尧图网页设计 
简介用七层地图给工具定位用 SDD、Harness、Loop Engine 管住想、做和循环再把它们组织成自己的端到端工作流工具七层架构简介工具多不可怕没有地图才可怕任何工具都能在七层里找到位置下三层每天接触噪音最大模型层AI 编程的原料Claude 代码口碑最好「用 Claude」说的是模型「用 Cursor」说的是工具不是一个维度工具层IDE 内嵌Cursor、终端 CLIClaude Code、SDK 三种形态按场景配合而不是互相替代配置约束层CLAUDE.md、Skills、Permission/Hooks让 AI 在项目里守规矩会不会这一层决定是「AI 编程的用户」还是「AI 编程的工程师」上四层越往上越少人掌握杠杆越大协作机制层Subagents、Worktrees、Plan Mode和一个 AI 团队工作协议与生态层MCPModel Context ProtocolAI 编程的「USB-C」一次写好所有工具都能调用外部系统工作流层Headless无界面运行、CI/CD、事件触发人不在循环里工作流也能自己跑方法论层SDD Harness Vibe工具会过时方法论持久关键点七层不是顺序使用而是在同一个任务里同时调用这种能力才是工程感选工具先定位再判断简介用得好 AI 不等于知道更多 AI 技巧新工具来了先放进七层地图再决定要不要学两种学工具的思路维度知道更多工具手段导向想清楚目的 用对工具结果导向出发点工具的酷炫程度要解决的问题高阶用法奇技淫巧追不完大多数场景根本不需要结果拿到注意力回到工作用不出效果基础工作流跑顺拿到能力和资产新工具三问橙色为不值得投入绿色为值得投入注意点大多数「新工具」只是工具层的插件或配置层的又一种约束当下用不到的工具是负价值浪费时间、增加焦虑用三问过滤掉 95% 的噪音只对真正的结构性变化如 MCP、SDD保持警觉推荐工具栈与使用场景简介每层只选最成熟、学了能直接用的一个在具体场景里自然用上工具栈层选型用途模型层Claude代码任务口碑最好作为默认模型工具层Claude Code辅以 CursorCLI 做复杂 Agent 工作流IDE 做日常编码配置约束层CLAUDE.md、Skills、Hooks固化项目规则与团队约定协作机制层Subagents、Plan Mode并行隔离 动手前先规划协议生态层MCP连接数据库、GitHub 等外部系统方法论层SDDSpec-Kit Harness一个解决「想」一个解决「做」场景用法场景用法原因分布式延时组件需求复杂SDD 对齐需求先把 spec 写清楚让需求和实现对齐十万行陌生代码改造Subagents 并行多个子代理并行读不同模块主对话不被污染从 0→1 自建 Agent OSSkills 固化约定团队约定和可复用能力沉淀成 Skills陌生语言Rust开源贡献AI 反推逻辑快速读懂陌生语言项目的整体逻辑方法论三大支柱简介名词再多撑起 AI 编程的就三根支柱分别管「想清楚」「做得对」「循环可控」支柱管什么作用SDD想把模糊需求变成可执行的 spec让 AI 知道做什么、做到什么程度Harness做给 AI 装挽具在边界内工作保证做对、不跑偏Loop Engine循环管住 ReAct 执行循环的粒度、检查点与回滚让自主执行可控核心结论SDD 给目标Harness 给边界Loop 给可控的执行三者合起来才是完整闭环Vibe Coding、Context Engineering、ReAct、TDD、Plan-then-Execute 等名词回到这三根支柱就不乱SDD把「想」变成 spec简介SDDSpec-Driven Development规格驱动开发先写规格再让 AI 实现spec 是有结构、有验收、有边界的可执行规格不是需求文档Spec-Kit 四步/specify把想法扩展成结构化需求产出spec.md/plan定技术选型与架构约束产出plan.md/tasks拆成可执行的任务清单产出tasks.md/implementAI 按任务逐个实现产出代码自动化模式的分工与代价人只做三件事写第一份 spec、检查 plan、review 代码拆任务和执行交给 AI拆任务的质量上限就是 spec 的质量三种落地模式模式工具分工适合自动化Spec-KitAI 拆任务 执行人写 spec、review 