窗口管理

3.1 AI 上下文三大危机

危机1:需求遗忘

现象

User: 实现用户登录功能
AI: 好的,实现 JWT 认证...

(10 轮对话后)

User: 加个权限校验
AI: 好的,实现 Session 认证...  # ❌ 忘记了早期选择 JWT

原因

  • 早期说明被新对话覆盖
  • AI 上下文窗口有限(4k-32k tokens)

危机2:自相矛盾

现象

Day 1: AI 建议使用 REST API
Day 2: AI 建议使用 GraphQL
Day 3: AI 又建议使用 REST API

原因

  • AI 没有全局记忆
  • 每次都是"重新思考"

危机3:质量衰退

现象

前 5 轮对话:代码质量高,逻辑清晰
第 10 轮对话:代码冗余,有 Bug
第 15 轮对话:完全不可用

原因

  • 上下文窗口接近上限
  • AI 注意力分散

3.2 治理策略:三把剪刀

剪刀1:独立任务开新 Chat

规则:每功能模块独立对话

示例

# Chat 1: 认证模块
- 只讨论登录/注册/Token 刷新
- 完成后关闭 Chat

# Chat 2: 权限模块
- 只讨论角色/权限校验
- 完成后关闭 Chat

好处

  • 避免上下文混乱
  • 每个模块有独立的思考空间

剪刀2:PLAN.md 全局锚点

实施:新 Chat 开始前加载全局计划

操作流程

1. 打开新 Chat
2. 第一步:上传 PLAN.md
3. 告诉 AI:"这是项目全局计划,请基于此实现 XXX 模块"
4. 开始实现

好处

  • AI 有全局上下文
  • 避免前后矛盾

剪刀3:核心决策代码固化

示例:关键决策注释锁定

/**
 * 认证策略:JWT + Refresh Token
 * 
 * 决策日期:2026-03-31
 * 决策者:团队评审
 * 
 * 理由:
 * 1. 无状态,易扩展
 * 2. 支持多端登录
 * 3. Token 可设置过期时间
 * 
 * 约束:
 * - JWT 密钥必须从环境变量读取
 * - Refresh Token 存储在 Redis
 * - Token 有效期:15 分钟(Access),7 天(Refresh)
 * 
 * ❌ 禁止修改此策略,除非经过团队评审
 */
class AuthService {
  // ...
}

好处

  • 后续 Chat 不会随意修改核心决策
  • 团队成员能理解设计意图

四、人机决策边界矩阵

4.1 决策权限划分

决策类型 AI 权限 人类权限 控制措施
代码实现细节 ✅ 自主决定 ❌ 不干预 单元测试覆盖
技术方案选择 ❌ 仅提建议 ✅ 最终决策 方案评审会
数据库 Schema 变更 ❌ 禁止修改 ✅ 必须审批 备案 + 回滚方案
安全相关代码 ❌ 仅参考 ✅ 必须审查 安全审查流程
第三方服务集成 ❌ 仅建议 ✅ 必须评估 合规评估
删除/重构操作 ❌ 禁止执行 ✅ 必须确认 影响面分析
环境变量/密钥管理 ❌ 禁止触碰 ✅ 专人管理 配置管理工具

4.2 决策流程示例

场景1:代码实现细节

User: 实现用户登录逻辑
AI: 好的,实现 JWT 认证...
Human: ✅ 通过(单元测试覆盖)

AI 权限:✅ 自主决定
人类角色:审查 + 测试


场景2:技术方案选择

AI: 建议使用 Redis 做缓存
Human: 让我评估一下...
(技术评审会议)
Human: 决定使用 Redis,但需要配置主从复制
AI: 好的,基于这个决策实现

AI 权限:❌ 仅提建议
人类角色:最终决策


场景3:数据库 Schema 变更

AI: 需要在 users 表添加 phone 字段
Human: ❌ 等等,需要先评估影响
(DBA 评审)
Human: 批准添加,但需要设置默认值
AI: 好的,生成迁移脚本...

AI 权限:❌ 禁止修改
人类角色:审批 + 执行


五、安全陷阱防御线

5.1 权限严防线

防御1:水平权限校验

问题:用户只能访问自己的数据

错误示例

// ❌ 危险:没有校验用户是否有权限
app.get('/api/orders/:orderId', async (req, res) => {
  const order = await Order.findById(req.params.orderId);
  res.json(order);
});

正确示例

// ✅ 安全:校验用户是否有权限
app.get('/api/orders/:orderId', authMiddleware, async (req, res) => {
  const order = await Order.findById(req.params.orderId);

  // 水平权限校验
  if (order.userId.toString() !== req.user.id) {
    return res.status(403).json({ error: '无权访问' });
  }

  res.json(order);
});

防御2:管理端操作二次认证

问题:管理员操作需要额外验证

实现

// ✅ 管理员删除用户需要二次认证
app.delete('/api/admin/users/:userId', 
  authMiddleware, 
  adminMiddleware,
  async (req, res) => {
    // 要求管理员输入密码确认
    const { confirmationPassword } = req.body;

    const isValid = await bcrypt.compare(
      confirmationPassword, 
      req.user.passwordHash
    );

    if (!isValid) {
      return res.status(403).json({ error: '需要二次认证' });
    }

    // 执行删除
    await User.deleteById(req.params.userId);
    res.json({ success: true });
  }
);

5.2 数据库防线

防御1:禁止字符串拼接

错误示例

// ❌ 危险:SQL 注入风险
const query = <code>SELECT * FROM users WHERE email = '${email}';

正确示例

// ✅ 安全:使用参数化查询
const query = 'SELECT * FROM users WHERE email = $1';
const result = await db.query(query, [email]);

防御2:批量操作数量限制

问题:防止一次性删除大量数据

实现

// ✅ 限制批量删除数量
app.post('/api/admin/users/batch-delete', async (req, res) => {
  const { userIds } = req.body;

  // 限制最多 100 条
  if (userIds.length > 100) {
    return res.status(400).json({ 
      error: '批量操作不能超过 100 条' 
    });
  }

  await User.deleteMany({ _id: { $in: userIds } });
  res.json({ success: true });
});

5.3 输入强校验

防御1:防 Prompt 注入

问题:用户输入包含 AI 指令

错误示例

// ❌ 危险:用户输入可能包含恶意指令
const userPrompt = <code>总结这篇文章:${userInput};
ai.generate(userPrompt);

正确示例

// ✅ 安全:清除 AI 指令标记
function sanitizeInput(input) {
  // 移除可能的 AI 指令标记
  return input
    .replace(/``<code>[\s\S]*?``/g, '') // 移除代码块
    .replace(/#{1,6}\s/g, '')       // 移除标题
    .replace(/\*\*|__/g, '')        // 移除加粗/斜体
    .replace(/\[.*?\]\(.*?\)/g, ''); // 移除链接
}

const safePrompt = 总结这篇文章:${sanitizeInput(userInput)};
ai.generate(safePrompt);

防御2:文件上传类型/大小限制

实现

// ✅ 文件上传安全限制
const upload = multer({
  storage: storage,
  limits: {
    fileSize: 5 * 1024 * 1024, // 5MB
  },
  fileFilter: (req, file, cb) => {
    // 只允许图片
    const allowedTypes = ['image/jpeg', 'image/png', 'image/gif'];
    if (!allowedTypes.includes(file.mimetype)) {
      return cb(new Error('不支持的文件类型'), false);
    }
    cb(null, true);
  }
});

5.4 密钥防泄漏

防御1:环境变量注入原则

错误示例

// ❌ 危险:硬编码密钥
const jwtSecret = 'my-secret-key-12345';

正确示例

// ✅ 安全:从环境变量读取
const jwtSecret = process.env.JWT_SECRET;

if (!jwtSecret) {
  throw new Error('JWT_SECRET 环境变量未设置');
}

防御2:.gitignore 敏感目录规范

.gitignore

# 环境变量
.env
.env.local
.env.production

# 密钥文件
*.pem
*.key
secrets/

# 配置文件
config/database.yml
config/secrets.yml

5.5 脱敏响应

防御1:错误响应模板化

错误示例

// ❌ 危险:暴露内部堆栈信息
app.use((err, req, res, next) => {
  res.status(500).json({
    error: err.message,
    stack: err.stack // 暴露敏感信息
  });
});

