📚 2026 AI-Native 软件工程实战圣经

作者：黑夜路人

时间：2026 年 2 月

📖 前言：程序员的“毁灭”与重生

在 2026 年的今天，软件开发的范式已经发生了彻底的断裂。我们不再是代码的编写者（Coder），而是逻辑的编排者（Orchestrator）和 Agent 指挥者（Commander）。

本文的核心思想是：“一行代码不用写”。这不是口号，而是通过 AI Agent（智能体）工具链实现的工程现实。从环境搭建、代码分析、架构设计到功能开发、自动化测试，AI 已经能够接管 90% 的执行层工作。

本次分享涵盖从大模型基础到实战项目开发的完整知识体系。

预期效果：

通过正确使用 AI 工具，开发效率可提升 2-5 倍。

• 原本 2 个月的项目 → 2 周内完成
• 原本 1 周的功能 → 1 天内实现

如果你依然坚持手动配置 Golang、Python、PHP 环境、手动编写 CRUD SQL、手动画流程图，那么你已经是“上个时代的遗民”。本手册将手把手教你如何利用全球最顶尖的 AI 武器库，实现效率的“降维打击”。

本文核心内容整理：

🔍 第一章：大模型的解构与认知

要驾驭 AI，首先必须理解其本质。切忌将模型神话化，也不可将其工具化视之过低。

1.1 物理本质：模型即文件

大模型（LLM - Large Language Model）并非虚无缥缈的云雾，它有物理实体。

• 文件形态：大模型本质上是经过海量数据训练后得到的权重文件（Weights），通常以 .safetensors 或 .bin .gguf、格式存在。
• 组成结构：一个完整的模型通常包含：
  • 配置文件 (Config)：定义模型架构参数（层数、隐藏层大小等）。
  • 分词器 (Tokenizer)：将人类自然语言文本转换为模型可理解的数字序列。
  • 张量权重 (Tensors)：存储模型的“知识”与逻辑，是文件体积最大的部分。
• 开源圣地：Hugging Face (huggingface.co) 是全球 AI 模型的“GitHub”。你可以在上面找到几乎所有开源模型的源文件，并支持直接下载到本地运行。

1.2 常规的大模型 Chat 的运行过程：提示词到输出的完整链路

客户端-服务端架构 (C/S Architecture)：

graph TD    User[用户输入提示词] --> Client[客户端 (豆包App/ChatGPT网页/Claude.ai)]    Client -->|封装HTTP请求 + Prompt| Server[服务端 (云端模型文件)]    Server -->|矩阵运算 + 概率预测| Server    Server -->|返回结果| Client    Client -->|展示| User[用户看到回复]

工作原理详解：

1. 1.提示词 (Prompt)：你输入的文字，类似于搜索引擎的关键词，但更加灵活，包含指令、上下文和约束。
2. 2.Token化 (Tokenization)：模型将你的文字切分成 Token（可以理解为词或字的片段）。
3. 3.概率预测 (Probabilistic Prediction)：模型不是在数据库中“查找”答案，而是根据上文计算“下一个字出现的概率分布”。
4. 4.逐字生成 (Autoregressive Generation)：模型基于概率采样一个字一个字地预测并输出，直到生成完整答案或遇到停止符。

与传统数据库的对比：

• 数据库查询：SELECT * WHERE ID=1 → 确定性结果（永远返回相同数据）。
• 大模型查询：你是什么模型？ → 概率性结果（每次表述可能略有不同，甚至产生幻觉）。

关键概念 - Token：

• 1 个 Token ≈ 0.75 个英文单词
• 1 个 Token ≈ 0.5-1 个中文字
• Token 是计费单位，也是衡量上下文长度的标准单位。

1.3 参数量与模型能力

参数量 (Parameters)：

• 衡量模型“智力”和体量的单位。
• 通常使用 B (Billion，十亿) 作为单位。
• 基本规律：参数量越大，模型推理能力越强，泛化性越好，但运行成本（显存、计算量）也呈指数级上升。

命名规范解析：

• 以 Qwen 3 Code 30B 为例：
  • Qwen：模型名称（通义千问，阿里云出品）。
  • 3：第三代版本。
  • Code：专门为编程任务微调优化的变体。
  • 30B：300亿参数（30 × 10亿）。
• 以 Qwen 3 VL 2B 为例：
  • VL：Visual Language（视觉-语言多模态模型），支持图像识别。
  • 2B：20亿参数，轻量级。

