AI Coding 协作实践方案AI Coding 最适合做两类事。第一类是高频、重复、容易打断心流的工作。第二类是输入清楚、边界明确、验证方式明确的工程任务。它最不适合的是那种需求说不清、测试兜不住、还想一口气全自动完成的大改造。为什么现在值得做我们先不谈模型能力先看研发日常。研发同学每天真正花时间的地方很多并不是业务判断本身而是这些动作找代码入口看调用链补样板代码查错误日志写测试写 PR 描述在 IDE、终端、代码平台、文档平台之间切换这些事情单看都不难但它们会不断打断主线任务。GitHub 的开发者反馈里有一个判断很值得借用好的 AI 工具最直接的价值不是替代开发者而是减少上下文切换帮开发者把判断权留下来。先试什么不要一开始就挑战最高难度。第一波试点一定要选那些“能看懂结果、能快速验证、风险可控”的任务。前端适合先试的场景解释路由、页面状态流和调用链根据已有页面模式补组件骨架、请求层和类型生成复杂页面的回归清单根据已有改动生成 PR 摘要和风险说明后端适合先试的场景解释 controller、service、repository 之间的数据流根据已有模式补 handler、DTO、校验和单测排查接口异常、事务问题、序列化问题生成接口文档、迁移说明和回滚说明Vercel 的经验很明确当前最容易成功的 agent 场景仍然是低认知负担、高重复、流程稳定的工作主流程下面这一段是最核心的内容。定义任务计划分析小步实现自检验证人工ReviewGit提交与PR复盘沉淀逐步自动化第一步定义任务任何任务开始前先把输入补齐。最少要有四段GoalContextConstraintsDone when这一步的作用非常简单就是减少 AI 自己脑补。Codex 官方把这四段结构明确当成默认输入方式。如果人自己都讲不清楚要改什么就不要期待 AI 能稳定地改对。第二步计划分析复杂任务先进入Plan Mode只读分析不直接改代码。涉及以下情况时这一步不要省多文件改动跨模块联动缓存、权限、事务、状态管理老代码重构构建链路或数据库变更这一阶段只要求 AI 回答三件事影响范围是什么风险点是什么验证方式是什么如果这三件事说不清楚就先别进入实施。第三步小步实现编码阶段不要追求“这一轮全部做完”而是要追求“这一轮做一个清晰子任务”。比如只补一个 store 的持久化只修一个接口错误分支只补一组单测只改一个页面请求链路不是 AI 一次改得越多越厉害而是一次改得越清楚越可靠。第四步自检验证代码改完先别急着commit。先让 AI 交代清楚改了哪些文件为什么改这些文件还缺哪些验证项风险最高的是哪里然后跑最小测试集、最小 lint 或最小类型检查。coding agent 表现稳定的关键往往是自动化测试、开发服务器、lint、类型检查和更详细的错误信息而不是把 prompt 写得越来越长。第五步人工 ReviewAI 可以把 review 前移但不能替代最终 review。这里最建议统一一个最小 review 口径是否符合仓库规则是否复用了已有模式是否引入重复实现是否有高风险但未验证的改动是否补齐必要说明第六步Git 提交与 PR到了这一步AI 最适合帮忙做的是生成 commit message 候选生成 PR 标题输出变更摘要列出影响范围写验证方式写风险与回滚点第七步复盘沉淀如果一类任务反复出现就不要每次重新口述而要开始沉淀规则文件hooksskillsreview 清单自动化流程这一步不是附属动作而是团队 AI 收益能不能累积的关键。关键功能规则文件定义项目规则Plan Mode先分析再实施MCP读取仓库外事实Hooks强制执行固定动作并行会话隔离不同任务上下文git worktree隔离分支和目录Skills复用高频流程Automations让稳定流程定时运行规则文件规则文件本质上是给 AI 的长期说明书最适合放项目结构启动命令构建与测试命令命名和编码规则review 要求禁止事项规则文件就是把“大家默认知道的事”写成“AI 每次都会先知道的事”。Plan ModePlan Mode只适合做一件事先理解再动手。它不是拖慢速度而是在减少返工。MCPMCP不负责写代码它负责给 AI 提供仓库外的真实信息比如PRIssue日志监控接口文档知识库能让 AI 去读事实就不要让它靠聊天记录猜事实。HooksHooks解决的是“哪些动作必须自动执行”(门禁系统)。例如PreToolUse拦截危险命令PostToolUse自动格式化PermissionRequest管高风险操作SessionStart提醒先读规则Stop做任务结束检查规则文件告诉 AI 应该怎么做hooks 负责把一部分动作变成必须做。