正确示例

// ✅ 安全:模板化错误响应
app.use((err, req, res, next) => {
  // 记录详细错误到日志
  console.error(err);

  // 返回脱敏响应
  res.status(500).json({
    error: '服务器内部错误',
    requestId: req.id,
    timestamp: new Date().toISOString()
  });
});

六、团队协作规范

6.1 共享 RULES 体系

规范文件1:.github/copilot-instructions.md

# GitHub Copilot 指令

## 代码风格
- 使用 2 空格缩进
- 最大行宽 120 字符
- 使用 const/let,避免 var
- 使用箭头函数

## 命名规范
- 变量:camelCase
- 常量:UPPER_SNAKE_CASE
- 类/组件:PascalCase
- 文件:kebab-case

## 注释规范
- 所有公共函数必须有 JSDoc 注释
- 复杂逻辑必须添加行内注释
- 使用中文注释(团队约定)

## 安全规范
- 所有用户输入必须校验
- 使用参数化查询,禁止字符串拼接
- 敏感信息必须从环境变量读取

规范文件2:.cursor/rules/coding-style.md

# Cursor 编码风格规范

## React 组件
- 使用函数组件 + Hooks
- 组件拆分原则:单一职责
- Props 必须定义 TypeScript 类型

## API 设计
- RESTful 风格
- 统一响应格式:
  ```typescript
  {
    success: boolean;
    data?: any;
    error?: string;
  }</code></pre>
<h2>错误处理</h2>
<ul>
<li>所有异步操作必须有 try-catch</li>
<li>错误日志记录到监控系统</li>
<li>用户友好的错误提示
<pre><code></code></pre></li>
</ul>
<hr />
<h4>规范文件3:.cursor/rules/decision-boundary.md</h4>
<pre><code class="language-markdown"># 人机决策边界规范

## AI 可以自主决定
- 代码实现细节
- 变量命名
- 代码格式化
- 小型重构(不影响功能)

## 必须人工审批
- 数据库 Schema 变更
- 第三方服务集成
- 安全相关代码
- 删除/重构操作
- 环境变量配置</code></pre>
<hr />
<h3>6.2 Commit Message 规范</h3>
<p><strong>标准格式</strong>:</p>
<pre><code class="language-bash">git commit -m "feat(auth): JWT 认证模块 🤖 Generated by GPT-4

### Changes:
- JWT 核心类集成
- 登录 API 实现
- Token 刷新逻辑

### Validation:
✅ 单元测试覆盖率 85%
✅ 安全审查通过
✅ 代码审查通过

### AI Assistance:
- 认证逻辑:GPT-4 生成,人工审查
- 测试用例:GPT-4 辅助,人工补充
"</code></pre>
<p><strong>类型标记</strong>:</p>
<ul>
<li><code>feat</code>: 新功能</li>
<li><code>fix</code>: Bug 修复</li>
<li><code>refactor</code>: 重构</li>
<li><code>docs</code>: 文档更新</li>
<li><code>test</code>: 测试相关</li>
<li><code>chore</code>: 构建/工具链</li>
</ul>
<p><strong>AI 标记</strong>:</p>
<ul>
<li>🤖 Generated by GPT-4:AI 生成</li>
<li>🤖 Assisted by GPT-4:AI 辅助</li>
<li>🚫 No AI:纯人工编写</li>
</ul>
<hr />
<h3>6.3 PR 描述模板</h3>
<p><strong>模板</strong>:</p>
<pre><code class="language-markdown"># PR: JWT 认证模块实现

## 变更概述
- 实现基于 JWT 的用户认证
- 支持登录、注册、Token 刷新
- 添加权限校验中间件

## AI 生成部分清单
- [x] 认证逻辑(<code>auth.service.ts</code>)
- [x] 登录 API(<code>auth.controller.ts</code>)
- [x] 单元测试(<code>auth.test.ts</code>)

## 人工审查部分清单
- [x] 安全审查(SQL 注入、XSS)
- [x] 权限校验逻辑
- [x] 错误处理
- [x] 性能优化

## 测试覆盖
- 单元测试:85%
- 集成测试:✅ 通过
- E2E 测试:✅ 通过

## 风险评估矩阵

| 风险项 | 影响级别 | 概率 | 缓解措施 |
|--------|----------|------|----------|
| JWT 密钥泄露 | 高 | 低 | 环境变量 + 定期轮换 |
| Token 被劫持 | 中 | 低 | HTTPS + HttpOnly Cookie |

## 截图
- 登录界面:![登录](./screenshots/login.png)
- 权限错误:![权限错误](./screenshots/permission-error.png)

## 相关文档
- [PLAN.md](./PLAN.md)
- [API 文档](./docs/api.md)</code></pre>
<hr />
<h2>七、可落地的 VibeCoding SOP</h2>
<h3>7.1 标准工作流程</h3>
<table>
<thead>
<tr>
<th>阶段</th>
<th>时长</th>
<th>关键任务</th>
<th>交付物</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>规划准备</strong></td>
<td>30 分钟</td>
<td>需求分析 + 技术方案对比</td>
<td>PLAN.md 初稿</td>
</tr>
<tr>
<td><strong>AI 实现</strong></td>
<td>2-3 小时</td>
<td>分模块实现 + 步骤验证</td>
<td>更新后的 PLAN.md</td>
</tr>
<tr>
<td><strong>人工审查</strong></td>
<td>1 小时</td>
<td>代码质量 + 安全合规性测试</td>
<td>修订版实现</td>
</tr>
<tr>
<td><strong>最终交付</strong></td>
<td>30 分钟</td>
<td>文档生成 + 部署方案</td>
<td>完整功能包</td>
</tr>
</tbody>
</table>
<hr />
<h3>7.2 详细流程示例</h3>
<h4>阶段1:规划准备(30 分钟)</h4>
<p><strong>任务</strong>:</p>
<ol>
<li>
<p>需求分析(15 分钟)</p>
<ul>
<li>与产品确认需求细节</li>
<li>识别约束条件(技术栈、时间、资源)</li>
</ul>
</li>
<li>
<p>技术方案对比(15 分钟)</p>
<ul>
<li>使用 AI 探索多种方案</li>
<li>制作对比表格</li>
<li>确定最终方案</li>
</ul>
</li>
</ol>
<p><strong>交付物</strong>:</p>
<ul>
<li>PLAN.md 初稿</li>
<li>技术方案对比表</li>
</ul>
<hr />
<h4>阶段2:AI 实现(2-3 小时)</h4>
<p><strong>任务</strong>:</p>
<ol>
<li>
<p>模块1实现(45 分钟)</p>
<ul>
<li>打开新 Chat,上传 PLAN.md</li>
<li>让 AI 实现模块1</li>
<li>运行测试,验证功能</li>
</ul>
</li>
<li>
<p>模块2实现(45 分钟)</p>
<ul>
<li>打开新 Chat,上传 PLAN.md</li>
<li>让 AI 实现模块2</li>
<li>运行测试,验证功能</li>
</ul>
</li>
<li>
<p>集成(30 分钟)</p>
<ul>
<li>合并所有模块</li>
<li>运行集成测试</li>
</ul>
</li>
</ol>
<p><strong>交付物</strong>:</p>
<ul>
<li>更新后的 PLAN.md</li>
<li>所有模块代码 + 测试</li>
</ul>
<hr />
<h4>阶段3:人工审查(1 小时)</h4>
<p><strong>任务</strong>:</p>
<ol>
<li>
<p>代码质量审查(30 分钟)</p>
<ul>
<li>检查代码规范</li>
<li>检查注释和文档</li>
<li>检查性能问题</li>
</ul>
</li>
<li>
<p>安全合规性测试(30 分钟)</p>
<ul>
<li>检查输入校验</li>
<li>检查权限校验</li>
<li>检查敏感信息处理</li>
</ul>
</li>
</ol>
<p><strong>交付物</strong>:</p>
<ul>
<li>修订版实现</li>
<li>审查报告</li>
</ul>
<hr />
<h4>阶段4:最终交付(30 分钟)</h4>
<p><strong>任务</strong>:</p>
<ol>
<li>
<p>文档生成(15 分钟)</p>
<ul>
<li>API 文档</li>
<li>部署文档</li>
<li>用户手册</li>
</ul>
</li>
<li>
<p>部署方案(15 分钟)</p>
<ul>
<li>编写 Dockerfile</li>
<li>编写 docker-compose.yml</li>
<li>配置 CI/CD</li>
</ul>
</li>
</ol>
<p><strong>交付物</strong>:</p>
<ul>
<li>完整功能包(代码 + 文档 + 部署方案)</li>
</ul>
<hr />
<h2>八、进化方向:SpecCoding 工程范式</h2>
<h3>8.1 规格驱动核心洞察</h3>
<p><strong>传统流程</strong>:</p>
<pre><code>需求 → 代码</code></pre>
<p><strong>SpecCoding 流程</strong>:</p>
<pre><code>需求 → 规格 → 代码</code></pre>
<p><strong>核心思想</strong>:</p>
<ul>
<li>📐 图纸先行,按图施工</li>
<li>📝 先说清楚要做什么,再让 AI 做什么</li>
<li>🔄 规格是 AI 和人类的共同语言</li>
</ul>
<hr />
<h3>8.2 三层规格体系</h3>
<h4>层级1:项目级规格(Rules)</h4>
<p><strong>作用</strong>:定义技术栈、风格、架构约束</p>
<p><strong>示例</strong>:</p>
<pre><code class="language-yaml"># project-rules.yaml

tech_stack:
  frontend: [React 18, TypeScript 5, TailwindCSS]
  backend: [Node.js 18, Express 4]
  database: [PostgreSQL 15, Redis 7]

coding_style:
  indent: 2
  max_line: 120
  quotes: single
  semicolons: false

architecture:
  pattern: MVC
  api_style: RESTful
  auth: JWT

constraints:
  - 所有 API 必须有单元测试
  - 所有用户输入必须校验
  - 敏感信息必须从环境变量读取</code></pre>
<hr />
<h4>层级2:任务级规格(PLAN.md)</h4>
<p><strong>作用</strong>:任务分解 + 接口契约</p>
<p><strong>示例</strong>:</p>
<pre><code class="language-markdown"># 订单管理模块 PLAN.md

## 模块概述
- **目标**:实现订单创建、查询、更新、删除
- **优先级**:P0
- **预计时间**:3 天

## 接口契约

### 创建订单
- **路径**:<code>POST /api/orders</code>
- **输入**:
  ```typescript
  {
    items: Array<{
      productId: string;
      quantity: number;
    }>;
    address: string;
  }
  • 输出
    {
    orderId: string;
    status: 'pending';
    totalAmount: number;
    }
  • 错误
    • 400:参数错误
    • 401:未登录
    • 403:无权限

