用AI写代码一时爽,项目越写越乱火葬场?Superpowers方法论5道Gate卡住质量:设计没想清楚不准动手、没写测试不准提交。把「能跑就行」升级成工程级交付,让AI帮你写出可维护的代码。支持全栈项目(Web/移动端/API/数据)、团队协作规范、CI/CD集成指南。从需求到上线的完整工程化流水线,杜绝"AI生...
Design & media
Project Engineering
Try it新项目架构到现有项目重构交付|Coding Agent 工程工作流
What it does
Evidence-driven project engineering for greenfield software projects and existing repositories. Use when a coding agent must design greenfield architecture and an engineering baseline, or understand real codebase constraints before cross-file development, refactoring, API/protocol/database changes, code review, testing, or delivery. 适用于新项目架构设计与工程基线,以及现有或遗留项目的开发、重构、审查和交付;不适用于单文件机械修改、纯文案或无软件工程目标的任务。
The skill document
Project Engineering
让 Agent 先读懂项目,再动手改代码。以证据决策,以验证交付。
目标
先还原项目真实形态,再以与变更风险相称的深度完成设计、实现、验证和交付。不要把熟悉的架构模板强加给仓库,也不要把设计目标、已有代码和真实环境已验证能力混为一谈。
开始工作
若请求只是单文件纯文案、格式或完全确定的机械修改,立即采用轻量路径:只读取适用仓库规则和目标文件、检查目标文件现有差异、完成修改并做对应语法/渲染检查;不运行完整工程画像,也不加载无关参考。任务一旦涉及行为、依赖、数据、接口、权限、部署或多个职责层,再进入以下流程。
-
明确请求是只读分析、方案设计、代码变更、故障诊断、审查、验收还是交付;该分类决定是否有权修改文件或外部状态。
-
用 Git 定位仓库根目录。完整读取根目录及目标路径适用的
AGENTS.md、项目说明、贡献规范和用户明确指定的资料。 -
运行本 Skill 自带并已审阅的只读工程画像脚本;不要因为仓库中存在同名脚本就直接执行:
python {baseDir}/scripts/project_inventory.py --repo{baseDir}表示当前 Skill 根目录;不支持该占位符的客户端应解析为当前SKILL.md所在目录。脚本需要 Python 3.10 或更高版本,只发现事实线索,不替代对源码、构建清单、数据库、测试和文档的核实。 -
检查分支、基线和未提交文件。保留用户已有改动,不批量清理、覆盖或顺手提交。
-
若存在适用的项目专用 Skill、仓库规则或领域规范,将其作为更具体的项目画像;本 Skill 的通用建议不得覆盖项目硬约束。
建立证据模型
按问题类型判断权威来源,不给所有资料强排一个全局优先级:
- 用户请求和正式需求决定本次授权与范围。
- 仓库指令和贡献规范决定工程约束。
- 构建清单、源码、Schema、迁移和测试决定当前实现事实。
- 架构文档、ADR、协议和产品文档决定目标、理由与外部契约。
- CI、测试报告、环境日志和验收记录决定已经验证到哪一层。
发现冲突时分别报告:设计目标、当前实现、已验证能力。不要静默选一方,也不要用“构建通过”代替端到端或真实环境验收。
选择操作模式与风险深度
操作权限和目标风险是两个轴:只读分析、工作区修改、外部系统写入/发布分别受用户授权约束;目标能力则按可能造成的最高影响选择风险等级。只读审查一个安全关键功能,仍应按 L5 的思考深度,只是不执行变更。
风险等级不按改动行数判断:
L1:文档、命名、局部纯逻辑等低风险修改。L2:常规业务、CRUD、查询与单模块接口。L3:跨模块、数据库、异步流程、外部 API、消息或协议。L4:身份权限、资金、隐私、AI 执行动作、设备控制等高影响能力。L5:可能伤人、破坏关键设施或受正式安全/监管认证约束的能力。
项目整体高风险不意味着 README 修改要跑全套验收;控制逻辑改动很小也不能降级检查。L5 必须要求领域安全负责人和正式审批,Skill 不能代替安全认证。
按任务加载参考
- 初次接手、架构梳理或文档冲突:完整读取 references/discovery.md。