并行会话和git worktree当团队同时做功能开发、线上 bug、重构探索时最容易出问题的不是模型能力而是上下文串线。这里建议直接强调两个原则一任务一会话一高风险任务一 worktreeSkills 和 Automations如果某类动作已经反复出现就先做成 skill如果它已经稳定到不太需要人干预再做 automation。Git 落地新功能切主分支并拉最新新建功能分支Plan Mode分析小步实现AI审查暂存区运行最小验证rebase主分支推送分支生成PR描述对应命令gitswitch maingitpull --ff-onlygitswitch-cfeat/xxx每完成一个子任务小步提交gitstatusgitdiff--statgitaddsrc/a.ts src/b.tsgitcommit-mfeat(scope): summary提交前让 AI 审查暂存区请审查当前暂存区改动 1. 说明改动目的 2. 指出潜在风险 3. 列出还缺的验证项 4. 建议 commit messageBug 修复没有复现步骤就不要期待 AI 稳定修好问题。示例Bug保存成功后刷新页面状态丢失。 复现步骤 1. 启动项目 2. 进入设置页 3. 打开开关 4. 点击保存 5. 刷新页面 要求 - 先复现 - 先找根因 - 修复后运行最小相关测试 - 输出验证步骤并行任务如果团队要同时跑功能、bug 和重构建议直接上git worktreegitworktreeadd../project-bugfix-bfix/bug-x maingitworktreeadd../project-refactor-brefactor/module-y main价值上下文不串分支不串改动不串回滚共享分支优先用gitrevertcommit_sha不要把最危险的命令直接交给 AI。更适合让 AI 做的是找问题 commit分析影响范围列回滚后的验证清单自动化作为第二阶段自动化不是第一波要做的事。第一波只解决“仓库内流程跑顺”第二波才解决“稳定动作自动化”第三波再做“跨系统自动化”。第一阶段 仓库内流程跑顺第二阶段 稳定动作自动化第三阶段 跨系统自动化长期运行与定时调度怎么理解分层Codex/Claude Code编码执行层Hermes Agent自动化调度层dws/lark-cli协同执行层也就是说写代码、跑测试、做 review还是交给擅长代码的 agent长期运行、定时任务、跨平台分发可以交给Hermes Agent真正落到钉钉、飞书的消息、日历、待办、文档、会议再交给官方 CLI 去执行例如Hermes Agent定时扫描最近合并的 PR调用Codex或Claude Code生成变更摘要和风险项再通过dws或lark-cli发到研发群、写待办或生成周报提醒研发团队先把代码内工作流跑顺再考虑跨系统自动化成功率会高很多。收尾团队真正需要统一的不是“大家都用哪个模型”而是“大家按照什么顺序把 AI 接入现有工程流程”。这条顺序再重复一遍定义任务 - 计划分析 - 小步实现 - 自检验证 - 人工 review - Git 提交与 PR - 复盘沉淀 - 再逐步自动化只要这条顺序跑顺AI 带来的收益就不只是“写得更快”而是找代码更快改动更稳review 更清晰提交更规范信息同步成本更低skill 搜索网站可以查找高频skillhttps://www.skills.sh/面向产品/设计的快速视觉化AI网站https://stitch.withgoogle.com/面向开发者的设计引擎https://open-design.ai/中转站本地服务搭建https://github.com/Wei-Shaw/sub2api上百个agent角色库可以搭建agent team mcp服务/skillhttps://github.com/msitarzewski/agency-agents魔搭社区https://modelscope.cn/一些好用的skill1、**using-superpowers**遵循工程化流程的总控制中心https://www.skills.sh/obra/superpowers/using-superpowers2、**brainstorming**在AI动任何代码之前强制它先把需求彻底想清楚https://www.skills.sh/obra/superpowers/brainstorming3、**writing-plans**把经过 brainstorming 