AI 编程工程流
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_d11b9589/ai-engineering-workflow。
技能介绍
很多 AI 编码场景的失败并不是模型不会写代码,而是在需求没澄清、边界没划定时,直接跳进实现:改了无关文件、跳过验证却声称通过、文档追上滞后于真实状态,最后项目移交时只剩一堆 unverified 的改动。
它解决什么问题
ai-engineering-workflow 把工程纪律前置成一套可控流程,适合课程作业、研究项目、多文件 AI 工程、数据分析 notebook,以及带有 starter code、数据集、PDF、评分规则的交付型任务。它不替你拍板技术方案,而是强制在写代码前先建立上下文和验收标准,避免模型悄悄发明需求、覆盖用户改动或把未跑过的检查标成 done。
核心能力与关键步骤
技能按模式推进,支持自然语言触发:
issue-create读取请求与仓库状态,明确目标、交付物、约束、风险与验收条件,并记录不确定项;issue-breakdown把工作拆成阶段和原子任务,每个任务写明依赖、相关文件、验收标准与验证方式;issue-execute一次只做选中的任务,编辑前检查文件,改完后运行可用检查并更新状态;issue-update在需求、文件、范围或假设变化时同步受影响文档,防止用旧假设继续实现;issue-status/issue-close分别提供进度快照和诚实移交;- 最终通过六个质量门:需求、范围、实现、验证、文档、Git/移交,并确认无凭证和隐私数据外泄。
过程记忆放在 issues/<issue-name>/,依靠 issue.md、task-breakdown.md、status.md 等具体文档贯穿生命周期。
适用边界与注意点
- 简单一步任务不应强行套全流程;
- 模式是概念模型,不是操作系统命令;
done_unverified、needs_review、blocked不等于完成;- 缺验证时必须说明原因和影响,连续三轮无进展应停下请求人工输入,而不是反复重写;
- 在 Git 仓库工作前先检查分支和工作树,不提交密钥、私有数据集或未测试内容。
使用场景
- 多文件课程项目开工时,需要先建立 issue 上下文并记录验收条件,再进入编码
- 数据分析 notebook 改动范围蔓延,需要把变更拆成原子任务并逐项验证
- 需求或文件发生冲突,需要更新 issue、任务依赖与状态,避免沿用过期假设
- 项目准备交付,需要核查验证结果并输出 close-report,标明未解决风险
适合人员
- 经常用 Codex 完成课程或研究项目的开发者,需要防止实现偏离题目和验收标准
- 维护多文件 AI 应用的工程师,需要控制变更范围并保持文档与代码同步
- 处理 starter code、数据集和评分规则的助教,需要可审计的 issue、验证与移交记录
- 在 Git 仓库中使用 AI 编码的工程师,需要避免覆盖用户改动并过滤密钥与隐私数据