1.4 算力经济学：显存决定一切

在本地部署模型时，显存（VRAM）是核心瓶颈。而在云端使用时，它决定了你的 API 成本。

换算公式

FP16精度：1B 参数 ≈ 2GB 显存需求

FP8/INT8精度：1B 参数 ≈ 1GB 显存需求

INT4 量化精度：1B 参数 ≈ 0.5～0.7GB 显存需求

实际硬件需求对照表：（我们以为主流 DeepSeek 和 Qwen 的主流进度 FP8 来计算）

2026 大模型 FP8 部署规格多维对照表

模型名称	模型版本 / 参数量	最小显存需求 (FP8)	推荐显存需求 (FP8)	硬件配置(参考)
Qwen 3	0.6B (Dense)	1.0 GB	2.0 GB	树莓派 5 / 入门级显卡
Qwen 3	1.7B (Dense)	2.5 GB	4.0 GB	RTX 4050 (6G) / 移动端设备
Qwen 3	4B (Dense)	5.0 GB	8.0 GB	RTX 4060 (8G)
Qwen 3	8B (Dense)	9.0 GB	14.0 GB	RTX 4060 Ti (16G)
Qwen 3	14B (Dense)	16.0 GB	24.0 GB	RTX 4090 (24G)
Qwen 3	32B (Dense)	35.0 GB	48.0 GB	2x RTX 4090 / RTX 5090 (32G+)
Qwen 3	30B-A3B (MoE)	34.0 GB	45.0 GB	2x RTX 4090 / Mac Studio (64G)
Qwen 3	235B-A22B (MoE)	250.0 GB	320.0 GB	4x H100 (80G) / 8x A100
Qwen 3	Max-Thinking (1T MoE)	1.1 TB	1.3 TB+	8x B200 (192G) 节点集群
DeepSeek 3.2	OCR-2 (3B)	4.0 GB	6.0 GB	RTX 4060 Ti (16G)
DeepSeek 3.2	VL2-Tiny (3B)	4.0 GB	6.0 GB	消费级显卡均可
DeepSeek 3.2	VL2-Small (16B)	18.0 GB	28.0 GB	RTX 4090 (24G) / RTX 5080
DeepSeek 3.2	VL2-Full (27B)	30.0 GB	42.0 GB	2x RTX 4090 / RTX 5090 (32G+)
DeepSeek 3.2	V3.2 / R1 (685B MoE)	750.0 GB	850.0 GB+	8x H200 (141G) / 8x B200
GLM 4.7	Flash (30B MoE)	32.0 GB	42.0 GB	2x RTX 4090 / RTX 5090 (32G+)
GLM 4.7	Standard (355B MoE)	380.0 GB	480.0 GB	6x H100 (80G) / 4x H200
Minimax M2.1	Flagship (230B MoE)	245.0 GB	300.0 GB	4x H100 (80G) / 2x H200
Kimi 2.5	K2.5-Standard (1T MoE)	1.1 TB	1.3 TB+	8x B200 (192G) NVLink 节点

结论：

• 个人电脑只能运行“蒸馏”后的小模型（0.5B-70B），适合简单任务或隐私数据处理。
• 顶级智力（70B+）必须依赖云端 API。
• 企业级私有化部署超大模型需要昂贵的专业算力集群。

1.5 上下文窗口：模型的"记忆力"

什么是上下文 (Context Window)：

模型能够“记住”并处理的对话历史长度（包括输入的 Prompt 和生成的 Output）。

• 单位：K（千）或 M（兆）Token。
• 200K = 20万 Token ≈ 15万中文字。
• 1M = 100万 Token ≈ 75万中文字。

为什么上下文在编程中至关重要：

1. 1.代码连续性：模型需要记住前面文件的代码结构、变量定义和函数签名。
2. 2.避免遗忘：上下文短会导致模型“断片”，忘记之前的设计决策，导致前后代码不一致。
3. 3.复杂项目支持：大项目往往涉及几十个文件，需要同时加载才能理解全貌。

