10 篇文章带有标签 “software-development”

什么是 Claude Code

应用于软件开发的各个阶段

1. 探索 (Discover)	2. 设计 (Design)	3. 构建 (Build)	4. 部署 (Deploy)	5. 维护与扩展 (Support & Scale)
探索代码库与历史 (Explore codebase and history)	规划项目 (Plan project)	实现代码 (Implement code)	自动化 CI/CD (Automate CI/CD)	调试错误 (Debug errors)
搜索文档 (Search documentation)	制定技术规范 (Develop tech specs)	编写并执行测试 (Write and execute tests)	配置环境 (Configure environments)	大规模重构 (Large-scale refactor)
入职与环境配置 (Onboard & Setup)	定义架构 (Define architecture)	创建提交与 PR (Create commits and PRs)	管理部署 (Manage deployments)	监控使用情况与性能 (Monitor usage & performance)

工具使用

内置工具列表

gstack 是由 YC 首席执行官 Garry Tan 发起的开源智能体技能集（Skills），旨在将 Claude Code 等 AI 编程助手重塑为一支全栈虚拟开发团队。它通过一套高度专业化的指令流，实现了从产品构思、架构设计、自动化编码到代码评审、质量保障及发布部署的软件全生命周期闭环开发。

你：      我想为我的日历做一个每日简报应用。
你：      /office-hours（发起咨询）
Claude： [询问痛点 —— 要求提供具体的例子，而不是假设]

你：      多个 Google 日历，活动信息已过时，地点也是错的。
          准备工作耗时太长，而且效果不够好……

Claude： 我想挑战一下你的设定。你说的是“每日简报应用”，但你实际描述的是一个“AI 私人幕僚长”。
         [提取了 5 项你甚至没意识到自己已经描述出的功能]
         [挑战了 4 个前提 —— 你对此表示同意、反对或进行调整]
         [生成了 3 种实施方案及工作量预估]
         建议： 明天先上线最核心的切入点，从实际使用中学习。完整愿景是一个为期 3 个月的项目 —— 
               先从一个真正好用的每日简报开始。
         [编写设计文档 → 自动同步至下游技能]

// ...

英文版本：

ZeroAI 是一个通用的 AI 驱动软件开发助手，能够按照标准化的五步流程开发任意软件应用。从需求理解到代码生成，让 AI 帮你完成整个软件开发周期。

特性

• 🚀 五步开发流程：需求分析 → 接口设计 → 数据库设计 → 业务逻辑设计 → 代码生成
• 💾 版本管理：完整的项目版本控制，支持创建、查看和加载历史版本
• 📝 Word 导出：一键导出项目文档到 Word 格式
• 🎯 交互式审查：每一步生成结果都可查看、审批或重新生成
• 📊 实时日志：完整记录 AI 开发过程中的所有操作和输出
• 🔄 数据持久化：使用 SQLite 数据库存储项目数据

技术栈

核心依赖

• 框架: Next.js 16 (App Router)
• 语言: TypeScript
• 样式: Tailwind CSS 4
• 数据库: Better-SQLite3
• AI: OpenAI API (兼容 LongCat 等第三方 API)
• 文档导出: docx

测试依赖

• 测试框架: Vitest
• 测试 UI: Vitest UI
• React 测试: @testing-library/react
• DOM 断言: @testing-library/jest-dom
• 用户事件: @testing-library/user-event
• 浏览器环境: jsdom

