查询：我的文章涵盖 AI Coding 哪几方面

问题

我写的文章涵盖 AI Coding 哪几方面？

结论

从当前仓库里与 AI Coding 直接相关的文章来看，主题覆盖已经不只是「让 AI 写代码」，而是形成了一个比较完整的工作流视角，主要包括以下几方面。

1. AI IDE 与开发工作流迁移

• 从传统 IDE 切换到 AI IDE，关注操作习惯、插件、性能、多项目协作等现实问题。
• 代表文章：
  • AI协作编程——传统IDE快速切换到AI IDE
  • 用 Cursor 提高工作效率实战笔记
  • 解决 Cursor debugger 模式在 electron 项目中无法使用问题

2. 项目规则、上下文与约束设计

• 重点讨论 AI/Agent 无状态、上下文有限，如何通过 CLAUDE.md、rules、约束和任务拆解让模型更稳定地理解项目。
• 代表文章：
  • AI协作编程——如何写好项目规则
  • AI赋能存量项目——从函数助手到业务伙伴

3. Prompt 方法、角色分工与协作方式

• 不只是写 prompt，而是把 AI 当作不同岗位或角色来组织，强调任务拆解、上下文隔离、角色提示词设计。
• 代表文章：
  • 如何做AI角色分工：我的应用心得
  • AI赋能存量项目——从函数助手到业务伙伴
  • 常用开发提示词

4. Agent、Skill、MCP 与工具扩展

• 关注 AI 如何调用工具、接入外部上下文、把重复流程封装成 Skill，而不是停留在聊天补全层。
• 代表文章：
  • Cursor 编写 SKILL：通过 web 搜索并下载电影
  • 用 Cursor 提高工作效率实战笔记
  • 首次尝试95%都是垃圾：一位工程师使用Claude Code的6周之旅

5. 稳定性、Review 与质量控制

• 你写的内容反复强调：AI 首次输出往往不可靠，关键在于经验上下文、三次尝试、人工 review、测试与渐进修正。
• 代表文章：
  • 一个提升 AI Coding 稳定性的思路
  • 首次尝试95%都是垃圾：一位工程师使用Claude Code的6周之旅
  • AI赋能存量项目——从函数助手到业务伙伴

6. AI Coding 在具体开发场景中的落地

• 不只是泛谈效率，而是落到前端初始化、图片转页面、Figma 到代码、文档生成、运维脚本、Bug 修复、界面优化、游戏制作等具体场景。
• 代表文章：
  • 用 Cursor 提高工作效率实战笔记
  • 使用 AI 优化界面交互
  • 面向大模型编程(LOP)在游戏制作流程中的应用畅想

7. AI Coding 的长期记忆层与知识沉淀

• 这一块是你的一个明显特色：不把 AI Coding 只看成对话式生成，而是和知识库、跨会话记忆、持久化 wiki 联系起来。
• 代表文章：
  • 使用大模型来维护知识库
  • 我们是否需要AI知识库
  • Gemini 在打开新会话时，是如何有记忆的

总体判断

如果做一句话概括，你的 AI Coding 文章更偏向：

• 工程实践与工作流设计
• 上下文治理与规则设计
• Agent 化、Skill 化、知识沉淀化

相对来说，重心不在模型训练原理或底层算法，而在「如何把 AI 真正接入开发工作流，并让它稳定地产出结果」。

当前没有明确展开的方向

Harness

• 当前仓库里没有直接出现 harness / harnness 这一表述。
• 但有一些内容和 harness 思路接近，主要是：
  • 面向大模型编程(LOP)在游戏制作流程中的应用畅想 中的 Self-Healing / Iterative Refinement Loop
  • AI赋能存量项目——从函数助手到业务伙伴 中的 工作流/任务拆解
  • 一个提升 AI Coding 稳定性的思路 中的 经验上下文 / 解决问题模式
  • Cursor 编写 SKILL：通过 web 搜索并下载电影 中的 Skill 流程封装
• 因此可以说：你写过一些与 harness 邻近的内容，但还没有专门从 agent harness / eval harness / execution harness 这个角度系统展开。

相关概念

• LOP（面向大模型编程）模式（概念）
• LLM 维护的知识库（概念）