对比示例：

• Claude Sonnet 4.5 (1M 上下文)：
  • 可以一次性加载整个项目的代码库（几十个文件）。
  • 可以加载完整的技术文档和 API 手册。
  • 可以保留几小时甚至几天的深度对话历史。
• GPT-5.2 (400K 上下文)：
  • 只能加载核心代码片段。
  • 随着对话进行，容易“爆掉”，需要频繁手动清理历史。

实战意义：

上下文长的模型不容易“改错”代码，可以维护更复杂的业务逻辑，是处理大型遗留系统（Legacy System）的唯一解。

🌍 第二章：全球模型军备图谱 (2026 最新版)

选择模型如同赛车手选车，不同赛道需匹配不同引擎。本章基于实际使用经验和 OpenRouter 真实排名数据整理。

2.1 国际第一梯队 (S-Tier)

1.Claude 系列 (Anthropic) —— 编程之王 ⭐⭐⭐⭐⭐

• 核心型号：
  • Claude 4.5 Sonnet（编程首选，性价比与能力平衡最好）。
  • Claude 4.5 Opus（最顶级，逻辑最强但昂贵）。
  • Claude 4.5 Haiku（轻量快速版，适合简单任务）。
• 上下文窗口对比：

模型	上下文	最大输出	适用场景
Sonnet 4.5	1M	64K	编程开发（首选）
Opus 4.5	200K	16K	顶级复杂逻辑任务（昂贵）
Haiku 4.5	400K	8K	快速响应、简单问答

• 特点：
  • 逻辑严密：在代码生成、架构设计、复杂逻辑推理方面全球无出其右。
  • 超长上下文：Sonnet 4.5 支持 1M Token，是竞品的 2.5 倍以上。
  • 代码质量高：生成的代码风格统一，错误率低，极少出现幻觉。
  • Artifacts 功能：强大的代码预览和交互能力（在官方界面中）。
• 适用场景：复杂系统开发、Bug 调试与修复、架构设计与重构、技术文档生成。
• 价格参考 (OpenRouter)：
  • Sonnet 4.5：输入 $5/M Token，输出 $25/M Token。
  • Opus 4.5：价格更贵，通常仅在 Sonnet 搞不定时使用。
• 重要提示：Claude 的创始人曾在百度硅谷实验室工作，因个人原因，Claude 官方不对中国大陆提供服务。必须通过 OpenRouter 等代理访问，且 IP 必须选择美国或新加坡。

2.Gemini 系列 (Google) —— 多模态与前端专家 ⭐⭐⭐⭐⭐

• 核心型号：
  • Gemini 3 Pro（专业版，能力最强）。
  • Gemini 3 Flash（快速版，免费额度大）。
• 上下文窗口：两个版本均支持 1M Token。
• 特点：
  • 示例：给它一张 UI 设计图，直接生成 HTML/CSS 代码。
  • 多模态理解 (Multimodal)：可以“看懂”图片、截图、设计稿、PDF、PPT 等文档。
  • 前端开发神器：擅长生成美观的网页界面，支持 SVG、Canvas 等复杂图形。可以生成赛博朋克、未来主义等风格的页面。
  • 生活百科能力：在医疗健康咨询（如术后康复指导）、生活问题解答方面表现卓越。
  • 生态整合：与 Google Workspace、Android Studio (IDX) 深度绑定，可以直接搜索最新网络信息。
• AI Studio (https://aistudio.google.com)：Google 提供的网页工具，可以在线生成网页原型，支持实时预览和下载。
  • 实战案例：输入“请检索关于黑夜路人谢华亮的资料，生成一个关于他个人的深度介绍网页。必须酷炫、赛博朋克风格、有科技感、详细、不要捏造信息。”
  • 执行结果：Gemini 自动搜索 -> 提取资料 -> 设计结构 -> 编写 HTML/CSS/JS -> 实时预览 -> 提供下载。
• 适用场景：前端 UI/UX 开发、网页原型快速生成、图片识别与分析、生活与健康咨询、文档 OCR 与解析。

3.GPT 系列 (OpenAI) —— 基准标杆 ⭐⭐⭐⭐

• 核心型号：GPT-5.2（最新版本）、GPT-5.2 Codex（编程专用版）。
• 上下文窗口：均为 400K Token。
• 特点：综合能力均衡，知名度最高，用户基数大。但在 2026 年的编程垂直领域，尤其是上下文长度和逻辑严密性上，略逊于 Claude 4.5。
• 适用场景：通用对话、文案创作、简单数据分析。