快速开始

环境配置

1. 复制环境变量模板：

cp .env.example .env

ZeroAI 一个通用的 AI 开发助手，能够按照五步流程开发任意软件应用。从需求理解到代码生成，让 AI 帮你开发软件！

😀

一、理解需求

1. 需要游戏房间创建功能，支持生成唯一的游戏会话标识，用于管理单局游戏的生命周期
2. 需要玩家状态初始化功能，支持在游戏开始时设定玩家的初始生命值为3、初始分数为0及初始坦克属性
3. 需要玩家坦克移动逻辑处理功能，支持根据移动指令计算坦克下一帧坐标，并校验与砖墙、钢墙、水域、边界等地图元素的碰撞情况以阻断非法移动
4. 需要玩家坦克射击逻辑处理功能，支持根据射击指令生成子弹对象，判定子弹飞行轨迹与地图障碍物、敌方坦克及基地的碰撞结果
5. 需要地图数据加载功能，支持根据关卡ID获取对应的地图布局数据，包含砖墙、钢墙、水域、树林、基地等元素的位置坐标信息
6. 需要敌方坦克AI控制功能，支持自动控制敌方坦克进行移动路径规划、转向逻辑及自动射击，并实现随关卡递增的难度参数调整
7. 需要子弹碰撞判定功能，支持区分子弹击中不同目标（砖墙、钢墙、坦克、基地）后的处理逻辑，包括销毁子弹、扣除目标生命值或销毁目标
8. 需要基地保护判定功能，支持监测基地是否被敌方子弹或玩家误伤击中，一旦击中立即触发游戏失败结算流程
9. 需要地图元素破坏机制功能，支持普通子弹破坏砖墙、增强子弹破坏钢墙的逻辑，并同步更新地图障碍物状态
10. 需要道具生成与掉落功能，支持在特定条件触发下（如消灭敌方坦克）随机生成速度提升、火力提升、护盾、生命、炸弹、冻结等道具实体
11. 需要道具拾取生效功能，支持玩家坦克拾取道具后触发对应效果，包括移动速度增益、射击属性增强、无敌状态、生命值增加、全屏敌人清除及敌人冻结状态
12. 需要道具效果时效管理功能，支持对速度提升、火力提升、护盾、冻结等具有持续时间的道具效果进行倒计时管理及状态自动清除
13. 需要分数结算功能，支持根据消灭敌方坦克的类型、数量及通关奖励计算并累加玩家当前得分
14. 需要生命值管理功能，支持玩家坦克被击毁时扣除生命值，并在生命值归零时触发游戏结束流程
15. 需要关卡进度管理功能，支持在消灭当前关卡所有敌人后判定通关，并自动切换至下一关卡或触发游戏胜利结算
16. 需要游戏状态流转控制功能，支持管理游戏从准备开始、进行中、暂停、结束等状态的切换逻辑
17. 需要游戏音效开关控制功能，支持接收客户端音效设置指令，维护当前游戏会话的音效开启或关闭状态
18. 需要游戏结算功能，支持在游戏结束或通关时生成包含最终得分、存活状态、通关关卡数等数据的结算报告

Peter Steinberger (OpenClaw 的创造者) 分享了核心主张 “拒绝套路，直接对话”。他认为当前的 AI 智能体（尤其是 GPT-5-Codex）已足够强大，无需过度依赖 RAG、复杂的子智能体或繁琐的规格文档等“炒作”手段。

最近我在这里变得安静了许多，因为我正埋头于最新的项目。Agent 智能体工程（Agentic engineering）已经变得如此强大，以至于现在它几乎包揽了我 100% 的代码编写。然而，我看到仍有许多人在解决问题时，还在搞那些华而不实的复杂套路，而不是专注于把活干完（Getting sh*t done）。

这篇文章的灵感部分来自昨晚在伦敦参加的 Claude Code Anonymous 交流会，部分原因是从我上次更新工作流以来已经过了“AI 领域的一年”（实际才几个月，但变化巨大）。是时候同步一下进度了。

所有的基本理念仍然适用，所以我不会再提上下文管理等简单的事情。你可以阅读我的 《AI 开发最佳工作流》 作为入门。

背景与技术栈

我独立工作，当前项目是一个约 30 万行代码（LOC）的 TypeScript React 应用，包含 Chrome 扩展、CLI、基于 Tauri 的客户端以及基于 Expo 的移动端。我使用 Vercel 托管，一个 PR（拉取请求）大约在 2 分钟内就能交付新版本网页进行测试。

AI 编程的演进逻辑非常清晰：GitHub Copilot 作为插件，在传统 IDE 里为大众提供辅助；Cursor 则打破束缚，通过 AI 原生 IDE 实现了深度的体验跃迁；而 Claude Code 这类 CLI 工具，则是为追求极致自由与自动化的极客准备的——它摆脱了图形界面的繁琐，让开发者在命令行中，就能以‘操作指令’驱动 AI 完成从编码到部署的全流程。

AI 编程三剑客：时间线与营收对比

维度	GitHub Copilot	Cursor	Claude Code
代表形态	IDE 插件 (Plugin)	AI 原生 IDE (Forked)	CLI 智能体 (Agent)
正式发布/爆发时间	2021年6月 (预览) / 2022年6月 (正式)	2023年 (起步) / 2024年底 (爆发)	2025年2月 (GA)
年营收 (ARR)	$20 亿+$ (2025年Q3数据)	20亿+∗∗(2025年Q3数据)∣∗∗10 亿+ (2025年底估算)	$10 亿+ (上线6个月即达成)
用户规模	2000万+ 开发者	100万+ 付费用户	爆发式增长中 (API驱动)
核心地位	行业标准与基建	效率工具的巅峰	自主编程的开端