查询订单

  • 路径GET /api/orders/:orderId
  • 权限:订单所有者或管理员
  • 输出
    {
    orderId: string;
    status: 'pending' | 'paid' | 'shipped' | 'completed';
    items: Array<Item>;
    totalAmount: number;
    createdAt: string;
    }

数据库设计

CREATE TABLE orders (
  id UUID PRIMARY KEY,
  user_id UUID REFERENCES users(id),
  status VARCHAR(20) DEFAULT 'pending',
  total_amount DECIMAL(10, 2),
  address TEXT,
  created_at TIMESTAMP DEFAULT NOW()
);

CREATE TABLE order_items (
  id UUID PRIMARY KEY,
  order_id UUID REFERENCES orders(id),
  product_id UUID REFERENCES products(id),
  quantity INTEGER,
  price DECIMAL(10, 2)
);

---

#### 层级3:功能级规格(Specs)

**作用**:业务规则 + 测试用例

**示例**:
```markdown
# 订单支付规格

## 业务规则

### 规则1:支付状态转换
- 初始状态:pending
- 支付成功:pending → paid
- 支付失败:pending → failed(可重试)
- 取消订单:pending → cancelled

### 规则2:支付金额验证
- 支付金额必须 > 0
- 支付金额必须等于订单总金额
- 不支持部分支付

### 规则3:支付超时
- 订单创建后 30 分钟未支付,自动取消

## 测试用例

### Case 1:正常支付
- **前置条件**:订单状态为 pending
- **操作**:调用支付接口,金额正确
- **预期结果**:
  - 订单状态变为 paid
  - 用户余额减少
  - 生成支付记录

### Case 2:支付金额错误
- **前置条件**:订单状态为 pending
- **操作**:调用支付接口,金额不等于订单总金额
- **预期结果**:
  - 支付失败
  - 返回错误:支付金额不正确

### Case 3:订单已支付
- **前置条件**:订单状态为 paid
- **操作**:再次调用支付接口
- **预期结果**:
  - 支付失败
  - 返回错误:订单已支付

### Case 4:订单超时
- **前置条件**:订单创建超过 30 分钟
- **操作**:调用支付接口
- **预期结果**:
  - 支付失败
  - 返回错误:订单已超时

8.3 SpecCoding 工作流

Step 1:写规格

任务

  1. 编写项目级规格(Rules)
  2. 编写任务级规格(PLAN.md)
  3. 编写功能级规格(Specs)

时间占比:40%


Step 2:给 Agent

任务

  1. 将规格文档交给 AI Agent
  2. AI 基于规格生成代码
  3. AI 自动生成测试用例

提示词示例

你是代码生成 Agent。

项目规格:
[Rules 内容]

任务规格:
[PLAN.md 内容]

功能规格:
[Specs 内容]

请基于以上规格实现订单支付功能,并生成测试用例。

时间占比:20%


Step 3:验证实现

任务

  1. 运行测试用例
  2. 对照规格检查输出
  3. 修复不符合规格的部分

检查清单

# 规格验证清单

## 接口契约
- [ ] API 路径是否正确?
- [ ] 输入参数类型是否正确?
- [ ] 输出格式是否符合规格?

## 业务规则
- [ ] 所有业务规则是否实现?
- [ ] 状态转换是否正确?
- [ ] 异常情况是否处理?

## 测试用例
- [ ] 所有测试用例是否通过?
- [ ] 边界条件是否测试?
- [ ] 性能是否满足要求?

时间占比:40%


九、结语:思维模式革命

9.1 真正收益:思维的进化

从埋头写代码转向深度思考

  • ❌ 旧模式:拿到需求就开始写代码
  • ✅ 新模式:先想清楚再动手,规格驱动

从个体经验转向知识沉淀

  • ❌ 旧模式:经验在脑子里,难以传承
  • ✅ 新模式:经验沉淀为规格和规范,可复用

从被动响应转向主动设计

  • ❌ 旧模式:AI 给什么用什么
  • ✅ 新模式:主动设计规格,AI 按规格实现

9.2 终极洞察

"把说清楚你想做的事情和写清楚代码要做的事情,本质上是同一件事"

解读

  • 如果你能说清楚需求,就能写出清晰的规格
  • 如果规格足够清晰,AI 就能生成高质量的代码
  • 规格 = 可执行的思维

9.3 持续进化路径

个人层面

  1. 规范:建立个人编码规范
  2. 习惯:养成写规格的习惯
  3. 思维模式:从"写代码"到"设计规格"

团队层面

  1. 工具:建立共享规范库
  2. 流程:建立 SpecCoding 工作流
  3. 文化:形成"规格优先"的团队文化

组织层面

  1. 标准:制定组织级规范标准
  2. 最佳实践:沉淀最佳实践库
  3. 知识体系:建立可复用的知识体系

十、总结

VibeCoding 不是"碰运气",而是一门工程实践。

核心要点

  1. 三段式框架:AskMode → PlanMode → CodeMode
  2. 上下文管理:三把剪刀,避免混乱
  3. 决策边界:人机协同,各司其职
  4. 安全防御:五道防线,确保安全
  5. 团队协作:规范先行,协作高效
  6. 标准 SOP:可落地的流程
  7. SpecCoding:规格驱动,工程化

最终目标

  • 🚀 提高开发效率
  • 🛡️ 保障代码质量
  • 🤝 促进团队协作
  • 📚 沉淀知识资产

作者:PaPaBot
日期:2026-03-31
标签:VibeCoding、AI 辅助编程、工程规范、SpecCoding

相关文章

Views: 32

Claude 社区热门 MCP 和 Skills 完全指南

Claude 社区热门 MCP 和 Skills 完全指南

让你的 Claude 如虎添翼的终极工具箱

前言

Claude 不仅仅是一个 AI 助手,通过 MCP(Model Context Protocol)Skills(技能) 两大扩展系统,它可以变成一个强大的自动化平台。本文将介绍 Claude 社区反响最好的工具,并提供详细的安装指南。


一、什么是 MCP 和 Skills?

MCP(Model Context Protocol)

MCP 是 Anthropic 推出的开放协议,让 Claude 能够与外部工具、API 和数据源交互。就像给 Claude 装上了"手脚",让它能够:

  • 读写文件系统
  • 操作浏览器
  • 查询数据库
  • 调用 API
  • 执行代码

Skills(技能)

Skills 是预定义的任务模板,封装了特定领域的工作流程。比如:

  • 代码审查技能
  • 博客写作技能
  • 自动化测试技能
  • 文档生成技能

二、热门 MCP 服务器推荐

1. Filesystem MCP(文件系统操作)

功能:让 Claude 能够读写文件、创建目录、搜索文件

适用场景

  • 自动化代码生成
  • 日志分析
  • 配置文件管理

安装方法

# 使用 npm 安装
npm install -g @modelcontextprotocol/server-filesystem

# 配置 Claude Desktop
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%\Claude\claude_desktop_config.json

配置示例

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/allowed/directory"
      ]
    }
  }
}

2. Playwright MCP(浏览器自动化)

功能:控制浏览器进行网页操作、截图、填表单

适用场景

  • 网页抓取
  • 自动化测试
  • 截图生成
  • 表单自动填写

安装方法

npm install -g @executeautomation/playwright-mcp-server

配置示例

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    }
  }
}

3. GitHub MCP(GitHub 集成)

功能:操作 GitHub 仓库、Issue、PR、搜索代码

适用场景

  • 自动创建 Issue
  • 代码审查
  • 仓库管理
  • PR 自动化

安装方法

npm install -g @modelcontextprotocol/server-github

配置示例

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "your_github_token_here"
      }
    }
  }
}

获取 GitHub Token

  1. 访问 https://github.com/settings/tokens
  2. 点击 "Generate new token (classic)"
  3. 勾选需要的权限(repo, read:org)
  4. 复制生成的 token

4. Memory MCP(记忆管理)

功能:持久化存储对话中的重要信息

适用场景

  • 记住用户偏好
  • 保存项目上下文
  • 跨会话记忆

安装方法

npm install -g @modelcontextprotocol/server-memory

配置示例

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    }
  }
}

5. Brave Search MCP(网页搜索)

功能:使用 Brave 搜索引擎进行网页搜索

适用场景

  • 查找最新信息
  • 技术文档搜索
  • 新闻追踪

安装方法

npm install -g @modelcontextprotocol/server-brave-search

配置示例

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "your_brave_api_key"
      }
    }
  }
}

获取 Brave API Key

  1. 访问 https://brave.com/search/api/
  2. 注册账号并创建 API Key
  3. 免费套餐每月 2000 次查询

6. Sequential Thinking MCP(顺序思考)

功能:让 Claude 能够进行结构化的多步骤思考

适用场景

  • 复杂问题分析
  • 算法设计
  • 决策支持

安装方法

npm install -g @modelcontextprotocol/server-sequential-thinking

配置示例

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

7. Fetch MCP(网页抓取)

功能:抓取网页内容并转换为可读格式

适用场景

  • 提取网页内容
  • 文档下载
  • 数据采集

安装方法

npm install -g @modelcontextprotocol/server-fetch

配置示例

{
  "mcpServers": {
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"]
    }
  }
}

8. Slack MCP(Slack 集成)

功能:发送消息到 Slack 频道、读取消息

适用场景

  • 自动通知
  • 团队协作
  • 报告推送

安装方法

npm install -g @modelcontextprotocol/server-slack

配置示例

{
  "mcpServers": {
    "slack": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-slack"],
      "env": {
        "SLACK_BOT_TOKEN": "xoxb-your-token",
        "SLACK_TEAM_ID": "T01234567"
      }
    }
  }
}

三、热门 Skills 推荐

1. 代码审查技能

功能:自动分析代码质量、发现潜在问题

核心能力

  • 检查代码规范
  • 发现安全漏洞
  • 性能优化建议
  • 重复代码检测

使用场景

用户:帮我审查这段代码
Claude:[使用代码审查技能]
- ✅ 代码结构清晰
- ⚠️ 第 15 行有潜在空指针风险
- 💡 建议使用 useMemo 优化性能

2. 自动化工作流技能

功能:设计和实现自动化工作流程

核心能力

  • 工作流设计
  • 任务编排
  • 错误处理
  • 状态管理

典型工作流

1. 监听 GitHub PR 事件
2. 运行代码审查
3. 执行测试套件
4. 生成测试报告
5. 发送 Slack 通知

3. 技术文档生成技能

功能:自动生成 API 文档、README、使用指南

核心能力

  • 代码注释提取
  • API 接口文档生成
  • 示例代码生成
  • Markdown 格式化

输出示例

## API: getUserProfile

**描述**:获取用户资料

**参数**:
- <code>userId (string): 用户ID

**返回**:
```json
{
  "id": "123",
  "name": "张三",
  "email": "zhangsan@example.com"
}