4.Grok (xAI - 马斯克) —— 新兴力量 ⭐⭐⭐⭐

• 背景：伊隆·马斯克创立的 xAI 公司，2023 年成立，发展迅速。
• 核心模型：Grok Code、Grok-3。
• 特点：OpenRouter 排名第三，综合能力强劲，特别擅长实时信息获取（接入 X 平台数据）。

2.2 国内第一梯队 (A-Tier)

国内模型进步神速，且具有网络访问优势和价格优势。

1.豆包 (Doubao - 字节跳动) ⭐⭐⭐⭐⭐

• 定位：日常使用首选，完全免费。
• 特点：
  • 文生图：输入描述生成图片。
  • 视频生成：可以将图片转换为短视频。
  • 语音识别与合成：语音交互体验极佳。
  • 免费且强大：无需付费即可使用，功能丰富。
  • 多模态能力：
  • 网络搜索：可以搜索最新信息，适合信息检索。
• 实战案例：
  • 提示："帮我画一个叫做黑夜路人的男子，他徒手打死一只老虎" → 生成图片。
  • 提示："请把黑夜路人打老虎这个变成一个视频" → 生成动态视频（消耗积分）。
• 适用场景：日常问答、快速检索、图片/视频生成、学习辅助。

2.千问 (Qwen - 阿里云) ⭐⭐⭐⭐⭐

• 特点：
  • Qwen Code：专门的编程模型。
  • Qwen VL：多模态视觉模型。
  • Qwen Math：数学专用模型。
  • 开源生态最完善：所有模型版本都开源，可以在 Hugging Face 下载，支持本地部署。
  • 专业版本丰富：
  • 版本迭代快：Qwen 3 持续更新，参数规模从 0.5B 到 235B 全覆盖。
• 适用场景：本地部署需求、隐私数据处理、编程开发、成本敏感场景。

3.DeepSeek (深度求索) ⭐⭐⭐⭐

• 特点：
  • 开源且性价比极高。
  • 全尺寸版本：DeepSeek V3（671B 参数）。
  • 编程能力：虽然不如 Claude，但在国内模型中表现优秀。
• 注意事项：编程能力相对较弱，不推荐作为主力编程工具，更适合通用对话和逻辑推理。

4.GLM (智谱清言 - 清华系) ⭐⭐⭐⭐

• 特点：学术底蕴深厚，长文本处理能力强，开源版本可用。

5.MiniMax

• 特点：语音和文本模型都不错

6.Kimi

• 特点：长文本、Agent 调度、tool call 等能力

2.3 模型能力排行榜 (OpenRouter 实时数据)

查看方式：访问 openrouter.ai -> 点击 Ranking。

Top 10 排名 (截至分享时)：

1. 1.Claude Sonnet 4.5 ⭐ (霸榜)
2. 2.Gemini 3 Flash Preview
3. 3.DeepSeek V3.2
4. 4.Kimi K2.5
5. 5.Gemini 2.5 Flash
6. 6.Grok Code Fast 1
7. 7.Claude Opus 4.5
8. 8.Grok 4.1 Fast
9. 9.Gemini 2.5 Flash Lite
10. 10.gpt-oss-120b
11. 11.MiniMax M2.1
12. 12.GLM 4.7
13. 13.Gemini 2.0 Flash
14. 14.Gemini 3 Pro Preview
15. 15.Grok 4 Fast
16. 16.GPT-5.2
17. 17.GPT-4o-mini
18. 18.GPT-5 Nano
19. 19.Claude Haiku 4.5

2.4 模型选择决策树 & 价格对比

编程开发？

• Claude Sonnet 4.5 (首选，平衡性价比，质量高，上下文 1M)
• Claude Opus 4.5（最顶级编程模型，非常牛，上下文稍小，代码质量非常高）
• OpenAI GPT 5.2 或 GPT 5.2 Codex （找 bug，深度解决问题非常强，可以作为 Claude 备选）

