人工智能编程流程技能AI Dev Workflow

AI Dev Workflow(SkillHub)
AI Dev Workflow(ClawHub)


name: AI Dev Workflow

author: 王教成 Wang Jiaocheng (波动几何)
description: 此技能提供一个标准化、可复现的AI辅助编程工作流,通过三个有序步骤将模糊想法转化为生产就绪的代码:需求转复杂功能描述、描述加技术栈转方法调用结构、结构转完整项目代码。当用户想要开发完整软件系统、从零构建应用程序,或遵循规范的AI-人协作编程流程时,应使用此技能。

AI Dev Workflow - 标准化AI辅助编程工作流

一个标准化、可复现的三步AI辅助编程工作流,通过"样本模仿"与"提示词驱动"的有机结合,实现从模糊需求到生产代码的确定性转换。

核心原则

  • 样本模仿:使用经过验证的文档样本引导需求扩展和技术设计,消除随机性。
  • 提示词驱动:提前建立元协议和架构提示词,确保所有生成物的一致性。
  • 渐进式展示:默认先交付架构蓝图,完整代码按需提供------让开发者掌控信息深度。

参考文档

本技能在 references/ 目录下捆绑三份参考文档:

文件 角色
references/人工智能编程之复杂功能描述样本(待办任务).md 样本1 --- 展示如何编写结构化的复杂功能描述(需求点→功能点→执行点)。
references/人工智能编程之方法调用结构样本(待办任务).md 样本2 --- 展示如何编写跨平台的方法调用结构蓝图,涵盖客户端和服务端各层。
references/从灵感到实现:一个标准化、可复现的AI辅助编程工作流.md 背景阅读 --- 完整的方法论文档(原文为五步版本,本技能已简化为三步)。供人类或无程序能力的LLM阅读,用于理解背景原理和手动复制粘贴执行步骤。

使用方式:在执行对应工作流步骤时,将相关样本参考文档读入上下文。对于较大的参考文件,使用grep/搜索定位特定章节,而非加载整个文件。

工作流说明

本技能已将两份提示词内置,AI可一次性获取完整上下文。实际使用流程如下:

内置提示词

元协议(第一份提示词):

执行协议等待指令:复杂功能分拆成原子方法,原子方法生成完整代码,默认只展示方法调用结构但用户可以要求展示完整代码。

架构与技术栈提示词(第二份提示词):

做一个功能为{首次回复要求提供功能描述}的APP,使用{客户端(UI层→ViewModel→UseCase→Repository→数据源)→服务器(Controller→Service→Repository→Entity→Database)}的架构,采用{Android}客户端、{SpringBoot}服务器和{MySQL}数据库并统一使用{Kotlin}语言。

两份提示词定义了工作规则和技术路径,AI已知晓,无需用户单独发布。

实际执行步骤

第一步:需求 → 复杂功能描述

输入:用户提供的功能需求描述。

执行:

  1. 将 references/人工智能编程之复杂功能描述样本(待办任务).md 读入上下文。
  2. 参考样本格式,将需求扩展为结构化的复杂功能描述文档(需求点 → 功能点 → 执行点)。

输出:复杂功能描述文档。

可修改:用户可对输出的描述进行修改、补充、调整。


第二步:描述 + 技术栈 → 方法调用结构

输入:

  • 第一步输出的复杂功能描述(或修改后版本)
  • 用户填充第二份提示词中的所有变量:
    • {功能描述} --- 第一步输出的结构化需求文档
    • {架构} --- 前后端分层架构模式
    • {客户端技术} --- 客户端框架
    • {服务端技术} --- 服务端框架
    • {数据库} --- 数据库类型
    • {编程语言} --- 客户端/服务端编程语言(可统一或分开指定)

执行:

  1. 将 references/人工智能编程之方法调用结构样本(待办任务).md 读入上下文。
  2. 在两份内置提示词的基础上,结合确定的技术栈,为每个功能点生成跨平台方法调用结构。

输出:方法调用结构蓝图(涵盖客户端和服务端各层)。

可修改:用户可对输出的结构进行修改、调整方法签名、增删节点。


第三步:结构 → 项目完整代码

输入:第二步输出的方法调用结构(或修改后版本)。

执行 :

根据方法调用结构,生成完整项目内容,包括:

  • 客户端各层代码(UI、ViewModel、UseCase、Repository等)
  • 服务端各层代码(Controller、Service、Repository、Entity等)
  • 数据库相关代码(表结构、迁移脚本、初始数据等)
  • 配置文件(环境配置、依赖管理、构建配置等)
  • 部署文件(Dockerfile、docker-compose、CI/CD配置等)
  • 项目结构文件(README、.gitignore等)

输出:可运行的完整项目(代码 + 配置 + 部署)。

可修改:用户可对生成的代码进行修改、优化、调整。


工作流总览

步骤 输入 内置提示词 样本参考 输出 可修改
1 功能需求 --- 复杂功能描述样本 复杂功能描述 ✅
2 复杂功能描述 + 技术栈 两份提示词 方法调用结构样本 方法调用结构 ✅
3 方法调用结构 两份提示词 --- 完整项目 ✅

核心理念:每个阶段的输出都可被用户修改,下一阶段基于修改后的内容继续推进。用户始终保有控制权。

核心价值

  1. 消除模糊性:通过结构化样本,确保需求扩展和技术设计的深度与格式符合工程标准。
  2. 确保一致性:通过架构提示词,保证所有产出都遵循统一的最佳实践和技术栈。
  3. 提升可控性:通过元协议,将生成过程置于开发者的可控节奏之下,先蓝图后实现。
  4. 实现知识传承:将内化的架构经验沉淀为可复用的"样本"和"提示词",使最佳实践得以规模化复制。
相关推荐
AIGS00112 分钟前
什么是本体语义平台?和知识图谱、传统数据中台的区别在哪
人工智能·知识图谱·数据中台·ai问数·本体语义平台·智能数据中台
YOLO数据集集合12 分钟前
烟叶病虫害检测数据集 | 烟叶病害 无人机航拍 智慧农业 病害检测 9125期
人工智能·目标检测·目标跟踪·无人机·烟草病虫·烟草虫害
Experience-摆渡20 分钟前
一个开源免费的本地AI抠图工具 unbagrnd:断网也能用的背景移除
人工智能·开源
只是甲21 分钟前
Text2SQL 系列博客 07:4 步选型法(上)- 场景与标准的定义
人工智能·text2sql·nl2sql·ai agent·智能问数
Csvn36 分钟前
AI 应用日志别再 print 了:结构化日志 + request_id 贯穿(O01)
人工智能
空 白II1 小时前
9.26 大语言模型研究简报:把 Agent 开发做成“数据—训练—Harness”闭环
人工智能·语言模型·自然语言处理
tellmewhoisi1 小时前
机器学习:集成学习4(XGBoost 的API)
人工智能·机器学习·集成学习
只猪侠GGBond1 小时前
从“会诊断”到“能验证”:AI FaultLab 的修复验证闭环设计
人工智能
m4Rk_1 小时前
【论文阅读】Agent 记忆机制(81):EMR——用情景记忆避免 Agent 在多步推理中反复绕圈
论文阅读·人工智能·学习·开源·github
Zldaisy3d1 小时前
中科院力学所完成太空增减材制造失重飞行试验
人工智能·制造