验证后的产品设计拆解成一份即便“零背景”也能一步步照做的 TDD 实施蓝图https://www.skills.sh/obra/superpowers/writing-plans4、mcp-builder定义MCP服务器的质量标准并提供了从设计到评估的全流程最佳实践https://www.skills.sh/anthropics/skills/mcp-builder5、**grill-me**对需求严格、系统的一问一答直到所有需求都清晰无误https://www.skills.sh/mattpocock/skills/grill-me6、json-canvas一句话生成知识图谱https://www.skills.sh/kepano/obsidian-skills/json-canvas7、**agent-browser**浏览器自动化工具https://www.skills.sh/vercel-labs/agent-browser/agent-browser8、**vercel-composition-patterns**让代码更容易理解和修改降低长期维护成本https://www.skills.sh/vercel-labs/agent-skills/vercel-composition-patterns9、**webapp-testing**结构化、可重复的 Web 应用测试https://www.skills.sh/anthropics/skills/webapp-testing10、**find-skills**动态发现、安装、管理其他技能https://www.skills.sh/vercel-labs/skills/find-skills11、**systematic-debugging**系统化地诊断和修复已发生的Bughttps://www.skills.sh/obra/superpowers/systematic-debugging12、**requesting-code-review**代码审查https://www.skills.sh/obra/superpowers/requesting-code-review
AI Coding 协作实践方案AI Coding 最适合做两类事。第一类是高频、重复、容易打断心流的工作。第二类是输入清楚、边界明确、验证方式明确的工程任务。它最不适合的是那种需求说不清、测试兜不住、还想一口气全自动完成的大改造。为什么现在值得做我们先不谈模型能力先看研发日常。研发同学每天真正花时间的地方很多并不是业务判断本身而是这些动作找代码入口看调用链补样板代码查错误日志写测试写 PR 描述在 IDE、终端、代码平台、文档平台之间切换这些事情单看都不难但它们会不断打断主线任务。GitHub 的开发者反馈里有一个判断很值得借用好的 AI 工具最直接的价值不是替代开发者而是减少上下文切换帮开发者把判断权留下来。先试什么不要一开始就挑战最高难度。第一波试点一定要选那些“能看懂结果、能快速验证、风险可控”的任务。前端适合先试的场景解释路由、页面状态流和调用链根据已有页面模式补组件骨架、请求层和类型生成复杂页面的回归清单根据已有改动生成 PR 摘要和风险说明后端适合先试的场景解释 controller、service、repository 之间的数据流根据已有模式补 handler、DTO、校验和单测排查接口异常、事务问题、序列化问题生成接口文档、迁移说明和回滚说明Vercel 的经验很明确当前最容易成功的 agent 场景仍然是低认知负担、高重复、流程稳定的工作主流程下面这一段是最核心的内容。定义任务计划分析小步实现自检验证人工ReviewGit提交与PR复盘沉淀逐步自动化第一步定义任务任何任务开始前先把输入补齐。最少要有四段GoalContextConstraintsDone when这一步的作用非常简单就是减少 AI 自己脑补。Codex 官方把这四段结构明确当成默认输入方式。如果人自己都讲不清楚要改什么就不要期待 AI 能稳定地改对。第二步计划分析复杂任务先进入Plan Mode只读分析不直接改代码。涉及以下情况时这一步不要省多文件改动跨模块联动缓存、权限、事务、状态管理老代码重构构建链路或数据库变更这一阶段只要求 AI 回答三件事影响范围是什么风险点是什么验证方式是什么如果这三件事说不清楚就先别进入实施。第三步小步实现编码阶段不要追求“这一轮全部做完”而是要追求“这一轮做一个清晰子任务”。