预算特别紧张：

• 那就考虑 Kimi 2.5、Grok Code fast、GLM-4.7、Qwen 3、MiniMax m2.1 等等

日常使用：

• 免费：豆包、千问、元宝 （日常简单常规用用）
• 综合能力最强：Gemini （强烈推荐）

🛠️ 第三章：工具搭建和本机运行大模型

工欲善其事，必先利其器。如果你还在用裸机写代码，请立即停止。

3.1 硬件环境：Mac 是唯一正解

• 为什么必须用 Mac：
  • AI 工具链深度依赖 Unix 环境：Claude Code、Cursor、Codex、各类 CLI Agent 都是基于 Unix 开发，在 Mac 上运行最顺畅。
  • 命令行兼容性：Bash/Zsh 脚本原生支持，无缝衔接服务器环境。
  • Windows 的劣势：PowerShell 兼容性差，Docker 调度复杂，环境变量配置繁琐，WSL2 仍有坑点。
• 配置建议：
  • 推荐：MacBook Pro M3/M4，24G～32GB 内存。
  • 最低：MacBook Pro M1，16GB 内存。
  • 团队统一：所有开发人员必须统一配备 Mac，避免环境差异导致的协作问题。

3.2 包管理器：Homebrew

• 定义：macOS 的包管理器，类似于 Linux 的 apt 或 yum。
• 安装：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

• 常用命令：
  • brew search/install/upgrade/uninstall 软件名
  • 实战：brew install ollama (安装模型运行环境), brew install node, brew install python@3.11.

3.3 本地模型运行时：Ollama

Ollama 是什么：

AI 时代的 Docker。它标准化了模型的下载、运行和接口暴露，让本地运行大模型像运行容器一样简单。

核心概念对比：

• 镜像 (Image) → 模型 (Model)
• 容器 (Container) → 运行实例
• docker pull → ollama pull
• docker run → ollama run

基本使用流程：

1. 1.启动服务：ollama serve
2. 2.拉取模型：
   • ollama pull qwen3:0.6b (0.6B，最小，适合测试)
   • ollama pull qwen3:7b (7B，主流)
   • ollama pull deepseek-coder:6.7b
3. 3.运行模型：
   • ollama run qwen3:0.6b
   • 进入交互式对话：>>> 用 Golang 写一个红黑树

Ollama 的优势与局限：

• 优势：完全离线（断网可用）、数据隐私（不上传云端）、免费。
• 局限：智力有限（本地小模型无法与云端 70B+ 模型相比），速度受硬件限制。

3.4 网络与代理：通向世界的钥匙

IP 选择策略：

地区	兼容性	速度	推荐度
新加坡	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	首选 ⭐
美国	⭐⭐⭐⭐	⭐⭐⭐⭐	备选
日本	⭐⭐⭐	⭐⭐⭐	可用
香港	❌	⭐⭐⭐⭐⭐	不可用 (被封禁)

关键配置：TUN 模式：

• 定义：系统级全局魔法，所有应用流量（包括终端命令行）都走魔法。
• 必须开启：否则命令行工具（如 ollama, pip, git）无法连接外部服务器。
• 验证：curl https://api.openai.com 或 curl https://ipinfo.io。

3.5 API 聚合平台：模型超市

OpenRouter (全球最大) ⭐⭐⭐⭐⭐

• 网址：https://openrouter.ai
• 特点：支持几乎所有主流模型，价格透明，API 接口标准化。
• 控制台：Usage (消费记录), Keys (密钥管理), Models (模型列表)。
• 团队管理：可为成员分配独立 Key，设置消费上限。

备选平台：

• Requesty：支持 cc 协议等，可以作为 OpenRouter 备选。
• OneAPI (自建)：开源项目，适合有技术能力的团队深度定制。

3.6 飞书：知识管理中枢

飞书妙记 (重点)：

• 功能：会议录音录屏、自动转文字、智能摘要、会后提问（如“会议提到了哪些工具？”）。
• 使用：会议中开启录制 -> 会后自动生成记录 -> 导出知识点。

飞书截图 (Mac 神器)：

• 快捷键：Cmd + Shift + A。
• 核心功能：滚动截图。可以截取长代码、长网页、长文档，直接喂给 AI 分析。

💻 第四章：AI-Native IDE（集成开发环境）介绍

IDE 已经从单纯的代码编辑器进化为“AI 结对编程工作台”。

4.1 工具演进关系

Cursor (2023) → Windsurf (Codeium) → Kilocode (国内优化版) → Augment → Claude Code / Codex

