AI原生开发工作流实战｜01-08讲总复习串联版

AI-Native Development Workflow in Practice | Review Notes for Lectures 01-08

目标：把 01-08 讲串成一条完整主线，帮你从“知道每讲讲了什么”，升级到“理解这套方法论是怎么一层层搭起来的”。

一、前 8 讲到底在构建什么？

What Are Lectures 01–08 Actually Building?

如果只看单讲内容，会觉得每讲都在教一个工具点：

• 01-03：讲理念
• 04：搭环境
• 05：讲 @ 和 !
• 06：讲 CLAUDE.md / AGENTS.md
• 07：讲 constitution.md
• 08：讲 Slash Commands

但如果把它们串起来，你会发现前 8 讲其实一直在搭一套完整的 AI 原生开发底座：

让 AI 从“会聊天的模型”，变成“懂项目、守规则、能执行、可扩展”的工程协作者。

这 8 讲其实是在逐层回答 5 个问题：

1. 为什么需要 AI 原生开发？
2. 如何让 AI 真正进入开发环境？
3. 如何让 AI 看见正确的上下文？
4. 如何让 AI 长期记住项目规则与原则？
5. 如何把高频协作固化成可复用能力？

二、01-03讲：搭建认知框架

Lectures 01–03: Building the Cognitive Framework

这三讲是理念层。

它们最重要的作用不是教你某个命令，而是帮你完成视角转换：

不要再把 AI 当成“高级搜索引擎”或“代码补全器”，而要把它当成新的开发协作者。

1. 从“问答式 AI”到“协作式 AI”

传统理解里，AI 像这样：

• 你提问
• 它回答
• 一轮结束

这是“单轮问答心智”。

但课程开头就在强调：

真正强大的 Coding Agent，不是做一问一答，而是参与一个持续的工程工作流。

这意味着 AI 的角色升级为：

• 上下文理解者
• 方案建议者
• 任务执行者
• 规则遵守者
• 工作流参与者

2. AI 原生开发的真正变化

前几讲想让你看到的不是“多了个工具”，而是：

开发范式在变。

以前开发流程大致是：

• 人理解需求
• 人读代码
• 人写代码
• 人跑测试
• 人写提交
• 人做审查

现在变成：

• 人给目标和约束
• AI 感知项目和上下文
• AI 提议或执行具体动作
• 人审批关键决策
• AI 继续完成局部循环

这是一种典型的：

Human-in-the-loop（人在回路中）协作范式

3. 开发者角色变化

前 3 讲不断在铺垫这个观念：

开发者未来不只是“代码生产者”，更是“工作流设计者”和“AI 协作指挥者”。

也就是说，你的价值不只是：

• 写每一行代码

而是：

• 设定目标
• 定义约束
• 审核结果
• 沉淀规则
• 设计 AI 工作流

三、04讲：先把武器装起来

Lecture 04: Setting Up the Environment

这一讲是从理念进入实操的转折点。

它解决的问题很简单：

如果没有真正可用的运行环境，AI 原生开发就是纸上谈兵。

所以 04 讲的作用是：

• 安装 Claude Code
• 连接模型
• 配置运行环境
• 打通本地项目与 AI Agent 的工作链路

这讲的重要意义

它不是简单“装软件”，而是在完成一件更本质的事：

让 AI 从网页上的聊天窗口，进入你的真实工程现场。

这一步特别关键，因为只有进了工程现场，AI 才可能：

• 看你的代码
• 跑你的命令
• 修改你的文件
• 接入你的工作流

所以 04 讲相当于：

把 AI 从“远程顾问”变成“本地协作者”