代码新手、中等复杂度、探索性开发手动控制OpenSpec人拆任务AI 只执行单个任务用 delta spec 写增量资深、系统级、老项目改造轻量手工CLAUDE.md Skill不用 SDD 工具方案在脑子里跑通AI 一段段执行熟悉的技术栈、增量开发注意点选哪种不看用了多少工具看对项目的熟悉度和自己的能力阶段三种是互补不是替代按场景切换Harness给 AI 装上挽具简介AI 能力强但缺判断边界Harness挽具用配置和约束把它从「放飞的执行者」变成「可控的协作者」不加约束的四种风险风险表现跑偏偏离任务焦点做着做着走样失控改了不该改的代码和文件上下文污染读了太多无关信息后做出错误判断不可逆操作没经过确认就动手六大工具 三道防线打底与加速CLAUDE.md项目规则一上来就让 AI 懂项目上下文与约定Skills / Slash能力杠杆把可复用的能力和流程封装起来Subagents上下文隔离子代理读大量代码主对话不被污染三道防线前置防线 Plan Mode重要操作先出 plan确认后再动手中置防线 Permission用allow/ask/deny精细划定自主边界后置防线 Hooks做完自动跑 lint、测试机器替人验证原则项目规则打底能力杠杆加速前中后三道防线守住安全Loop Engine管住执行循环简介Agent 时代 AI 会自己连续跑几十步Loop Engine循环引擎在 ReAct 循环之上加控制杠杆让长任务可控为什么需要维度单步执行chatbot 时代自主循环agent 时代交互问一句答一句AI 自己推理、行动、观察步数一次调用就结束一个任务可能跑几十步依赖没有「下一步」每一步都基于上一步的结果管理不存在要管的循环循环必须被管住否则失控循环越长越容易跑偏、陷入死循环、做出不可逆操作ReAct 循环与三个杠杆ReActReason Act是事实标准的循环结构Reason 推理下一步做什么Act 调用工具或写代码Observe 观察结果对不对不对就回到推理循环直到收敛三个控制杠杆控制粒度每一步让 AI 做多大决定稳定性设检查点关键步骤插入人工确认防止跑飞可回滚走错一步能退回错误不累积价值与现状能跑长任务、能停能查、能回退三根支柱里最年轻的一根Plan Mode、检查点、各家 agent 的 loop 控制都是它的雏形方法论与工具如何结合简介以做一个新认证模块为例方法论统领、工具落地七层在一个任务里同时协作红色节点是起点先想清楚再动手每一步做什么SDD 思路规格先行Spec-Kit把需求落成spec.md/plan.mdCLAUDE.md告诉 AI 项目结构与代码风格Plan Mode动手前先出 plan人确认Claude Code按任务写代码模型在底层生成Hooks写完自动跑 lint 测试收尾结论方法论是思想工具是落地工作流从模糊需求到生产上线简介工作流不是写代码而是把一件事从模糊需求到上线全程跑通的一套系统工作流的六个要素要素说明阶段产出每个阶段交付什么例如 spec、plan、代码、报告人的职责哪些判断、决策、拍板由人来做AI 的职责哪些执行、生成、检查交给 AI反馈循环怎么及时发现问题、自动纠错异常处理卡住了、跑偏了怎么救回来经验沉淀做完留下什么可复用的东西大项目的端到端六阶段阶段AI 做人做需求扩展维度、识别遗漏定边界与优先级设计画架构、比方案关键架构拍板开发写代码、补测试审关键代码测试造用例、跑回归定验收标准部署写脚本、做灰度控发布节奏运维看日志、定位异常做最终处置没有一个环节是 AI 全自动也没有一个环节是纯手工让工作流跑起来的三件事产出物给 AI 看Spec、CLAUDE.md、Skills、Hooks每个产出物都有人和 AI 两个读者人 AI 分工判断什么交给 AI、什么自己拍板、什么 AI 做但人复核反馈自动化Hooks 在 AI 出错前后秒级介入不靠人当最后防线差距在工作流Bun 案例简介同一套工具工作流设计得好坏产出可以差十倍Bun 6 天 96 万行不是 AI 自主写完而是 Sumner 设计了一套协作工作流跑到极致不是从零是迁移Zig 翻译到 Rust有完整原代码作参考、有测试作验证工程铺垫极深事先准备 300 条翻译规则 智能指针抽象人始终在循环何时启停、合并哪个版本决策层全是人测试闭环跑通每翻译一段自动跑测试跑不过回到 AI 改可收敛工作流设计差 vs 好维度设计差2 天还在拉扯设计好2 