比如只补一个 store 的持久化只修一个接口错误分支只补一组单测只改一个页面请求链路不是 AI 一次改得越多越厉害而是一次改得越清楚越可靠。第四步自检验证代码改完先别急着commit。先让 AI 交代清楚改了哪些文件为什么改这些文件还缺哪些验证项风险最高的是哪里然后跑最小测试集、最小 lint 或最小类型检查。coding agent 表现稳定的关键往往是自动化测试、开发服务器、lint、类型检查和更详细的错误信息而不是把 prompt 写得越来越长。第五步人工 ReviewAI 可以把 review 前移但不能替代最终 review。这里最建议统一一个最小 review 口径是否符合仓库规则是否复用了已有模式是否引入重复实现是否有高风险但未验证的改动是否补齐必要说明第六步Git 提交与 PR到了这一步AI 最适合帮忙做的是生成 commit message 候选生成 PR 标题输出变更摘要列出影响范围写验证方式写风险与回滚点第七步复盘沉淀如果一类任务反复出现就不要每次重新口述而要开始沉淀规则文件hooksskillsreview 清单自动化流程这一步不是附属动作而是团队 AI 收益能不能累积的关键。关键功能规则文件定义项目规则Plan Mode先分析再实施MCP读取仓库外事实Hooks强制执行固定动作并行会话隔离不同任务上下文git worktree隔离分支和目录Skills复用高频流程Automations让稳定流程定时运行规则文件规则文件本质上是给 AI 的长期说明书最适合放项目结构启动命令构建与测试命令命名和编码规则review 要求禁止事项规则文件就是把“大家默认知道的事”写成“AI 每次都会先知道的事”。Plan ModePlan Mode只适合做一件事先理解再动手。它不是拖慢速度而是在减少返工。MCPMCP不负责写代码它负责给 AI 提供仓库外的真实信息比如PRIssue日志监控接口文档知识库能让 AI 去读事实就不要让它靠聊天记录猜事实。HooksHooks解决的是“哪些动作必须自动执行”(门禁系统)。例如PreToolUse拦截危险命令PostToolUse自动格式化PermissionRequest管高风险操作SessionStart提醒先读规则Stop做任务结束检查规则文件告诉 AI 应该怎么做hooks 负责把一部分动作变成必须做。并行会话和git worktree当团队同时做功能开发、线上 bug、重构探索时最容易出问题的不是模型能力而是上下文串线。这里建议直接强调两个原则一任务一会话一高风险任务一 worktreeSkills 和 Automations如果某类动作已经反复出现就先做成 skill如果它已经稳定到不太需要人干预再做 automation。Git 落地新功能切主分支并拉最新新建功能分支Plan Mode分析小步实现AI审查暂存区运行最小验证rebase主分支推送分支生成PR描述对应命令gitswitch maingitpull --ff-onlygitswitch-cfeat/xxx每完成一个子任务小步提交gitstatusgitdiff--statgitaddsrc/a.ts src/b.tsgitcommit-mfeat(scope): summary提交前让 AI 审查暂存区请审查当前暂存区改动 1. 说明改动目的 2. 指出潜在风险 3. 列出还缺的验证项 4. 建议 commit messageBug 修复没有复现步骤就不要期待 AI 稳定修好问题。示例Bug保存成功后刷新页面状态丢失。 复现步骤 1. 启动项目 2. 进入设置页 3. 打开开关 4. 点击保存 5. 刷新页面 要求 - 先复现 - 先找根因 - 修复后运行最小相关测试 - 输出验证步骤并行任务如果团队要同时跑功能、bug 和重构建议直接上git worktreegitworktreeadd../project-bugfix-bfix/bug-x maingitworktreeadd../project-refactor-brefactor/module-y main价值上下文不串分支不串改动不串回滚共享分支优先用gitrevertcommit_sha不要把最危险的命令直接交给 AI。更适合让 AI 做的是找问题 commit分析影响范围列回滚后的验证清单自动化作为第二阶段自动化不是第一波要做的事。第一波只解决“仓库内流程跑顺”第二波才解决“稳定动作自动化”第三波再做“跨系统自动化”。