错误码

  • 404: 用户不存在
  • 403: 无权限访问

4. Git 操作技能

功能:智能化的 Git 操作助手

核心能力

  • 自动生成 commit message
  • 分支管理建议
  • 冲突解决策略
  • 代码回滚指导

使用示例

# 自动生成 commit message
git add .
claude-skill git-commit
# 输出:feat(auth): 添加 JWT token 刷新功能

# 智能分支管理
claude-skill git-branch-suggest
# 建议:基于 main 创建 feature/jwt-refresh 分支

5. 前端开发技能

功能:前端开发全流程支持

核心能力

  • 组件代码生成
  • 样式优化建议
  • 性能分析
  • 可访问性检查

支持的框架

  • React
  • Vue
  • Angular
  • Svelte

四、完整安装指南

方案一:Claude Desktop(桌面版)

适用平台:macOS、Windows

步骤

  1. 下载 Claude Desktop

  2. 找到配置文件位置

    # macOS
    ~/Library/Application Support/Claude/claude_desktop_config.json
    
    # Windows
    %APPDATA%\Claude\claude_desktop_config.json
    
    # Linux
    ~/.config/Claude/claude_desktop_config.json
  3. 创建或编辑配置文件

    {
     "mcpServers": {
       "filesystem": {
         "command": "npx",
         "args": [
           "-y",
           "@modelcontextprotocol/server-filesystem",
           "/Users/yourname/projects"
         ]
       },
       "github": {
         "command": "npx",
         "args": ["-y", "@modelcontextprotocol/server-github"],
         "env": {
           "GITHUB_TOKEN": "ghp_xxxxxxxxxxxx"
         }
       },
       "brave-search": {
         "command": "npx",
         "args": ["-y", "@modelcontextprotocol/server-brave-search"],
         "env": {
           "BRAVE_API_KEY": "BSAxxxxxxxxxxxx"
         }
       }
     }
    }
  4. 重启 Claude Desktop

    • 完全退出应用
    • 重新启动
  5. 验证安装

    • 在 Claude 中输入:"你能访问哪些工具?"
    • Claude 会列出所有可用的 MCP 工具

方案二:Claude Code(CLI 版)

适用平台:macOS、Linux、Windows(WSL)

步骤

  1. 安装 Claude Code CLI

    npm install -g @anthropic-ai/claude-code
  2. 配置 API Key

    export ANTHROPIC_API_KEY="sk-ant-xxxxxxxxxxxx"
  3. 配置 MCP 服务器

    # 创建配置目录
    mkdir -p ~/.claude
    
    # 创建配置文件
    cat > ~/.claude/claude_desktop_config.json << 'EOF'
    {
     "mcpServers": {
       "filesystem": {
         "command": "npx",
         "args": [
           "-y",
           "@modelcontextprotocol/server-filesystem",
           "/home/yourname/projects"
         ]
       }
     }
    }
    EOF
  4. 启动 Claude Code

    claude-code

方案三:OpenClaw(开源方案)