小时做完起步需求没想透就让 AI 写先理需求、写 spec、定边界过程AI 猜错、改 prompt、再猜AI 一次到位自己守住判断复用照搬别人的场景一变就跑不通用自己打磨过的流程稳定复现精力全耗在纠偏上省下来想更深的事注意点工作流带强烈的个人风格照搬别人的跑不通要的是自己的工作流练出自己的工作流简介底层是可迁移的模式上层是自己攒下的资产只能在真实项目里反复跑出来底层模式理解把需求、代码想透约束用 spec、CLAUDE.md 划边界验证用测试、review 收口沉淀把经验变成可复用资产例如提示词、Skills、CLAUDE.md 模板、检查清单养成的四个条件认知看清 AI 编程是什么建立判断底座方法论SDD Harness把「想」和「做」工程化工具七层地图知道每层用什么、怎么配不断练习前三点是地基第四点是火候每个项目都做的三个动作跑完整工作流从理需求、写 spec 到测试、上线、监控别从写代码起步关键决策问为什么记下选 A 不选 B 的真实工程理由没复盘的坑等于白踩结束时问沉淀了什么标准只有一条下次起点更高积累的复利资产资产内容价值本地资产CLAUDE.md 模板、项目脚手架下个项目直接用起点更高能力资产Skills 与提示词库反复做的事封装起来越用越顺手经验资产踩坑与决策笔记半年后还能少走弯路身份资产开源贡献与 GitHub跨公司、跨时间的公开履历面试/考试记忆点会用 AI 是入场券工作流才是护城河AI 编程工具七层模型、工具、配置与约束、协作机制、协议与生态、工作流、方法论配置约束层CLAUDE.md、Skills、Hooks决定是 AI 编程的用户还是工程师新工具三问属于哪一层、解决什么问题、现在需不需要三大支柱SDD 管想给目标Harness 管做给边界Loop Engine 管循环可控执行Spec-Kit 四步/specify、/plan、/tasks、/implement拆任务的质量上限是 spec 的质量Harness 三道防线Plan Mode 前置Permission 中置Hooks 后置Loop Engine 三个杠杆控制粒度、设检查点、可回滚个人工作流四步理解、约束、验证、沉淀 AI 编程工具、方法论与工作流
简介用七层地图给工具定位用 SDD、Harness、Loop Engine 管住想、做和循环再把它们组织成自己的端到端工作流工具七层架构简介工具多不可怕没有地图才可怕任何工具都能在七层里找到位置下三层每天接触噪音最大模型层AI 编程的原料Claude 代码口碑最好「用 Claude」说的是模型「用 Cursor」说的是工具不是一个维度工具层IDE 内嵌Cursor、终端 CLIClaude Code、SDK 三种形态按场景配合而不是互相替代配置约束层CLAUDE.md、Skills、Permission/Hooks让 AI 在项目里守规矩会不会这一层决定是「AI 编程的用户」还是「AI 编程的工程师」上四层越往上越少人掌握杠杆越大协作机制层Subagents、Worktrees、Plan Mode和一个 AI 团队工作协议与生态层MCPModel Context ProtocolAI 编程的「USB-C」一次写好所有工具都能调用外部系统工作流层Headless无界面运行、CI/CD、事件触发人不在循环里工作流也能自己跑方法论层SDD Harness Vibe工具会过时方法论持久关键点七层不是顺序使用而是在同一个任务里同时调用这种能力才是工程感选工具先定位再判断简介用得好 AI 不等于知道更多 AI 技巧新工具来了先放进七层地图再决定要不要学两种学工具的思路维度知道更多工具手段导向想清楚目的 用对工具结果导向出发点工具的酷炫程度要解决的问题高阶用法奇技淫巧追不完大多数场景根本不需要结果拿到注意力回到工作用不出效果基础工作流跑顺拿到能力和资产新工具三问橙色为不值得投入绿色为值得投入注意点大多数「新工具」只是工具层的插件或配置层的又一种约束当下用不到的工具是负价值浪费时间、增加焦虑用三问过滤掉 95% 的噪音只对真正的结构性变化如 MCP、SDD保持警觉推荐工具栈与使用场景简介每层只选最成熟、学了能直接用的一个在具体场景里自然用上工具栈层选型用途模型层Claude代码任务口碑最好作为默认模型工具层Claude Code辅以 CursorCLI 做复杂 Agent 工作流IDE 