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。…
AI 代码评审在七猫的实践
@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。…
稳定性智能监控与归因
@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。…
AI + 跨平台 - 七猫书城改造与提效实践
@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。…
AI 时代的 Code Review 最佳实践
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。…
浅议 Cursor 在前端开发流程中的表现
@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。…
AI 之结构化prompt修炼
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。…
AI 辅助编程工程化：让一切变得可控且高效
@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。…
探索AI工具幕后，打造你自己的Agent应用
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…