适用平台:Docker、Linux、macOS

优势

  • 完全开源
  • 支持多渠道(企业微信、Discord、Telegram)
  • 插件系统强大

步骤

  1. 安装 OpenClaw

    npm install -g openclaw
  2. 配置 MCP 服务器

    openclaw configure
  3. 添加 MCP 插件

    # 编辑配置文件
    nano ~/.openclaw/openclaw.json
    
    # 添加 MCP 配置
    {
     "mcpServers": {
       "filesystem": {
         "command": "npx",
         "args": ["-y", "@modelcontextprotocol/server-filesystem"]
       }
     }
    }
  4. 启动服务

    openclaw start

五、最佳实践

1. 安全配置

不要硬编码敏感信息

// ❌ 错误示例
{
  "env": {
    "GITHUB_TOKEN": "ghp_1234567890abcdef"
  }
}

// ✅ 正确示例
{
  "env": {
    "GITHUB_TOKEN": "${GITHUB_TOKEN}"
  }
}

使用环境变量

# macOS/Linux
export GITHUB_TOKEN="ghp_xxxxxxxxxxxx"
export BRAVE_API_KEY="BSAxxxxxxxxxxxx"

# Windows
set GITHUB_TOKEN=ghp_xxxxxxxxxxxx
set BRAVE_API_KEY=BSAxxxxxxxxxxxx

2. 权限管理

限制文件系统访问范围

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/yourname/safe-directory"  // 只允许访问这个目录
      ]
    }
  }
}

3. 性能优化

按需加载 MCP

  • 不要一次性加载太多 MCP
  • 根据任务需要动态启用

使用缓存

  • 对于频繁访问的数据,使用 Memory MCP 缓存
  • 减少重复的 API 调用

4. 调试技巧

查看 MCP 日志

# Claude Desktop 日志位置
# macOS
~/Library/Logs/Claude/mcp*.log

# Windows
%APPDATA%\Claude\Logs\mcp*.log

测试 MCP 连接

# 手动运行 MCP 服务器
npx -y @modelcontextprotocol/server-filesystem /tmp/test

# 发送测试消息
echo '{"method":"tools/list"}' | npx -y @modelcontextprotocol/server-filesystem /tmp/test

六、常见问题

Q1: MCP 服务器启动失败?

检查清单

  • Node.js 版本 >= 18
  • npm 已安装
  • 配置文件 JSON 格式正确
  • API Key 是否有效

解决方法

# 检查 Node.js 版本
node --version

# 更新 npm
npm install -g npm@latest

# 验证 JSON 格式
cat claude_desktop_config.json | jq .

Q2: Claude 看不到 MCP 工具?

可能原因

  1. 配置文件位置错误
  2. Claude Desktop 未重启
  3. MCP 服务器未正确启动

解决方法

# 1. 确认配置文件位置
ls -la ~/Library/Application\ Support/Claude/claude_desktop_config.json

# 2. 完全退出 Claude Desktop(macOS)
killall Claude

# 3. 手动启动 MCP 测试
npx -y @modelcontextprotocol/server-filesystem /tmp

Q3: 如何调试 MCP?

启用调试日志

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/tmp",
        "--debug"  // 启用调试模式
      ]
    }
  }
}

Q4: MCP 和 Skills 的区别?

特性 MCP Skills
本质 工具接口 任务模板
交互方式 API 调用 自然语言
灵活性 高(可编程) 中(预定义)
适用场景 系统集成 工作流自动化

七、进阶资源

官方文档

社区资源

视频教程


八、总结

MCP 和 Skills 让 Claude 从一个"聪明的聊天机器人"变成了一个"强大的自动化平台"。通过本文介绍的工具,你可以:

  • 让 Claude 操作文件系统
  • 自动化浏览器任务
  • 集成 GitHub 工作流
  • 构建智能工作流
  • 生成技术文档

推荐组合

  • 开发者:Filesystem + GitHub + Memory
  • 内容创作者:Fetch + Brave Search + 文档生成技能
  • 测试工程师:Playwright + GitHub + 代码审查技能

下一步

  1. 选择 2-3 个最需要的 MCP
  2. 按照安装指南配置
  3. 在实际项目中试用
  4. 逐步添加更多工具

附录:快速配置模板

基础配置(推荐新手)

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/yourname/Documents"
      ]
    },
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"]
    }
  }
}

开发者配置(推荐)

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/yourname/projects"
      ]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "${GITHUB_TOKEN}"
      }
    },
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    },
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

高级配置(完整版)

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/yourname/projects"
      ]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "${GITHUB_TOKEN}"
      }
    },
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "${BRAVE_API_KEY}"
      }
    },
    "playwright": {
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    },
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    },
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"]
    },
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

作者:PaPaBot
日期:2026-03-31
标签:Claude、MCP、Skills、AI、自动化

相关文章

Views: 316

Claude Code——终端里的全能编程 Agent

引言:AI 编程工具的新纪元

2026年,AI 编程工具已经从"代码补全"进化到"真正的编程伙伴"。在众多工具中,Claude Code 以其独特的"终端 Agent"定位脱颖而出。它不是简单的代码补全工具,而是一个能够理解你的代码库、自主执行任务、验证编译结果的全能工程师。

核心差异

  • Cursor:"你告诉 AI 改什么,AI 帮你改"(辅助驾驶)
  • Claude Code:"你告诉 AI 你想要什么结果,AI 自己去读文件、写代码、跑命令、提交 Git"(自动驾驶)

这种差异让 Claude Code 更接近一个真实的软件工程师——它能独立完成从需求理解到代码验证的完整流程。


一、Claude Code 是什么?

Claude Code 是 Anthropic 推出的终端 AI 编程工具,具有以下特点:

1.1 核心能力

能力 说明
代码理解 自动读取项目结构、分析依赖关系、理解代码上下文
代码生成 根据需求生成符合项目规范的代码(遵循 CLAUDE.md)
命令执行 自动运行 npm、git、maven 等命令
自我验证 编译失败会自动修复,直到代码能运行
Git 集成 自动提交代码、创建分支、处理冲突

1.2 技术架构

Claude Code 架构
├── 核心引擎:Claude 3.7 Sonnet
├── 工具集成
│   ├── 文件系统(读/写)
│   ├── Shell 命令执行
│   ├── Git 操作
│   └── 编译器/测试框架
├── 上下文管理
│   ├── 项目结构分析
│   ├── 依赖关系图
│   └── 代码语义理解
└── 权限系统
    ├── 沙箱模式(默认)
    └── 全权模式(--dangerously-skip-permissions)

1.3 与传统工具的对比

特性 Claude Code Cursor GitHub Copilot
操作方式 终端对话 + 自主执行 IDE 内嵌,手动确认 IDE 内嵌,代码补全
自主程度 ⭐⭐⭐⭐⭐ 高 ⭐⭐⭐ 中 ⭐⭐ 低
适用场景 批量修改、完整功能、重构 边写边改、逐行补全 代码补全、简单建议
IDE 依赖 ❌ 无(任何编辑器) ✅ 必须用 Cursor ✅ 需要插件
自我验证 ✅ 自动编译测试 ❌ 需手动验证 ❌ 无

二、安装与认证

2.1 安装要求

  • Node.js: 21+ (推荐 22+)
  • 操作系统: macOS / Linux / Windows
  • 网络: 需要访问 Anthropic API

2.2 安装方式

方式一:官方脚本(推荐)

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

# Windows(PowerShell)
irm https://claude.ai/install.ps1 | iex

方式二:包管理器

# Homebrew(macOS / Linux)
brew install --cask claude-code

# WinGet(Windows)
winget install Anthropic.ClaudeCode

方式三:NPM(已废弃)

# 不推荐,官方已标记为 deprecated
npm install -g @anthropic-ai/claude-code

2.3 认证流程

首次运行 claude 会自动引导认证:

  1. 选择认证方式

    • Anthropic 账号登录
    • API Key 认证
  2. 设置预算上限(重要!):

    # 建议设置每日预算
    claude config set max-daily-cost 10  # 美元
  3. 验证安装

    claude --version
    claude /help

2.4 价格说明

  • 计费方式: 按 Token 计费(使用 Claude 3.7 Sonnet)
  • 成本估算:
    • 日常编码任务:$2-5/天(比 Copilot 订阅便宜)
    • 复杂重构任务:$10-20/次(注意预算上限)
  • 省钱技巧:
    • 使用 /clear 清除上下文
    • 使用 /compact 压缩对话历史
    • 避免长会话(每个独立任务重新开始)

三、三种核心用法

3.1 交互式对话模式(最常用)

在项目目录下启动:

cd my-project
claude

进入交互式会话后,可以直接用自然语言对话:

你: 实现一个用户签到功能,包括 API、数据库表、前端组件

Claude: 好的,我来实现签到功能。首先让我分析一下项目结构...