1. GitHub Copilot：稳坐江山的“老牌霸主”

• 登基时间： 2021-2022年。它是 AI 编程的开创者，利用 GitHub 庞大的生态系统，迅速完成了从 0 到 1 的教育。
• 营收状况： 2025年 9月，微软在财报中确认 GitHub Copilot 的年经常性收入（ARR）已突破 20 亿美元。
• 现状： 虽然面临 Cursor 的挑战，但它依然是 90% 以上 500 强企业的标准配置。它的战略重心已转向 “代理化” (Agentic)，在 GitHub Universe 2025 上展示了全流程的 AI 协作能力。

• Exploring Generative AI

大型语言模型(LLM)的工作原理根植于模式匹配和对下一个词元的统计预测("随机鹦鹉")。从这种方法中产生的一个有些出人意料的能力是它们也能在一定程度上"推理"解决问题。有些模型的推理能力比其他模型更强，OpenAI的"o1"和"o3"模型是两个突出的推理模型，而DeepSeek的"R1"最近引起了很大轰动。但是当我们在编码任务中使用AI时，这种能力发挥什么作用呢？

剧透提醒：我还没有答案！但我有问题和想法。

我将从两个方面开始讨论，这两个方面在我的理解中是推理能力的限制，而且这些限制在编码环境中是相关的。然后我将分享我的想法，即推理在哪些编码任务中可能有用，在哪些任务中可能没用。

上下文至关重要，尤其是对推理而言

苹果公司去年发表的一篇关于大型语言模型推理局限性的论文引起了广泛关注。作者引入了一个新的基准测试，用来测试LLM在"数学推理"方面的能力。他们的基准测试基于一个已有的包含小学数学问题的测试集。他们选取了100个问题，将其转化为带有变量占位符的模板，然后为每个模板创建了50个变体，形成了一个包含5,000个问题的数据集。在第二步中，他们还创建了一个新的数据集，在问题中添加了无关信息。

他们发现：

• Exploring Generative AI

生成式人工智能和特别是大型语言模型（LLM）已迅速进入公众意识。像许多软件开发人员一样，我对其可能性感到好奇，但不确定它最终对我们的职业意味着什么。我现在在Thoughtworks担任一个角色，协调我们关于这项技术将如何影响软件交付实践的工作。我将在这里发布各种备忘录，描述我和同事们正在学习和思考的内容。

随着智能代理编码助手变得越来越强大，反应各不相同。有些人从最近的进步推断并声称，"一年后，我们将不再需要开发人员。"其他人则对AI生成代码的质量以及为初级开发人员准备应对这一变化的挑战表示担忧。

在过去几个月中，我定期使用Cursor、Windsurf和Cline中的智能代理模式，几乎完全用于更改现有代码库（而不是从头创建井字游戏）。总体而言，我对IDE集成的最新进展以及这些集成如何极大地提升工具辅助我的方式印象深刻。它们

• 执行测试和其他开发任务，并尝试立即修复出现的错误
• 自动识别并尝试修复代码检查和编译错误
• 能够进行网络研究
• 有些甚至集成了浏览器预览功能，可以捕获控制台错误或检查DOM元素

所有这些都带来了与AI令人印象深刻的协作会话，有时帮助我在创纪录的时间内构建功能和解决问题。

然而。

即使在那些成功的会话中，我也一直在干预、纠正和引导。而且我经常决定不提交更改。

什么是生成式AI？

生成式AI是指能够根据提示或指令创建新内容的AI系统。这些系统被训练于大量数据，学习识别模式并生成类似于训练数据的新输出。现代生成式AI多为基于神经网络架构的深度学习系统。

目前主导生成式AI讨论的是大型语言模型（LLMs）。这些是经过大量文本训练的模型，可以生成连贯的文本，预测给定上下文中最可能的下一个词。尽管基础架构可能很复杂，但我们可以将其视为一个复杂的自动补全系统。

LLMs展现出的能力远超过以前的生成系统，它们能够：

• 以难以与人类创作区分的方式撰写文章、小说、诗歌或代码
• 回答问题、提供建议、编写报告、总结文档
• 理解上下文并保持对话连贯性
• 同时处理多种语言
• 理解代码并生成新代码

关键应用领域

生成式AI已经在许多领域展示出其应用潜力：

代码生成和编程辅助

开发人员正在使用生成式AI工具（如GitHub Copilot、Amazon CodeWhisperer和Google Duet AI）来加速编码过程。这些工具可以：

• 生成样板代码
• 提出完整函数和算法
• 帮助编写测试
• 解释现有代码
• 重构代码以提高质量
• 生成文档

内容创建和营销

生成式AI可以产生各种形式的内容：

• 博客文章、社交媒体更新和营销文案
• 个性化电子邮件和通信
• 产品描述和目录
• 视频脚本和广告文案

客户服务和支持

生成式AI正在改变企业与客户的互动方式： 聊天机器人和虚拟助手 智能响应建议 自动票务分类和路由 知识库生成和