AI 编程落地业务开发的探索与实践
@李韬:本文围绕 AI 编程落地业务开发展开,梳理 AI 编程稳定性和门槛两个核心问题,后从 AI 编程配置(Rules、自定义模式、MCP)、编程流程(新项目、老项目不同场景)、优化提示词三方面阐述探索实践,总结通过标准化与场景化让 AI 编程成为生产力。…
@李韬:本文围绕 AI 编程落地业务开发展开,梳理 AI 编程稳定性和门槛两个核心问题,后从 AI 编程配置(Rules、自定义模式、MCP)、编程流程(新项目、老项目不同场景)、优化提示词三方面阐述探索实践,总结通过标准化与场景化让 AI 编程成为生产力。…
@李天鸣:讨论了七猫进行 AI 代码评审实践的相关内容,包括目标、产品与技术方案、开发过程、效果调优等,旨在通过 AI 辅助代码评审,提升代码质量和企业生产效率。…
@吴昌鑫:讨论了 App 稳定性保障存在人工值班效率低、处理流程繁琐等问题,介绍了通过稳定性 Agent 交付稳定性系统,利用飞书 Aily 开发实现智能监控与归因的技术方案、存在的不足及未来展望。…
@王柯、@张文森、@王林、@费高联:讨论了在纯血鸿蒙推出和鸿蒙端书城功能落后的背景下,进行书城改造以追齐双端功能的实践,大量运用 AI 并选用 Flutter 跨端方案,总结经验以提升客户端开发效率。…
本文围绕AI时代代码评审左移的最佳实践展开。先解释“左移”“右移”概念,探讨CR左移后的实践。IDE侧介绍Cursor、Github Copilot、通义灵码等工具的CR方式,指出设置Rules可规范AI行为,人类工程师转为Reviewer。云效侧通过Webhook触发AI评审,目前部分团队体验,规划多项能力,核心在上下文和提示词质量。…
@徐晨皓:从前端开发视角探讨 Cursor 表现。通过 ToC、ToB 项目展示图生代码功能,其能构建布局、拆分组件,但样式还原有提升空间。还介绍 Figma - MCP 接入,可提高代码生成准确性与效率。总体而言,Cursor 能简化开发、加快交付,但细节处理待完善。…
围绕结构化 prompt 展开,先介绍其概念,以 CRISPE 框架为例说明编写方式。接着阐述优势,如层级清晰、降低认知负担、定向唤醒模型能力等。还给出两个实践案例,包括生成 Go 文件和 proto 文件等。最后总结,指出结构化 prompt 可读性强、助 ChatGPT 输出稳定,能提升开发效率,未来写高质量 prompt 很重要。…
@杨晨:本文围绕AI辅助编程工程化展开。因大模型回答发散、不稳定,维护大型项目有困难。实践中用cursor + MCP生成go代码po文件,开发提示词文件[create_po.md](create_po.md)。按检查连接、获取表结构、生成并保存go文件步骤执行。最终生成account.go文件,声明包、定义结构体等。强调开发提示词重要,其需迭代维护,代码要人工审核。…
文本并不纯粹是一篇教学文章,我们会以制作一个智能的命令行工具为目标,在过程中穿插一些涉及到的行业中术语或扩展知识,以及列举相似功能AI软件的幕后实现,所以你也可以把本文当作一篇AI技术科普。看完全文后,你将收获: 1. 市面上所有AI应用的幕后实现原理 2. 自制Agent框架/程序的能力…