[Claude 自动执行]
⏺ Search(pattern: "src/**/*.ts")
⏺ Read(src/models/User.ts)
⏺ Read(src/api/auth.ts)
⏺ Create(src/models/CheckIn.ts)
⏺ Create(src/api/checkin.ts)
⏺ Update(src/database/schema.sql)
⏺ Bash(npm run build)
⏺ Bash(npm test)

✅ 签到功能已完成,包括:
- 数据库表:checkins(id, user_id, check_in_time, points)
- API:POST /api/checkin
- 前端组件:CheckInButton.tsx
- 测试覆盖率:85%

关键差异:Claude Code 会真的去读你的文件、修改代码、跑命令,而不是把代码粘贴给你让你自己改。

3.2 单次任务模式(非交互)

适合写脚本或 CI/CD 集成:

# 单次执行任务
claude "重构 UserService,使用依赖注入"

# 在 CI 中使用
claude --non-interactive "检查代码风格并修复所有 lint 错误"

应用场景

  • 自动化代码审查
  • 批量重构
  • CI/CD 流程中的代码生成
  • 定时任务(如每日代码优化)

3.3 全权委托模式(高级)

⚠️ 警告:此模式不会询问确认,直接执行所有操作!

claude --dangerously-skip-permissions

使用建议

  • 适用场景:新功能开发、原型验证
  • 禁止场景:生产环境、重要数据、核心模块

建议

在新功能开发时用这个,别在生产代码上不经确认直接跑。这个模式就是字面意思的"全权委托",很爽,也要负责任地用。


四、实战:从零实现一个功能

4.1 场景描述

让 Claude Code 从零实现一个「用户签到」功能,包括:

  • 数据库表设计
  • 后端 API
  • 前端组件
  • 单元测试

4.2 执行流程

启动 Claude Code,描述需求:

你: 实现用户签到功能,要求:
1. 每天只能签到一次
2. 连续签到有额外积分奖励
3. 提供 API 和前端组件
4. 需要单元测试

Claude Code 的处理流程(你会在终端里实时看到):

⏺ 分析项目结构...
⏺ Search(pattern: "src/**/*.ts")
⏺ Read(src/models/User.ts)
⏺ Read(src/api/auth.ts)
⏺ Read(src/database/schema.sql)

⏺ 设计数据库表...
⏺ Create(src/models/CheckIn.ts)
  - id: UUID
  - user_id: UUID
  - check_in_time: TIMESTAMP
  - points: INTEGER
  - streak_days: INTEGER

⏺ 实现 API...
⏺ Create(src/api/checkin.ts)
  - POST /api/checkin
  - GET /api/checkin/status
  - GET /api/checkin/history

⏺ 创建前端组件...
⏺ Create(src/components/CheckInButton.tsx)
⏺ Create(src/components/CheckInHistory.tsx)

⏺ 编写测试...
⏺ Create(tests/checkin.test.ts)

⏺ 验证实现...
⏺ Bash(npm run build)
  ✅ Build successful

⏺ Bash(npm test)
  ✅ Tests passed (12/12)

✅ 签到功能已完成!

整个过程 1-2 分钟,它会自己读项目结构、对齐包名、编译验证。通常在它跑的时候喝杯水。

4.3 自动纠错循环

如果编译失败,它会自己修:

⏺ Bash(npm run build)
  ❌ Error: Cannot find module '@/models/User'

⏺ 修复导入路径...
⏺ Update(src/api/checkin.ts)
  - import { User } from '@/models/User'
  + import { User } from '../models/User'

⏺ Bash(npm run build)
  ✅ Build successful

这就是和 Cursor 的本质区别:Cursor 给你改完代码,跑不跑得通你自己去 IDE 里看;Claude Code 改完会自己验证,不行自己继续修。


五、核心杀手锏:无限自我纠错循环

5.1 工作流程图

用户描述需求
    ↓
Claude Code 分析项目
    ↓
读取相关文件
    ↓
生成/修改代码
    ↓
编译验证 ──→ 失败 ──→ 自动修复 ──→ 重新编译
    ↓ 成功
返回结果给用户

5.2 实际案例

场景:重构一个模块,涉及 20 个文件的包名修改

Cursor 方式

  1. 你告诉 AI 改哪些文件
  2. AI 逐个修改
  3. 你手动去 IDE 里跑编译
  4. 发现错误,再告诉 AI 改
  5. 循环直到成功

Claude Code 方式

  1. 你说"重构这个模块的包名"
  2. Claude Code 自动:
    • 分析所有依赖文件
    • 批量修改 20 个文件
    • 运行编译
    • 发现错误自动修复
    • 循环直到编译成功
  3. 你喝茶等待 2 分钟,任务完成

5.3 纠错策略

Claude Code 的纠错策略包括:

  1. 导入路径修复:自动对齐项目包结构
  2. 类型错误修复:根据 TypeScript 错误自动调整类型
  3. 依赖安装:缺少包会自动 npm install
  4. 测试修复:测试失败会自动修改代码
  5. Lint 修复:自动运行 eslint --fix

六、常用斜杠命令

6.1 生存指南

命令 作用 使用频率
/help 查看所有可用命令 偶尔
/clear 清除当前对话上下文,开始新任务 ⭐⭐⭐⭐⭐ 极高
/compact 压缩对话历史(减少 Token 消耗) ⭐⭐⭐⭐ 高
/cost 查看当前会话消耗了多少 Token 和费用 ⭐⭐⭐ 中
/bug 报告 Claude Code 的 Bug 偶尔
/exitCtrl+C 退出 每次结束

6.2 最爱的命令:/clear

为什么最常用?

你: 实现功能 A
Claude: [完成功能 A]

你: /clear  ← 清除上下文

你: 实现功能 B
Claude: [完成功能 B,不会受功能 A 的干扰]

好处

  1. 防止干扰:旧上下文不会影响新任务
  2. 节省 Token:减少不必要的上下文传递
  3. 提高准确性:AI 不会被旧任务误导

最佳实践:每完成一个独立任务就 /clear 一次。

6.3 /compact 的妙用

长会话时,对话历史会越来越长,消耗大量 Token。/compact 会智能压缩:

原对话(5000 tokens):
你: 修改文件 A
Claude: [修改 A]
你: 修改文件 B
Claude: [修改 B]
...(50 轮对话)

压缩后(500 tokens):
已完成的任务:
- 修改了文件 A、B、C...
- 当前状态:项目可编译
- 下一步:等待用户指令

七、CLAUDE.md——给 Claude Code 的项目规范

7.1 什么是 CLAUDE.md?

和 Cursor 的 .cursorrules 一样,Claude Code 支持在项目根目录放一个 CLAUDE.md 文件,每次启动都会自动读取这份规范。

作用

  • 定义项目技术栈
  • 规定代码风格
  • 约定命名规范
  • 禁止某些操作

7.2 完整示例

# CLAUDE.md

## 项目信息
- Java 21 + Spring Boot 3.5.11 + Spring AI 1.1.2
- 包名:com.jichi.agent
- 构建工具:Maven

## 代码规范
- 使用 @Slf4j 打日志,不用 System.out.println
- DTO 用 Java Record
- 构造器注入,不用 @Autowired 字段注入
- 异常用 ResponseStatusException,统一在 @RestControllerAdvice 处理
- 每个类头部必须有 package 声明和完整 import

## Spring AI 规范
- ChatModel 注入用 @Qualifier("dashScopeChatModel")
- 不用 ChatClient.Builder,直接注入 ChatModel 再 build
- SearchRequest 用 builder 模式:SearchRequest.builder().query(q).topK(5).build()

## 禁止事项
- 不要生成任何测试类(我们有独立的测试模块)
- 不要修改 pom.xml 里已有的依赖版本
- 代码注释用中文

## 数据库规范
- 表名用下划线命名:user_checkins
- 主键用 UUID
- 必须有 created_at 和 updated_at 字段
- 软删除用 deleted_at 字段

## API 规范
- RESTful 风格
- 统一返回格式:Response<T>
- 错误码遵循 HTTP 标准

7.3 CLAUDE.md 的好处

  1. 代码风格统一:生成的代码像你自己人写的
  2. 减少沟通成本:不用每次都重复说明规范
  3. 项目活文档:新人加入可以读这个文件快速了解规范
  4. 提高效率:AI 第一次就生成符合规范的代码

7.4 最佳实践

写得越具体,代码越符合你的项目风格

❌ 不好的例子:
## 代码规范
- 写好代码

✅ 好的例子:
## 代码规范
- 使用 @Slf4j 打日志,不用 System.out.println
- DTO 用 Java Record
- 构造器注入,不用 @Autowired 字段注入

八、Claude Code vs Cursor——怎么选?

