2026-09-07 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：
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：
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：
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 / 资料：
5. Agent 工作流
- 关注点是任务循环怎么跑：单会话何时停下来问人，多会话如何分批、防文件交叉、对齐人的验收带宽。人介入是约束，工作流才是主题。
- 代表文章：
6. 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：
7. 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：
8. 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：
9. 模型、权限与成本边界
- 新增文章开始讨论模型档位、Thinking Effort、权限模式和额度消耗。这些内容属于 AI Coding 的运行边界，决定任务该用多少能力，以及 Agent 可以自主执行到什么程度。
- 代表文章：
10. Harness 与产品套壳
- 关注点从「怎么写 prompt」转到「怎么给 agent 一个可工作的执行环境」，以及如何在自建产品层里复用现成 harness。
- 代表文章：
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」。
仍可继续展开的方向
eval harness、验收契约，以及多 Agent 编排里的锁与灾备细节，目前主要落在 Codex Agent Harness 套壳 一篇里；单会话问/继续与多会话分批见 Agent 工作流。
相关概念
- LOP（面向大模型编程）模式
- LLM 维护的知识库
- AI 辅助开发
- Claude Code 常见工作流
- Skill、会话与执行环境
- AI编程和 Vibe Coding 的差异在哪
- Harness Engineering
- Agent 工作流
- Codex Agent Harness 套壳实现自己的 AI 产品
修订：Cursor Agent，2026-09-07。