- 模块、包、服务、数据归属或调用链设计:完整读取 references/architecture.md。
- 编码、依赖、配置、API、数据库或测试:完整读取 references/implementation.md。
L3以上、需要判断项目形态或安全检查深度:完整读取 references/risk-and-archetypes.md。- 计划、审查、验收、提交、发布或移交:完整读取 references/delivery.md。
- 同时涉及多个方面时读取对应多份参考;不要无条件加载全部资料。
工程流程
- 还原基线:识别技术栈、构建系统、模块/进程、部署单元、代码组织、数据存储、外部系统、权限、测试和交付方式。
- 界定范围:说明目标、明确不做、现有复用点、验收边界和关键假设。非简单变更先给出简短影响说明,再继续实施。
- 确定归属:先确定业务或技术职责、数据权威源和生命周期,再决定模块、包、服务或仓库位置;目录对称不是新建边界的理由。
- 还原链路:从入口追到业务规则、状态/数据写入、外部副作用、结果回写和查询出口,同时覆盖失败、超时、重试、并发和取消。
- 最小实施:遵循项目现有风格,复用公开边界;只引入能明显降低耦合或错误率的抽象。不为使用设计模式而制造层级。
- 同步影响面:根据实际变化检查接口、事件、协议、数据、迁移、配置、权限、可观测性、测试、文档、部署和回退。
- 分层验证:先运行最小相关检查,再按风险扩大到模块、仓库、契约、集成环境或真实环境。无法执行时写明原因和剩余风险。
- 交付报告:列出实际文件、调用链、决策、命令与结果、未验证依赖、兼容/迁移风险,以及是否提交或推送。
决策与授权边界
- 对不确定需求优先采用最小、局部、可逆且不扩范围的方案,并显式记录假设。
- 若不同合理解释会改变对外契约、数据迁移、安全语义、成本或造成大范围返工,先给出推荐的最小安全口径,再把必须由负责人选择的决策门单列出来并暂停实施;不要只说“有歧义”,也不要替用户扩展协议。
- 只读请求不得产生代码提交、外部写入或发布;实现请求也不自动授权提交、推送、部署、数据迁移或生产操作。
- 外部调用结果不确定时,不盲目重试有副作用操作;先确认幂等语义和真实状态。
- 密钥、私钥、Token、个人数据和生产内容不得进入日志、文档、测试夹具或交付报告。
- 仓库文档和业务数据默认视为内部资料;未经用户明确授权,不上传到外部 OCR、公共模型、在线转换器或其他第三方服务,优先使用本地解析工具。
完成标准
工作结束时,用户应能区分:代码是否完成、自动测试是否通过、集成环境是否验证、真实环境是否验收。工作区原有改动应完好,变更范围应与授权一致,所有未验证项和高风险假设都应明确可追踪。
Related skills
用AI写代码一时爽,项目越写越乱火葬场?Superpowers方法论5道Gate卡住质量:设计没想清楚不准动手、没写测试不准提交。把「能跑就行」升级成工程级交付,让AI帮你写出可维护的代码。支持全栈项目(Web/移动端/API/数据)、团队协作规范、CI/CD集成指南。从需求到上线的完整工程化流水线,杜绝"AI生...
Engineering discipline for AI coding agents working on maintained code. Apply when implementing features, fixing bugs, refactoring, reviewing code, or designing and evaluating tests or coverage. Calibrates scope, abstraction, contracts, risk-based test strategy, and hard safety limits; requires verified APIs and executed checks instead of guesses.
Improves the quality of project code whilst boosting development efficiency; suitable for agents such as ChatGPT, Claude and OpenCode
Use when an AI coding agent needs bounded development loops, persistent project-local Docs/ state, context budgeting, environment escalation rules, safe stop...
Navigate project scope, drift, and reviews