做日常编码配置约束层CLAUDE.md、Skills、Hooks固化项目规则与团队约定协作机制层Subagents、Plan Mode并行隔离 动手前先规划协议生态层MCP连接数据库、GitHub 等外部系统方法论层SDDSpec-Kit Harness一个解决「想」一个解决「做」场景用法场景用法原因分布式延时组件需求复杂SDD 对齐需求先把 spec 写清楚让需求和实现对齐十万行陌生代码改造Subagents 并行多个子代理并行读不同模块主对话不被污染从 0→1 自建 Agent OSSkills 固化约定团队约定和可复用能力沉淀成 Skills陌生语言Rust开源贡献AI 反推逻辑快速读懂陌生语言项目的整体逻辑方法论三大支柱简介名词再多撑起 AI 编程的就三根支柱分别管「想清楚」「做得对」「循环可控」支柱管什么作用SDD想把模糊需求变成可执行的 spec让 AI 知道做什么、做到什么程度Harness做给 AI 装挽具在边界内工作保证做对、不跑偏Loop Engine循环管住 ReAct 执行循环的粒度、检查点与回滚让自主执行可控核心结论SDD 给目标Harness 给边界Loop 给可控的执行三者合起来才是完整闭环Vibe Coding、Context Engineering、ReAct、TDD、Plan-then-Execute 等名词回到这三根支柱就不乱SDD把「想」变成 spec简介SDDSpec-Driven Development规格驱动开发先写规格再让 AI 实现spec 是有结构、有验收、有边界的可执行规格不是需求文档Spec-Kit 四步/specify把想法扩展成结构化需求产出spec.md/plan定技术选型与架构约束产出plan.md/tasks拆成可执行的任务清单产出tasks.md/implementAI 按任务逐个实现产出代码自动化模式的分工与代价人只做三件事写第一份 spec、检查 plan、review 代码拆任务和执行交给 AI拆任务的质量上限就是 spec 的质量三种落地模式模式工具分工适合自动化Spec-KitAI 拆任务 执行人写 spec、review 代码新手、中等复杂度、探索性开发手动控制OpenSpec人拆任务AI 只执行单个任务用 delta spec 写增量资深、系统级、老项目改造轻量手工CLAUDE.md Skill不用 SDD 工具方案在脑子里跑通AI 一段段执行熟悉的技术栈、增量开发注意点选哪种不看用了多少工具看对项目的熟悉度和自己的能力阶段三种是互补不是替代按场景切换Harness给 AI 装上挽具简介AI 能力强但缺判断边界Harness挽具用配置和约束把它从「放飞的执行者」变成「可控的协作者」不加约束的四种风险风险表现跑偏偏离任务焦点做着做着走样失控改了不该改的代码和文件上下文污染读了太多无关信息后做出错误判断不可逆操作没经过确认就动手六大工具 三道防线打底与加速CLAUDE.md项目规则一上来就让 AI 懂项目上下文与约定Skills / Slash能力杠杆把可复用的能力和流程封装起来Subagents上下文隔离子代理读大量代码主对话不被污染三道防线前置防线 Plan Mode重要操作先出 plan确认后再动手中置防线 Permission用allow/ask/deny精细划定自主边界后置防线 Hooks做完自动跑 lint、测试机器替人验证原则项目规则打底能力杠杆加速前中后三道防线守住安全Loop Engine管住执行循环简介Agent 时代 AI 会自己连续跑几十步Loop Engine循环引擎在 ReAct 循环之上加控制杠杆让长任务可控为什么需要维度单步执行chatbot 时代自主循环agent 时代交互问一句答一句AI 自己推理、行动、观察步数一次调用就结束一个任务可能跑几十步依赖没有「下一步」每一步都基于上一步的结果管理不存在要管的循环循环必须被管住否则失控循环越长越容易跑偏、陷入死循环、做出不可逆操作ReAct 循环与三个杠杆ReActReason Act是事实标准的循环结构Reason 推理下一步做什么Act 调用工具或写代码Observe 观察结果对不对不对就回到推理循环直到收敛三个控制杠杆控制粒度每一步让 AI 做多大决定稳定性设检查点关键步骤插入人工确认防止跑飞可回滚走错一步能退回错误不累积价值与现状能跑长任务、能停能查、能回退三根支柱里最年轻的一根Plan