四、05讲：@ 和 ! —— AI 的眼睛和双手

Lecture 05: @ and ! — AI’s Eyes and Hands

这是前 8 讲里第一个真正“落地即高频”的核心能力。

Tony 把这两个符号总结得非常好：

• @ = Context = 感知世界
• ! = Action = 改造世界

1. @：上下文注入

@ 解决的是：

如何把真实工程上下文高效、结构化地喂给 AI。

你可以：

• @单个文件
• @整个目录

这样 AI 才不是瞎猜，而是基于真实代码理解问题。

单文件 @

适合：

• 解释代码
• 生成测试
• 分析某个函数
• 小范围修改

目录 @

适合：

• 项目结构分析
• 跨文件理解
• 技术栈分析
• 大规模重构

关键点

目录级 @ 是 Git-aware 的，会参考 .gitignore，自动过滤噪音目录。

2. !：Shell 执行

! 解决的是：

如何让 AI 进入真实执行环境，而不只是停留在说的层面。

你可以：

• 手动执行单条 shell 命令
• 把命令输出变成后续上下文
• 允许 AI 提议命令执行

最关键的一点

! 的输出会自动进入下一轮上下文。

这让你可以做出：

!命令
!命令
自然语言提问

的“命令链”。

3. 05讲的真正意义

这一讲最核心的不是记住两个符号，而是建立一个新模型：

AI 原生开发 = 感知（@）→ 行动（!）→ 反馈 → 下一轮

也就是：

Perception-Action Loop（感知-行动闭环）

这是后面所有高级工作流的基础。

五、06讲：CLAUDE.md / AGENTS.md —— 给 AI 长期记忆

Lecture 06: CLAUDE.md / AGENTS.md — Giving AI Long-Term Memory

05 讲里的 @ 很强，但它有一个问题：

它是一次性的。

如果你希望 AI 每次都记住某些规则，不能靠每次手动 @ 文件。

所以 06 讲解决的是：

如何让 AI 获得跨任务、跨会话的长期记忆。

1. 短期记忆 vs 长期记忆

• @：短期工作记忆
• CLAUDE.md / AGENTS.md：长期背景记忆

例如：

• 提交信息格式
• 错误处理规范
• API 响应结构
• 测试风格
• 日志规范

这些都应该进入长期上下文。

2. AGENTS.md

这一讲拉高了一个行业视角：

不同 AI 工具各搞一套私有配置文件，会形成新的碎片化。

所以 AGENTS.md 被视为：

跨 Agent 的通用标准方向

它适合放：

• 技术栈
• 构建命令
• 测试命令
• lint 规范
• Git / PR 规则

它更像 AI 看的 README。

3. CLAUDE.md

Claude Code 当前真正原生支持的是 CLAUDE.md。

它的强大不只在“自动加载”，更在于：

• 分层加载
• 向上递归
• 向下动态发现
• @ 导入模块化上下文

4. 06讲的真正升级点

这讲最本质的变化是：

你不再只是在给 AI 临时提示，而是在为 AI 构建长期记忆系统。

也就是把：

• 反复说的话
• 团队约定俗成的规范
• 隐性知识

沉淀为 AI 可持续遵循的工程规则。

六、07讲：constitution.md —— 从规则到原则

Lecture 07: constitution.md — From Rules to Principles

06 讲的 CLAUDE.md 更像：

工作手册 / 操作指南

但项目里还有一些更高层的东西，不是“怎么做”，而是：

• 什么必须优先
• 什么绝不能做
• 多个方案怎么裁决
• 哪些东西即使能跑也不接受

这就是 07 讲的主题：

给 AI 注入项目的最高原则，也就是“宪法”。

1. CLAUDE.md vs constitution.md

CLAUDE.md

告诉 AI：

• 用什么命令
• 遵循什么格式
• 测试怎么跑
• 提交怎么写

constitution.md

告诉 AI：

• 简单优先还是抽象优先
• 是否允许随便引依赖
• 是否必须测试先行
• 什么底线不可协商

2. 三个核心差异

Tony 强调了三点：

抽象层级不同

• CLAUDE.md：低层、具体
• constitution.md：高层、抽象

强制力不同

• CLAUDE.md：指导性
• constitution.md：最高优先级、带否决权

可变性不同

• CLAUDE.md：较易变
• constitution.md：高度稳定

3. 07讲的真正意义

这讲把 AI 治理从“规则层”提升到了“原则层”。

也就是说，你不再只是配置 AI 的操作习惯，而是在：

为 AI 立法。

你开始决定：

• AI 的价值观
• AI 的架构倾向
• AI 的底线约束

这让你的角色从“使用者”进一步升级为：

AI 行为的立法者

七、08讲：Slash Commands —— 把协作固化成命令

Lecture 08: Slash Commands — Turning Collaboration into Reusable Commands

前面几讲解决的是：

• AI 如何看见世界（@）
• AI 如何执行动作（!）
• AI 如何记住规则（CLAUDE.md）
• AI 如何遵守原则（constitution.md）

但还有一个现实问题：

你还是要反复写很多类似的 Prompt。

于是 08 讲解决的是：

如何把高频协作模式封装成可复用命令。

1. Slash Commands 的本质

不是输入快捷键，而是：

把高频工作流模板化、原子化、工程化。

例如：

• /commit
• /review-go-code
• /gen-test-for-service

这些命令本质上是在封装：

• Prompt 模板
• 参数输入
• 工具权限
• 模型选择
• 动态上下文准备

2. Project 级 vs User 级

Project 级

放在：

./.claude/commands/

作用：

• 团队共享
• 跟项目走
• 最适合项目工作流

User 级

放在：

~/.claude/commands/

作用：

• 个人私有
• 跨项目复用
• 最适合个人习惯

3. 参数系统

• $ARGUMENTS：整体参数
• $1 $2 $3：位置参数

这让命令不再是死模板，而是可适配不同输入的活模板。

4. Frontmatter

常用字段：

• description
• argument-hint
• model
• allowed-tools

其中最关键的是：

allowed-tools = 为命令设置最小权限边界

这意味着 Slash Commands 不是胡乱自动化，而是可以被治理、被限制、被安全共享的能力单元。

5. 命令里嵌入 !

