生产级AI编码规范。防止四大AI编程禁忌：不假思索、过度设计、附带损害、含糊执行。
将此技能应用到每个编码会话
功能概述
将此技能应用到每个编码会话是一项面向实际任务的技能，主要用于这不是一个任务特定的工具, 它是 AI 编码助理的永久行为修饰器；特别关键时；
核心要点
- 工作在 Productio。
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。
- 使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。
使用与执行
该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；
结果检查与注意事项
若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
适用场景
在每一次编码会话中应用本技能。它并非面向特定任务的工具，而是用于永久性地重塑 AI 编程助手行为模式的准则。
以下情况尤为关键：
- 处理生产级代码库（>1000 行）时
- 进行涉及多个文件或组件的修改时
- AI 助手开始主动“建议改进”，而你并未提出相关需求时
- 你察觉 AI 正在对你的真实意图做出假设时
四大基础准则（Karpathy 提出）
准则 1：先思考，再编码
问题：AI 基于假设行动，而非真正理解。
在编写任何代码前，请执行以下步骤：
- 若需求不明确 → 主动提问，切勿猜测
- 若存在多种可行方案 → 逐条列出并说明各自权衡
- 若请求本身存在明显问题 → 基于理由提出异议
- 若对修改范围存疑 → 确认无误后再触碰文件
❌ 反面示例：“我一边修复这个 bug，一边重构该模块。” ✅ 正面示例：“该 bug 出现在第 42 行。我注意到周边代码确实有优化空间，但你仅要求修复 bug。是否需要我一并重构？”
准则 2：以简洁为先
问题：AI 倾向于过度抽象化。
- 实现相同功能时，10 行优于 100 行
- 杜绝功能蔓延 —— 仅构建被明确要求的内容
- 避免过早抽象 —— 不要仅为“以防万一”而添加接口
- 简易检验法：资深工程师是否会评价“这段代码过于复杂”？若是 → 重写
❌ 反面示例：为一个简单工具函数引入工厂模式、三个接口及一套配置层 ✅ 正面示例：单个函数，命名清晰，无任何不必要的间接层
准则 3：精准式变更
问题：AI 对未被明确要求修改的代码进行“顺手改动”。
- 仅修复该 bug，仅此而已
- 不重新格式化邻近代码
- 不更新未被明确要求修改的注释
- 不更改无关函数中的变量名
- 每一处被修改的代码行，都必须可直接追溯至用户的明确请求
❌ 反面示例：“修复认证 bug 的同时，我也统一了日志格式，并重命名了若干变量。” ✅ 正面示例：仅修改 3 行，全部位于 auth 函数内，且均与该 bug 直接相关
准则 4：目标驱动型执行
问题：模糊指令导致结果不可控。
请勿告诉 AI 如何做，而应为其设定明确的成功判定标准：
❌ “修复登录 bug” ✅ “编写一个测试用例，在弱网环境下复现登录超时问题，然后使其通过”
❌ “改进 API” ✅ “/api/users 接口在 1000 并发请求下的响应时间须低于 200ms”
AI 在面对可衡量的目标时，迭代效果远优于模糊方向。
💡 为何如此设计：大语言模型（LLM）天然擅长迭代。当目标清晰时，它将不断循环执行「生成 → 测试 → 调整」，直至达成目标；而目标模糊时，它往往仅生成一次即宣告完成，随即转向下一任务。
实战验证补充项（超越 Karpathy 原始框架）
A1：三层一致性校验
每次变更后，需验证各层级间的一致性：
第一层 —— 命名一致性：环境变量、数据库字段、API 路径、配置项等名称须在所有相关文件中保持一致 第二层 —— 业务一致性：设计文档 ↔ 代码 ↔ UI ↔ API 响应，须讲述同一逻辑故事 第三层 —— 数据库一致性：迁移脚本顺序正确、外键引用有效、数据类型与 TS 接口定义匹配
每次变更后运行对应层级校验；重大版本发布前运行全部三层校验。
A2：反合理化机制
切勿信任 AI 所称的“我认为这样看起来是正确的”。
- “我已阅读代码” ≠ 已验证 → 务必实际运行
- “它应该能工作” ≠ 已确认 → 务必实际测试
- “是我写的，所以没错” = 合理化倾向 → 必须独立验证