第一阶段 仓库内流程跑顺第二阶段 稳定动作自动化第三阶段 跨系统自动化长期运行与定时调度怎么理解分层Codex/Claude Code编码执行层Hermes Agent自动化调度层dws/lark-cli协同执行层也就是说写代码、跑测试、做 review还是交给擅长代码的 agent长期运行、定时任务、跨平台分发可以交给Hermes Agent真正落到钉钉、飞书的消息、日历、待办、文档、会议再交给官方 CLI 去执行例如Hermes Agent定时扫描最近合并的 PR调用Codex或Claude Code生成变更摘要和风险项再通过dws或lark-cli发到研发群、写待办或生成周报提醒研发团队先把代码内工作流跑顺再考虑跨系统自动化成功率会高很多。收尾团队真正需要统一的不是“大家都用哪个模型”而是“大家按照什么顺序把 AI 接入现有工程流程”。这条顺序再重复一遍定义任务 - 计划分析 - 小步实现 - 自检验证 - 人工 review - Git 提交与 PR - 复盘沉淀 - 再逐步自动化只要这条顺序跑顺AI 带来的收益就不只是“写得更快”而是找代码更快改动更稳review 更清晰提交更规范信息同步成本更低skill 搜索网站可以查找高频skillhttps://www.skills.sh/面向产品/设计的快速视觉化AI网站https://stitch.withgoogle.com/面向开发者的设计引擎https://open-design.ai/中转站本地服务搭建https://github.com/Wei-Shaw/sub2api上百个agent角色库可以搭建agent team mcp服务/skillhttps://github.com/msitarzewski/agency-agents魔搭社区https://modelscope.cn/一些好用的skill1、**using-superpowers**遵循工程化流程的总控制中心https://www.skills.sh/obra/superpowers/using-superpowers2、**brainstorming**在AI动任何代码之前强制它先把需求彻底想清楚https://www.skills.sh/obra/superpowers/brainstorming3、**writing-plans**把经过 brainstorming 验证后的产品设计拆解成一份即便“零背景”也能一步步照做的 TDD 实施蓝图https://www.skills.sh/obra/superpowers/writing-plans4、mcp-builder定义MCP服务器的质量标准并提供了从设计到评估的全流程最佳实践https://www.skills.sh/anthropics/skills/mcp-builder5、**grill-me**对需求严格、系统的一问一答直到所有需求都清晰无误https://www.skills.sh/mattpocock/skills/grill-me6、json-canvas一句话生成知识图谱https://www.skills.sh/kepano/obsidian-skills/json-canvas7、**agent-browser**浏览器自动化工具https://www.skills.sh/vercel-labs/agent-browser/agent-browser8、**vercel-composition-patterns**让代码更容易理解和修改降低长期维护成本https://www.skills.sh/vercel-labs/agent-skills/vercel-composition-patterns9、**webapp-testing**结构化、可重复的 Web 应用测试https://www.skills.sh/anthropics/skills/webapp-testing10、**find-skills**动态发现、安装、管理其他技能https://www.skills.sh/vercel-labs/skills/find-skills11、**systematic-debugging**系统化地诊断和修复已发生的Bughttps://www.skills.sh/obra/superpowers/systematic-debugging12、**requesting-code-review**代码审查https://www.skills.sh/obra/superpowers/requesting-code-review
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
