Oops Framework-6-项目中如何使用AI的思路

总结使用用ai写代码碰到的问题。

小众 / 私有化 / 非通用框架,AI 根本没训练过,直接让它写 = 100% 写不出来。 所以需要给一个完整可运行的例子,AI 瞬间就能模仿、仿写、改写出一模一样风格的。

问题的关键是使用的大模型并不是所有的框架都有训练数据,所以通用框架秒出可用代码,小众/私有化/自研框架,没有约束很大概率完全写崩

如果 AI 写 Vue、React、Element Plus 代码,工整规范、基本可用;但只要换成公司自研框架、内部业务框架、小众定制框架(比如 OopsFramework ),AI 写出来的代码全是错的:组件不存在、语法不匹配、结构乱套、规范完全跑偏,根本无法运行。

这并不是 AI 能力不行,是因为缺乏约束。 是 AI 没学过私有规则,业务模板。

让AI 定制专属编程 Skill 是现阶段唯一标准答案。

一、为什么私有框架会写崩?

AI 编程的本质,是基于训练数据的概率续写与规则复用

市面上的通用开源框架,全网有海量文档、案例、开源项目代码,早已被 AI 充分训练,形成了成熟的语法认知和编码范式。所以我们输入需求,AI 能精准匹配规则,输出合规代码。

小众、私有化、公司自研框架,有三个基本问题:

  1. 无公开训练数据:仅企业内部使用,全网几乎零公开案例,AI 完全没有学习样本;

  2. 语法规则私有化:自定义组件、专属标签、固定页面结构、私有接口规范,和通用框架完全不兼容;

  3. 业务强绑定:框架写法贴合内部业务流程,外部开发者和 AI 根本无法预判规范。

这就导致一个结果:脱离示例,让 AI 凭空写私有框架代码,成功率无限趋近于 0。

二、AI 编程的特性:无样本就是傻瓜,有样本才能拟合

AI本质是数据拟合,所以表现会两极分化。

❌ 无示例:AI 只能靠通用编程逻辑瞎猜,组件、语法、结构全部自创,通篇错误、完全不可用;

✅ 有完整可运行示例:AI 瞬间完成 少样本学习,1:1 复刻你的编码风格、组件用法、页面结构、业务规范,仿写、改写、新增功能全部精准贴合项目标准。

因为AI本身是数据拟合,数据少就会烂。

解决方案就是:对于私有框架,不要让 AI「创造」,只让 AI「模仿」,别拟合了,直接了解目标。

不需要教 AI 框架原理,不需要写繁琐的规则提示词,只需要给一套项目内真实、可运行、规范标准的业务模板,AI 就能立刻掌握这套框架的所有编码范式。让AI知道怎么做就行了。

三、业务模板:个人使用 Claude Code 的 Skill

很多人疑惑整理业务模板、标准页面,到底算什么?

整理的模板就是 Claude Code 官方定义的 Skill

很多人误以为 Skill 是复杂的插件、脚本或者高级指令,其实本质完全简单纯粹。

Skill = 可复用的私有领域知识 + 固定编码规范 + 标准化业务模板 + 统一工作流

它不是简单的提示词存档,而是给 AI 封装的一套专属项目编程能力,是适配私有场景的核心扩展能力。

1. 普通提示词 VS 真实 Skill(业务模板)

普通提示词:每次对话都要重复描述规则,零散、易遗漏、无法统一标准,AI 依旧会自由发挥、出现偏差;

业务模板 Skill:一次性沉淀标准页面、表单、列表、弹窗、接口请求、样式规范,AI 自动识别、自动复用、全程严格遵循,绝不自创语法

2. Skill 的核心特性,完美匹配业务模板

  • 场景自动触发:Claude Code 会根据编码场景,自动调用适配的模板规范,无需手动指令;

  • 规范统一固化:所有页面、所有功能的编码风格、结构、组件用法完全统一;

  • 一次沉淀、终身复用:一套模板适配全项目,后续新增业务直接仿写,无需重复调教 AI,也没有必要;

  • 适配私有化场景:完美解决 AI 无训练数据、不懂私有框架。

为项目沉淀的私有业务模板,就是给 AI 装上的、适配你公司私有框架的专属 Skill。

四、效率问题

日常开发中,90% 的业务代码都是同质化重复逻辑尤其是UI部分

传统 AI 开发模式:每次写代码都要反复叮嘱框架版本、组件规范、页面结构,依旧容易出错,反复修改耗时费力。

Skill 模板开发模式:

  1. 提前沉淀 3-5 个核心标准模板:标准列表、标准表单、标准弹窗、标准详情、标准接口请求;

  2. 将模板作为 Claude Code 专属 Skill 挂载,让 AI 深度记忆项目规范;

  3. 后续开发只需输入需求:「仿写模板,写一个登录UI功能」;

  4. AI 100% 遵循私有框架规范,输出可直接运行、无需修改的业务代码。

这可以解决 AI 编程最大的问题:通用模型不懂私有业务,模板 Skill 补齐私有认知。

五、落地实操

不用复杂配置、不用懂底层原理,一套极简落地流程,适配所有私有/小众框架:

1. 筛选优质样本

从项目中挑选结构完整、规范标准、可直接运行 的页面,覆盖核心场景:列表、表单、弹窗、详情。

2. 提炼通用模板

删除业务专属变量,保留核心结构、组件用法、生命周期、接口范式、样式规范,形成通用模板。

3. 封装为 Claude Skill

上传模板代码,配置核心规则:所有生成代码严格仿写本模板,禁止自创组件、禁止使用通用框架语法、严格遵循项目私有规范

4. 全程复用迭代

后续所有业务开发,均基于该 Skill 仿写,发现不规范场景,然后及时迭代模板,这样会越用越精准,最终形成成熟的工作流。

六、我自己的常用做法

skill模板我自己的方法是线让AI来总结,人自己来筛选,然后返回AI再处理,然后在验证。

笔者注:

实际上输出的模板仍然会有各种问题,需要人工概率,无法真正完成自动化。现阶段这个框架的skill仍然不成熟,还在摸索中,但是大致的思路是没问题的。

把业务模板 提炼成 专属 Skill是一定。

相关推荐
Jump 不二1 小时前
Memory-os 7 层记忆架构深度解析:让 Hermes Agent 真正 “记住并使用“ 知识
人工智能·语言模型·系统架构
程序猿阿伟1 小时前
《无需额外付费的OpenClaw Agent部署指南》
人工智能
DS随心转APP1 小时前
AI导出鸭:AI 文档排版与一键导出实战指南
人工智能·ai·chatgpt·deepseek·ai导出鸭
geneculture1 小时前
语(暨各级各类字组)对接外来的词和句以及本土的言和语:言和语的关系及双重形式化彻底解决问题
人工智能·语言学·融智学应用场景·哲学与科学统一性·融智时代(杂志)
凯丨1 小时前
agentmemory on NAS 完整部署文档(Tailscale + DeepSeek 压缩 + 局域网 viewer)
人工智能
weixin_446260851 小时前
Vortex:高效可编程稀疏注意力机制用于大模型推理服务
人工智能
AI科技星1 小时前
精细结构常数α的多维度物理比值特性及空间螺旋模型研究
人工智能·线性代数·架构·概率论·学习方法
zhangfeng11331 小时前
头部AI公司模以OpenAI、DeepSeek为代表型版本迭代训练策略深度解析:重新训练 vs. 增量训练(前瞻性技术推演
人工智能
装不满的克莱因瓶1 小时前
掌握感知器的学习原理
人工智能·python·神经网络·算法·ai·卷积神经网络