AI Dev Workflow

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：

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

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。