4.2 Augment —— 比较强 (Tier 0) ⭐⭐⭐⭐⭐

定位：深度集成的 AI 编程助手，具备极强的上下文感知能力。

核心功能详解：

1. 1.会话类型 (Critical)：
   • Chat 模式：纯问答，不修改代码。适合询问技术问题、学习概念。
   • Agent 模式：具备文件读写权限、终端执行权限。适合功能开发、Bug 修复、环境配置。
   • 创建方法：点击 + 号 -> 选择 New Agent Thread。
2. 2.工作模式：
   • Architect (架构师)：生成技术方案，不写代码。
   • Code (编程)：直接修改文件。
   • Ask (问答)：只回答问题。
   • Debug (调试)：分析报错，定位 Bug。
   • Auto-arrange (自动编排)：自动规划任务并执行。
3. 3.Auto 模式：
   • 开启：全自动执行，无需人工确认，一路狂奔。适合简单任务。
   • 关闭：每步停下等待确认。适合复杂任务。
4. 4.Task 管理 (重要)：
   • AI 会自动将大任务分解为可视化 Task 列表（如：检查环境 -> 安装 PHP -> 安装 MySQL）。
   • 状态：⚪待执行，🟢执行中，✅已完成，❌失败。
   • 支持手动添加、删除、调整 Task 顺序。
5. 5.Checkpoint (检查点)：
   • 类似游戏存档。AI 改乱代码时，可以一键 Restore to this point 回滚。
   • 最佳实践：配合 Git 使用，每完成一个功能点就 commit。
6. 6.模型选择：
   • 默认/日常：Claude 4.5 Sonnet。
   • 复杂/关键：Claude 4.5 Opus。
   • 快速/简单：Claude 4.5 Haiku。

4.3 Cursor —— 主流之选 (Tier 1) ⭐⭐⭐⭐

定位：VS Code 的 AI 魔改版。

核心特性：

1. 1..cursorrules 文件 (重点)：
   • 项目级的系统提示词，每次对话自动加载。
   • 用于固化开发规范（如：“使用 PHP 7.4”，“遵循 PSR-12”）。
2. 2.Composer (多文件编辑)：
   • Cmd + I 唤起，支持同时修改多个文件，保持上下文连贯。
3. 3.Tab 补全：极其智能的代码预测，支持多行补全。

4.4 终端 Agent：Claude Code  / Codex(革命性) ⭐⭐⭐⭐⭐

定位：未来的 AI 开发形态，纯命令行界面，权限极高。

网址：https://code.claude.ai

配置：需要 Anthropic 官方 Key 或 OpenRouter 配置。

强大能力：

1. 1.自动环境搭建：
   • 指令："请检查当前机器环境...帮我安装 PHP 7.4..."
   • 执行：自动检查 -> 安装 Homebrew -> 安装依赖 -> 配置服务 -> 验证。
2. 2.自动代码提交：
   • 指令："请把当前项目提交到 Git，信息为：完成用户登录"
   • 执行：git add . -> git commit -> git push。
3. 3.浏览器自动化：
   • 指令："请使用 Playwright 打开百度搜索..."
   • 执行：自动安装 Playwright -> 启动浏览器 -> 操作页面 -> 提取结果。

4.5 其他工具

• Google Antigravity：有 Gemini 账号可以免费用，免费集成 Gemini 3、Claude、Gpt 等模型，适合 Android/Flutter 开发。
• Windsurf/Kiro/Trae：Cursor 竞品，需付费，各有优势
• 终端开发工具可选：OpenCode、Codex、Claude Code
• 国产工具：Qode、CodeBuddy、Baidu Comate、CodeGeeX

工具选择决策树：

• 有预算/公司报销？ → Augment (首选) / Cursor/ Kilocode(OpenRouter)+ Claude Code / Codex(辅助)。
• 预算有限？ → Trae / Codebuddy / KiloCode / Qoder (配置便宜模型或国产模型：Claude Haiku 4.5/ Gemini 3 Flash / Grok Code Fast 1，或 DeepSeek 3.2 / Kimi 2.5 / GLM 4.7 / Minimax M2.1 / Qwen 3 Max) + OpenCode。
• 体验 Google 生态？ → Antigrivaty （有 Pro 可以免费使用 Claude / Geminie / GPT 120B 等模型）。