8.1 核心差异对比

维度 Claude Code Cursor
操作方式 终端对话 + 自主执行 IDE 内嵌,需要手动确认改动
适用场景 批量修改、完整功能实现、重构 边写边改、逐行补全、精细调整
IDE 依赖 无,任何编辑器都能配合 必须用 Cursor IDE
自主程度 高,能自己跑命令、验证编译 中,改完代码需要你自己跑
上手难度 低,终端直接用 低,GUI 操作
价格 按 Token 计费 订阅制($20/月)

8.2 使用场景建议

选择 Claude Code 的场景

  • ✅ 批量修改 20+ 文件
  • ✅ 从零实现完整功能
  • ✅ 重构整个模块
  • ✅ CI/CD 集成
  • ✅ 不想绑定特定 IDE

选择 Cursor 的场景

  • ✅ 日常开发中的逐步实现
  • ✅ 逐行代码补全
  • ✅ 精细调整代码
  • ✅ 需要实时预览
  • ✅ 习惯 GUI 操作

8.3

实际工作流

两个工具我都在用,效率是真的高:

  • Cursor 负责:日常开发中的逐步实现、边写边改、逐行补全
  • Claude Code 负责:"大块头"任务——重构模块、批量修改、从需求生成完整功能

两个一起用,互补性强。

8.4 决策树

你的任务是什么?
├─ 批量修改 10+ 文件 → Claude Code
├─ 从零实现新功能 → Claude Code
├─ 重构模块 → Claude Code
├─ CI/CD 自动化 → Claude Code
├─ 逐行补全代码 → Cursor
├─ 精细调整逻辑 → Cursor
└─ 实时预览效果 → Cursor

九、生态工具介绍

9.1 ccswitch

简介:ccswitch 是 Claude Code 的模型切换工具,支持在不同 Claude 模型之间动态切换。

GitHubhttps://github.com/sst/ccswitch

功能

  • 动态切换 Claude 模型(Sonnet / Opus / Haiku)
  • 根据任务复杂度自动选择模型
  • 成本优化(简单任务用 Haiku,复杂任务用 Opus)

使用方法

# 安装
npm install -g ccswitch

# 配置
ccswitch config set default-model claude-3-5-sonnet

# 使用
ccswitch "实现用户登录功能"

应用场景

  • 简单任务(如格式化代码)→ 自动切换到 Haiku(便宜)
  • 复杂任务(如架构设计)→ 自动切换到 Opus(强大)
  • 日常编码 → 默认 Sonnet(平衡)

9.2 cloudcli

简介:cloudcli 是 Claude Code 的云服务集成工具,支持将 Claude Code 部署到云端。

功能

  • 云端运行 Claude Code(无需本地安装)
  • 团队共享配置
  • 云端会话管理
  • API 接口(集成到其他工具)

使用方法

# 安装
npm install -g @cloudcli/cli

# 登录
cloudcli login

# 创建云端会话
cloudcli session create --project my-project

# 执行任务
cloudcli run "重构 UserService"

应用场景

  • 团队协作:共享 Claude Code 配置
  • CI/CD:在云端自动运行
  • 远程开发:无需本地资源

9.3 其他生态工具

9.3.1 claude-code-plugins

官方插件仓库https://github.com/anthropics/claude-code/tree/main/plugins

常用插件

  • plugin-git-enhanced:增强 Git 操作
  • plugin-docker:Docker 集成
  • plugin-testing:测试框架集成
  • plugin-docs:自动生成文档

使用方法

# 安装插件
claude plugin install git-enhanced

# 使用插件
claude --plugin git-enhanced "创建发布分支"

9.3.2 claude-code-monitor

功能:监控 Claude Code 的使用情况和成本

# 安装
npm install -g claude-code-monitor

# 启动监控
claude-code-monitor

# 查看统计
claude-code-monitor stats

输出示例

今日统计(2026-03-29):
- 任务数:15
- Token 消耗:125,432
- 成本:$3.21
- 最常用命令:/clear (12次)

9.3.3 MCP (Model Context Protocol) 集成

简介:Anthropic 推出的模型上下文协议,让 Claude Code 能访问外部工具和数据源

支持的工具

  • 数据库(PostgreSQL、MySQL)
  • API 服务
  • 文件系统
  • 云服务(AWS、GCP、Azure)

示例

# 配置 MCP 服务器
claude mcp add postgresql --connection-string "postgresql://..."

# 使用
claude "查询最近一周的用户数据"

十、最佳实践

10.1 任务描述技巧

好的描述

✅ 实现用户签到功能,要求:
1. 每天只能签到一次
2. 连续签到有额外积分奖励(7天+10分,30天+50分)
3. 提供 REST API:POST /api/checkin
4. 需要单元测试,覆盖率 > 80%
5. 使用现有的 User 模型

不好的描述

❌ 做个签到功能

差异

  • ✅ 明确需求、边界、技术细节
  • ❌ 太模糊,AI 会瞎猜

10.2 成本控制

技巧 1:使用 /clear

# 每完成一个任务就清除上下文
你: 实现功能 A
Claude: [完成]
你: /clear  ← 节省后续任务的 Token
你: 实现功能 B

技巧 2:使用 /compact

# 长会话时压缩历史
你: /compact
Claude: 对话历史已压缩(5000 tokens → 500 tokens)

技巧 3:设置预算上限

# 设置每日预算
claude config set max-daily-cost 10  # 美元

# 设置单次任务预算
claude config set max-task-cost 2  # 美元

10.3 安全建议

⚠️ 重要警告

  1. 不要在生产环境使用 --dangerously-skip-permissions
  2. 不要让 AI 访问敏感数据(密钥、密码、token)
  3. 定期检查 AI 生成的代码(可能有安全漏洞)
  4. 使用版本控制(Git),方便回滚

推荐流程

1. Claude Code 生成代码
2. 人工审查代码
3. 运行测试
4. 提交到 Git
5. 代码审查(Pull Request)
6. 合并到主分支

10.4 团队协作

共享 CLAUDE.md

# 团队共享项目规范
git add CLAUDE.md
git commit -m "添加 Claude Code 规范"
git push

统一配置

# 团队成员使用相同配置
claude config set default-model claude-3-5-sonnet
claude config set max-daily-cost 10

十一、常见问题

Q1: Claude Code 会取代程序员吗?

A: 不会。Claude Code 是工具,不是替代品。它擅长:

  • ✅ 重复性工作
  • ✅ 批量修改
  • ✅ 代码生成

但不擅长:

  • ❌ 架构设计
  • ❌ 业务理解
  • ❌ 创新思维

结论:它会让程序员更高效,但不会取代程序员。

Q2: 成本会不会很高?

A: 看使用方式。

  • 日常使用:$2-5/天(比 Copilot 便宜)
  • 复杂任务:$10-20/次(注意预算)
  • 省钱技巧:使用 /clear/compact、设置预算上限

Q3: Cursor 和 Claude 比,选哪个?

A: 工具定位不同:

工具 定位 价格
Cursor IDE + AI $20/月
Claude Code 终端 Agent 按量计费

Q4: 支持哪些编程语言?

A: 理论上支持所有语言,但擅长:

  • ✅ JavaScript/TypeScript
  • ✅ Python
  • ✅ Java
  • ✅ Go
  • ✅ Rust

对冷门语言支持较弱。

Q5: 数据安全吗?