Mode、检查点、各家 agent 的 loop 控制都是它的雏形方法论与工具如何结合简介以做一个新认证模块为例方法论统领、工具落地七层在一个任务里同时协作红色节点是起点先想清楚再动手每一步做什么SDD 思路规格先行Spec-Kit把需求落成spec.md/plan.mdCLAUDE.md告诉 AI 项目结构与代码风格Plan Mode动手前先出 plan人确认Claude Code按任务写代码模型在底层生成Hooks写完自动跑 lint 测试收尾结论方法论是思想工具是落地工作流从模糊需求到生产上线简介工作流不是写代码而是把一件事从模糊需求到上线全程跑通的一套系统工作流的六个要素要素说明阶段产出每个阶段交付什么例如 spec、plan、代码、报告人的职责哪些判断、决策、拍板由人来做AI 的职责哪些执行、生成、检查交给 AI反馈循环怎么及时发现问题、自动纠错异常处理卡住了、跑偏了怎么救回来经验沉淀做完留下什么可复用的东西大项目的端到端六阶段阶段AI 做人做需求扩展维度、识别遗漏定边界与优先级设计画架构、比方案关键架构拍板开发写代码、补测试审关键代码测试造用例、跑回归定验收标准部署写脚本、做灰度控发布节奏运维看日志、定位异常做最终处置没有一个环节是 AI 全自动也没有一个环节是纯手工让工作流跑起来的三件事产出物给 AI 看Spec、CLAUDE.md、Skills、Hooks每个产出物都有人和 AI 两个读者人 AI 分工判断什么交给 AI、什么自己拍板、什么 AI 做但人复核反馈自动化Hooks 在 AI 出错前后秒级介入不靠人当最后防线差距在工作流Bun 案例简介同一套工具工作流设计得好坏产出可以差十倍Bun 6 天 96 万行不是 AI 自主写完而是 Sumner 设计了一套协作工作流跑到极致不是从零是迁移Zig 翻译到 Rust有完整原代码作参考、有测试作验证工程铺垫极深事先准备 300 条翻译规则 智能指针抽象人始终在循环何时启停、合并哪个版本决策层全是人测试闭环跑通每翻译一段自动跑测试跑不过回到 AI 改可收敛工作流设计差 vs 好维度设计差2 天还在拉扯设计好2 小时做完起步需求没想透就让 AI 写先理需求、写 spec、定边界过程AI 猜错、改 prompt、再猜AI 一次到位自己守住判断复用照搬别人的场景一变就跑不通用自己打磨过的流程稳定复现精力全耗在纠偏上省下来想更深的事注意点工作流带强烈的个人风格照搬别人的跑不通要的是自己的工作流练出自己的工作流简介底层是可迁移的模式上层是自己攒下的资产只能在真实项目里反复跑出来底层模式理解把需求、代码想透约束用 spec、CLAUDE.md 划边界验证用测试、review 收口沉淀把经验变成可复用资产例如提示词、Skills、CLAUDE.md 模板、检查清单养成的四个条件认知看清 AI 编程是什么建立判断底座方法论SDD Harness把「想」和「做」工程化工具七层地图知道每层用什么、怎么配不断练习前三点是地基第四点是火候每个项目都做的三个动作跑完整工作流从理需求、写 spec 到测试、上线、监控别从写代码起步关键决策问为什么记下选 A 不选 B 的真实工程理由没复盘的坑等于白踩结束时问沉淀了什么标准只有一条下次起点更高积累的复利资产资产内容价值本地资产CLAUDE.md 模板、项目脚手架下个项目直接用起点更高能力资产Skills 与提示词库反复做的事封装起来越用越顺手经验资产踩坑与决策笔记半年后还能少走弯路身份资产开源贡献与 GitHub跨公司、跨时间的公开履历面试/考试记忆点会用 AI 是入场券工作流才是护城河AI 编程工具七层模型、工具、配置与约束、协作机制、协议与生态、工作流、方法论配置约束层CLAUDE.md、Skills、Hooks决定是 AI 编程的用户还是工程师新工具三问属于哪一层、解决什么问题、现在需不需要三大支柱SDD 管想给目标Harness 管做给边界Loop Engine 管循环可控执行Spec-Kit 四步/specify、/plan、/tasks、/implement拆任务的质量上限是 spec 的质量Harness 三道防线Plan Mode 前置Permission 中置Hooks 后置Loop Engine 三个杠杆控制粒度、设检查点、可回滚个人工作流四步理解、约束、验证、沉淀