⚔️ 第五章：实战AI-Native 开发过程

本章演示如何利用 AI 完成一个项目的全生命周期开发。严禁上来就写代码！

正确流程：Plan（规划）→ Act（执行）→ Verify（验证）→ Iterate（迭代）。

5.1 场景一：环境自动化构建 (Infrastructure as Code)

痛点：手动配置环境耗时且易报错。

AI 模式 (Augment/Claude Code)：

1. 1.输入指令：

1. 2.“请检查当前机器环境。我需要运行一个老旧的 PHP 项目。请帮我安装：PHP 7.4、Apache、MySQL 8.0、Memcached 及所有常用扩展（Redis, GD, PDO等）。
2. 3.要求：1. 自动解决版本冲突；2. 自动安装缺失工具（如 Brew）；3. 配置服务自启动；4. 编写测试脚本验证环境。”

1. 4.AI 执行：
   • Task 1: 检查 Homebrew（无则安装）。
   • Task 2: brew install php@7.4。
   • Task 3: brew install mysql@8.0（自动设置密码）。
   • Task 4: pecl install redis。
   • Task 5: 生成 test.php 并运行验证。
2. 5.结果：10-15 分钟内，环境全自动就绪。

5.2 场景二：遗留项目逆向分析 (Legacy Code Analysis)

痛点：接手无文档的“屎山”代码。

AI 模式：

1. 1.全量扫描：
   • 提示词：“请扫描当前项目（路径：...）。分析技术栈（确认是 PHP 7.x 还是 5.x）、目录结构、核心业务逻辑、数据库表结构。生成详细的Markdown报告（包含目录树、文件说明、技术栈），保存在 /docs/analysis/ 目录下。”
2. 2.数据库还原：
   • 提示词：“根据代码中的 Model 和 SQL 逻辑，逆向生成完整的 init_db.sql 建表语句。要求 MySQL 8.0 格式，包含索引、外键和详细注释。”
   • 验证：使用 GPT-5 和 Claude 交叉验证 SQL 的正确性。
3. 3.流程可视化：
   • 提示词：“请梳理‘用户登录’和‘订单支付’的完整业务链路，生成 SVG 格式 的流程图，保存在 /docs/flowcharts/。”
   • 查看：直接在浏览器打开 SVG 文件预览。

5.3 场景三：功能开发 (The Plan-Execute Cycle)

案例：新增“多语言发布”功能。

Step 1: 需求对齐与规划 (Plan)

• 提示词：“目标：新增多语言发布和评论功能。要求：1. 先学习现有代码；2. 给出详细执行计划（数据库、API、前端）；3. 不要修改代码，只生成设计文档保存在 /docs/plan/。”
• 产出：执行计划.md, 数据库设计.md, API设计.md。

Step 2: 方案评审 (Review)

• 人工检查 AI 生成的计划，确认无误后回复：“批准执行”。

Step 3: 分步执行 (Execute)

• 阶段 1 - 数据库：“执行数据库设计阶段。创建 Migration，编写 SQL，生成 Seeder，执行迁移并验证。” -> 完成后 Git Commit。
• 阶段 2 - 后端 API：“执行后端开发。创建 Model，编写 Controller 和 API 路由，实现 CRUD，必须编写单元测试。” -> 完成后 Git Commit。
• 阶段 3 - 前端页面：“执行前端开发。改造发布页面支持多语言切换，保持现有样式风格。” -> 完成后 Git Commit。

Step 4: 集成测试 (Verify)

• 提示词：“编写集成测试用例，测试完整业务流程（创建文章 -> 添加翻译 -> 评论）。生成测试报告。”

📜 第六章：AI 编程“八荣八耻” (Rules of AI IDE)

为了防止 AI “幻觉”导致的代码灾难，必须将以下规则写入项目的 .cursorrules 或 Augment 的 Rules 中。这是团队开发的底线。

配置文件模板 (.cursorrules /   .IDE-NAME/rules/coding-rules.md)