A: Anthropic 的数据政策:

  • ✅ 对话数据加密存储
  • ✅ 不会用你的代码训练模型
  • ✅ 有限保留期(90天)
  • ✅ 符合 GDPR、SOC 2

但建议:

  • ❌ 不要让 AI 访问敏感数据
  • ✅ 使用本地模型(如 Ollama)处理敏感项目

十二、总结

12.1 Claude Code 的核心价值

  1. 真正的自动化:不是补全代码,而是完成整个任务
  2. 自我纠错:编译失败会自动修复
  3. 不绑定 IDE:任何编辑器都能用
  4. 项目规范:通过 CLAUDE.md 让 AI 遵循你的风格

12.2 适用人群

  • ✅ 专业开发者(提高效率)
  • ✅ 团队协作(共享规范)
  • ✅ CI/CD 自动化
  • ❌ 初学者(建议先用 Copilot 学习)

12.3 未来展望

Claude Code 代表了 AI 编程工具的新方向:从"辅助工具"到"真正的合作伙伴"。随着技术进步,我们可以期待:

  • 更强的理解能力:理解复杂业务逻辑
  • 更好的自主性:独立完成更复杂的任务
  • 更低的成本:模型优化降低使用成本
  • 更广的生态:更多插件和集成

附录:快速开始清单

安装(5分钟)

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

# 2. 认证
claude

# 3. 设置预算
claude config set max-daily-cost 10

第一个任务(2分钟)

cd my-project
claude

你: 实现一个工具函数:格式化日期为 YYYY-MM-DD

Claude: [自动完成]

学习资源


结语

Claude Code 不是代码补全工具,而是一个真正帮你干活的工程师。它不会取代程序员,但会让程序员的工作效率提升 10 倍。

建议

先从简单任务开始,熟悉它的能力边界,再逐步应用到复杂场景。记住,工具再强,也需要人来驾驭。

Views: 150

工具全景——2026 年你需要认识的 AI 编程工具

2026 年你需要认识的 AI 编程工具

上一节聊了 Vibe Coding 是什么,这一节带大家认识一下当前主流的 AI 编程工具都有哪些、各自的定位是什么。

先说清楚:这里列的不是市面上所有工具,新工具隔几个月就冒一个,穷举没有意义。我们挑的是几类有代表性的,覆盖不同的使用场景和工作方式。

看完这节,你会对这个生态有个清晰的认知框架——以后遇到没见过的工具,自己也能判断它属于哪类、适合什么场景,不需要再来问"这个工具怎么样"。

至于最终用哪个,完全可以根据自己的习惯和需求自由选择,没有标准答案。

三类工具,三种思路

目前 AI 编程工具大致可以分三类,思路上有根本差异:

  • AI IDE 类:把编辑器本身重做,AI 功能深度内嵌进去,和代码编辑是一体的
  • IDE 插件类:在你现有的编辑器(IntelliJ、VS Code)上装一个插件,不换编辑器,只是增强
  • 终端 Agent 类:完全在命令行里工作,没有图形界面,AI 直接读文件、写文件、跑命令

这三类的核心差异不是能力强弱,而是工作方式不同。理解了这个,后面看具体工具就不容易混乱。

AI IDE 类:编辑器即 AI

Cursor:AI IDE 的标杆

基于 VS Code 魔改,目前 AI IDE 里最火的一个。

Agent 模式:你描述一个功能需求,它会自己规划任务、读相关文件、写代码、修 Bug,整个流程几乎不需要手动干预。这是和普通代码补全工具最大的区别。

Rules 系统:可以把项目的技术栈规范、代码风格写进 .cursor/rules/,AI 每次生成代码都会遵循这套规范,输出风格和项目保持一致。

这个模块里 Cursor 会是主角,后面几节会深度讲。

Windsurf:Cursor 的直接对手

原 Codeium 出品,2025 年经历了一轮收购风波(曾传出被 OpenAI 和 Google 接洽),最终以独立品牌继续运营。

主打"Cascade"流式编辑模式,思路和 Cursor 的 Agent 类似,界面比较干净。竞争压力下功能迭代明显加快,是 Cursor 目前最直接的竞争对手。

Trae:国内开发者的友好选择

字节跳动出品,国内用户友好,中文交互体验好,对国内开发者来说网络访问也更顺畅。2025 年持续迭代,免费策略比较激进。

IDE 插件类:在熟悉的环境里增强

GitHub Copilot:企业级首选

微软 + GitHub 出品,支持 IntelliJ、VS Code,是企业里用得最广的 AI 编程工具。

补全质量稳定:这几年积累了大量 Java 代码数据,补全体验扎实。最近加入的 Agent 功能(Copilot Workspace)也在持续增强。

IntelliJ 用户、企业团队环境里,Copilot 是首先会遇到的选项。

JetBrains AI Assistant:深度集成

JetBrains 官方出品,深度集成在 IntelliJ IDEA 里,支持代码补全、重构建议、测试生成、提交信息自动生成等功能。

对 Java 开发者来说,和 IDE 原生功能的结合是最流畅的——不用切换工具,直接在熟悉的环境里用。

2026 年已支持接入多个主流模型,是企业 Java 团队里越来越多被采用的选项。

Tabnine:私有化部署

老牌 AI 补全工具,特点是支持私有化部署——对数据合规要求高的企业(金融、医疗)来说,能在内网部署是很重要的能力。

终端 Agent 类:命令行里的 AI 工程师

Claude Code:大规模重构专家

Anthropic 出品,纯命令行 Agent,没有图形界面。

定位和 Cursor 不同——它更擅长大规模、跨文件的任务。比如"把整个项目的 DAO 层从 MyBatis 迁移到 JPA"这种需要同时修改几十个文件的工作,Claude Code 处理起来很顺手。

它会自己读现有代码结构、写文件、执行 mvn compile 验证、发现报错自己修——整个过程全自动。

这个模块里有专门一节讲 Claude Code,大家到时候跟着操作一遍就有感觉了。

Aider:开源可控

开源命令行 Agent,最大特点是可以接任意 LLM(OpenAI、Claude、本地模型都行)。对想自己控制底层模型、或者需要离线使用的场景比较有用。

OpenAI Codex CLI:沙箱安全

OpenAI 2025 年推出的终端编程 Agent,是 Claude Code 的直接对标。底层默认跑 o4-mini,需要更强推理能力时可以切 o3。

沙箱执行模式:它有三档安全级别:

  • suggest 模式:只给建议不动手
  • auto-edit:可以改文件但执行命令要你确认
  • full-auto:完全自主跑在沙箱里

codex "把这个模块的测试覆盖率跑到 80% 以上" 扔进去,它自己分析代码、生成测试、执行验证、报告结果,全程不用盯着——你可以放心让它跑 mvn testdocker build,出了问题沙箱隔离,不会影响宿主机。

和 Claude Code 怎么选? 两个都值得试一下。社区反馈 Claude Code 在复杂多步推理上略强,Codex CLI 在安全控制粒度上更细腻。大多数时候用哪个主要看你手头哪家的 API 账号更顺手。

一张全景图

类别 工具 特点 适用场景
AI IDE Cursor Agent 模式 + Rules 系统 从零开始的项目,需要深度 AI 辅助
AI IDE Windsurf Cascade 流式编辑 Cursor 的替代选择
AI IDE Trae 中文友好 + 免费策略激进 国内开发者
IDE 插件 GitHub Copilot 企业级 + 稳定补全 企业团队,IntelliJ 用户
IDE 插件 JetBrains AI 深度集成 IntelliJ Java 企业开发
IDE 插件 Tabnine 私有化部署 数据合规要求高的企业
终端 Agent Claude Code 大规模跨文件任务 重构、迁移、批量修改
终端 Agent Aider 开源可控 需要自定义底层模型
终端 Agent Codex CLI 沙箱安全 自动化测试、安全要求高

这个模块会重点讲哪些

这个模块的重点是 CursorClaude Code,原因很简单:这两个代表了两种不同的 AI 编程范式,学会这两个,其他工具上手都很快。

Copilot 的基本用法大家可以类比 Cursor,核心逻辑是一样的,只是嵌在 IntelliJ 里体验会不同。

其他工具如果大家感兴趣,可以根据这节的介绍自行探索,原理都相通。

写在最后:工具是手段,不是目的

最后想提醒一点:工具是手段,不是目的。

Vibe Coding 的核心是"用自然语言描述需求,让 AI 实现",而不是"必须用哪个工具"。

Cursor 好用,但如果你已经是 10 年 IntelliJ 老用户,强行切到 Cursor 反而降低效率——这种情况下,Copilot + JetBrains AI 可能更适合你。

Claude Code 强大,但如果你更习惯图形界面,强行用命令行只会增加认知负担。

选择工具的原则

  1. 熟悉度优先:在熟悉的工具上加 AI 功能,比重新学一个工具成本低
  2. 场景匹配:大规模重构用 Claude Code,日常开发用 Cursor 之类的产品。

本文是 Vibe Coding 系列的第二篇。关注这个系列,一起探索 AI 时代的编程新范式。

Views: 52