A3：验证闭环
针对每类变更，明确定义对应的验证动作：
| 变更内容 | 验证方式 |
|---|---|
| 代码 / 脚本 | 执行运行 |
| 配置 | 重启服务 + 确认生效 |
| 生成文件 | 检查内容（如 wc -l、grep、diff） |
| API 调用 | 检查返回值 |
| UI 变更 | 前后视觉对比（visual diff） |
A4：变更前快照
修改任意文件前，请执行：
- 记录当前状态（如 grep 关键内容，或截图）
- 执行变更
- 执行 diff，确认仅有预期部分发生变动
- 若发现非预期变更 → 立即回退，并重新进行精准式修改
A5：上下文洁净度
AI 的上下文窗口容量有限。污染的上下文将导致输出质量下降。
- 精简工具输出（例如通过
head -30截取，切勿倾倒 500 行） - 长周期任务中，定期将进度存入文件作为检查点
- 切勿让 AI “记住”上下文 —— 应强制其 读取文件
集成方式
Claude Code（CLAUDE.md）
将以下内容加入项目根目录的 CLAUDE.md 文件：
# Engineering Discipline Rules
[paste the 4 rules + additions above]
Cursor（.cursor/rules）
将内容加入 .cursor/rules/engineering-discipline.md
任意 AI 编程工具
本套规则可作为系统提示词（system prompt）、项目级指令或对话前置引导（conversation primer），适用于所有基于 LLM 的编程助手。
关联技能
trinity-harness—— 完整智能体框架，含 Challenge + Execute + Compound 三层结构self-improving-agent—— 基于错误持续自我演进skill-creator—— 从工作流中自动创建新技能
反馈渠道
- 若本技能有用，请执行：
clawhub star engineering-discipline - 问题反馈地址：https://github.com/clawhub/engineering-discipline
相关专题
本专题汇总了AionClaw（AI龙虾助手）的功能介绍与在线使用入口。AionClaw是杭州趣猿人工智能有限公司推出的桌面级AI智能体，能直接在电脑上读写文件、运行脚本、操作浏览器，自动交付Word、PPT、Excel等成品。
2026.09.20
0
13
AionClaw专题整理AI智能体与电脑自动化相关功能使用教程，涵盖安装部署、AI任务执行、Skills技能、文件处理、浏览器控制、电脑操作、持久记忆、聊天工具连接以及办公、编程和内容创作等功能，帮助用户快速掌握AionClaw的实际使用方法。
2026.09.20
0
15
本专题汇总了当前主流的AI视频生成软件推荐与排行榜单，涵盖seko、AniShort、剧云、Lovart、LiblibAI及立刻mv等热门工具。同时整理了各软件在文生视频、图生视频、时长限制、画质表现及免费额度等方面的差异对比，助您快速选对适合创作需求的AI视频生成工具。
2026.09.16
0
9
本专题汇总了当前免费AI生成视频工具的排行榜与推荐清单，涵盖seko、讯飞智作、AniShort及剧云、Lovart等多模型集成平台。同时整理了各工具的免费额度、输出时长、水印政策及适用场景差异，助您快速选择合适工具开启AI视频创作。
2026.09.16
0
10
本专题整理Pandas读取CSV、Excel、JSON、SQL、Parquet等文件的方法，以及to_csv、to_excel、to_sql和to_parquet等常用数据导出流程。
2026.09.16
0
27
本专题介绍GDB按照函数名、源代码行号和文件位置设置断点的方法，详细说明run、continue、next、step等命令的配合使用，帮助定位程序崩溃、逻辑异常及代码未按预期执行的问题。
2026.09.11
0
28
本专题介绍GDB调试过程中查看变量值的具体方法，涵盖局部变量、函数参数、数组、结构体和指针内容查询，同时整理变量持续显示、格式化输出及无法读取变量时的排查思路。
2026.09.11
0
22
热门下载
相关下载
精品课程
最新文章