---name: ai-ide-8-rulesdescription: AI IDE 助手配置规则，定义输出格式、代码规范和交互约束，帮助开发者更高效地开发代码---### AI IDE 遵守的八荣八耻- 以瞎猜接口为耻，以认真查询为荣。- 以模糊执行为耻，以寻求确认为荣。- 以臆想业务为耻，以人类确认为荣。- 以创造接口为耻，以复用现有为荣。- 以跳过验证为耻，以主动测试为荣。- 以破坏架构为耻，以遵循规范为荣。- 以假装理解为耻，以诚实无知为荣。- 以盲目修改为耻，以谨慎重构为荣。### AI IDE 遵守的八条军规1. 不猜接口，先查文档。2. 不糊里糊涂干活，先把边界问清。3. 不臆想业务，先跟人类对齐需求并留痕。4. 不造新接口，先复用已有。5. 不跳过验证，先写用例再跑。6. 不动架构红线，先守规范。7. 不装懂，坦白不会。8. 不盲改，谨慎重构。

如何固化

• Cursor：在根目录创建 .cursorrules 文件，或者在 .cursor/rules 里粘贴上述内容。
• Augment：在设置或根目录创建 .augment/rules/coding-rules.md。
• 效果：AI 每次回答前都会自动加载并遵守这些规则，极大降低“写飞”的概率。
• 也可以统一放在 .XXX（AI IDE）目录下面的  rules 目录下，可以自动加载

  ├── .augment           # Augment Code 配置入口├── .claude            # Anthropic Claude Code 配置入口├── .codebuddy         # 腾讯 Codebuddy Code 配置入口├── .cursor            # Cursor IDE 配置入口├── .codex             # Codex IDE 配置入口├── .kilocode          # Kilocode IDE 配置入口├── .opencode          # Opencode IDE 配置入口├── .agent/            # Antigrvatiy 配置入口

  ~/.XXX/├── AGENTS.md               # AI IDE 全局配置指令（AI 行为规范、技术栈信息）├── mcp.json                # MCP (Model Context Protocol) 配置├── agents/                 # Sub Agents 和 AI Agents 的存放目录├── commands/               # Slash Command 斜杆命令存放目录├── docs/                   # 各种需要存储的文档、标准、工作流描述等存放目录├── hooks/                  # Claude Code、Codebuddy Code 的钩子配置目录├── prompts/                # 提示词模板和 AI 通用规则├── rules/                  # AI 遵循规则存储目录（claudecode/codex 等会自动加载，请勿过多放置避免上下文溢出）├── scripts/                # 通用运行脚本与工具├── sessions/               # 运行会话历史保存目录├── skills/                 # AI 技能配置└── workflows/              # 通用工作流，Antigrvity 下的类 Slash Command

  • 这些上面一级目录，下面参考的二级目录（就是在入口 IDE 配置路径下一级目录列表）
  • 参考配置文件路径：可以配置在 ~/.IDE-NAME 或者是  项目目录/.IDE-NAME 目录下，都可以加载（下面就是 IDE 可能的配置目录入口名称）

🏁 结语：新时代的生存法则

在这场 AI 革命中，未来只有两类程序员：

1. 1.超级个体：熟练掌握 Prompt Engineering，利用 AI 能够一人抵十人，专注于架构、业务价值和创新。
2. 2.被淘汰者：坚持手写每一行代码，拒绝接触新工具，最终被效率的洪流淹没。

行动清单 (Action Items)：

1. 1.[ ] 硬件：配置好 Mac 电脑。（推荐 MacBook Pro M3+、Mac Mini M3+ 等机器设备）
2. 2.[ ] 账号：注册 OpenRouter，获取 Claude 4.5 Sonnet 权限。
3. 3.[ ] 工具：安装 Augment 和 Claude Code，配置好代理。
4. 4.[ ] 规范：在项目中部署 .cursorrules 或者 .AI-IDE-NAME/rules/ “八荣八耻”。
5. 5.[ ] 实战：下周尝试用“Plan-Execute”流完整重构一个旧模块。

下一步： 

- 立即开始行动 

- 完成第一个实战项目 

- 体验效率提升 

- 成为 AI-Native 开发者  

记住： 

> 工具没有感情，效率不讲情面，你不跟进别人会跟进。   

> 拥抱变化，或者被变化吞噬。   

> The future is now. 未来已来。

祝你在 AI 时代大放异彩！ 🚀

---

【想要讨论AI编程和AI技术加群，搜索同名 WX 公众号 】