这是最强大的点之一。

你可以在 Slash Command 中写：

!`git diff --staged`

让命令执行时先自动跑 shell，再把输出作为上下文喂给 AI。

于是 Slash Command 不再只是 Prompt 模板，而变成：

带实时上下文预处理的工作流脚本

6. 08讲的真正意义

这一讲完成的升级是：

你不再只是和 AI 对话，而是在为 AI 设计能力接口。

也就是说，你开始像设计：

• API
• CLI
• 内部平台能力

那样去设计 AI 的可调用工作流。

你的角色进一步升级为：

AI 能力设计师

八、把 01-08 讲串成一条主线

The Full Storyline Across Lectures 01–08

现在我们把它们真正串起来。

第一步：先改变认知（01-03）

AI 不是聊天工具，而是开发协作者。

第二步：让 AI 进入工程环境（04）

没有本地环境接入，就没有真正的 AI 原生开发。

第三步：让 AI 看见并行动（05）

• @：感知上下文
• !：执行动作

建立感知-行动闭环。

第四步：让 AI 记住长期规则（06）

• AGENTS.md
• CLAUDE.md

把反复输入的规则变成长期记忆。

第五步：让 AI 服从高层原则（07）

• constitution.md

把团队哲学和底线变成 AI 的宪法。

第六步：把高频协作封装成命令（08）

• Slash Commands

把上下文、规则、原则、命令执行能力，组合成可复用的工作流接口。

九、前 8 讲对应的能力升级图

Capability Upgrade Map for Lectures 01–08

01-03 认知升级：
AI 不是工具，而是协作者
        ↓
04 环境接入：
AI 进入本地工程现场
        ↓
05 基础交互：
@ 感知上下文
! 执行动作
形成 Perception-Action Loop
        ↓
06 长期记忆：
CLAUDE.md / AGENTS.md
让 AI 记住项目规则
        ↓
07 顶层治理：
constitution.md
让 AI 服从项目原则
        ↓
08 能力封装：
Slash Commands
把高频工作流变成可复用命令

十、前 8 讲中开发者角色的连续升级

Continuous Role Upgrade of the Developer Across Lectures 01–08

这是最值得背的一条主线。

01-03

你是：

认知转型者

学会重新看待 AI。

04

你是：

环境搭建者

把 AI 真正接入工程现场。

05

你是：

工作流指挥者

通过 @ 和 ! 驱动感知-行动循环。

06

你是：

记忆系统设计者

为 AI 构建长期上下文体系。

07

你是：

AI 行为立法者

为 AI 制定不可协商的原则。

08

你是：

AI 能力设计师

把高频协作封装成可复用命令。

十一、前 8 讲最核心的 8 句话

The 8 Most Important Sentences Across Lectures 01–08

1. AI 原生开发不是问答升级，而是协作范式升级。
2. 没有工程环境接入，AI 只能是外部顾问。
3. @ 让 AI 看懂项目，! 让 AI 动手做事。
4. AI 原生开发的基础闭环是：感知 → 行动 → 反馈。
5. CLAUDE.md / AGENTS.md 让 AI 拥有长期记忆。
6. constitution.md 让 AI 不只是按规则做事，而是按原则做正确的事。
7. Slash Commands 让高频协作模式变成可复用能力。
8. 开发者正在从代码执行者，升级为 AI 工作流与能力系统的设计者。

十二、总复习速记表

Master Revision Table

十三、总复习终极总结

Final Master Summary

前 8 讲不是分散的知识点，而是一套从理念到落地、从交互到治理、从个人使用到团队工程化的完整演进路径。

这条路径是：

1. 先理解 AI 原生开发不是“会不会用 AI”，而是“会不会和 AI 协作”
2. 再把 AI 接到真实工程环境里
3. 再通过 @ 和 ! 建立感知-行动闭环
4. 再通过 CLAUDE.md / AGENTS.md 给 AI 注入长期记忆
5. 再通过 constitution.md 给 AI 制定最高原则
6. 最后通过 Slash Commands 把高频协作流程沉淀成可复用能力

所以到第 8 讲为止，你应该已经具备一种新的能力：

不只是让 AI 回答问题，而是能把 AI 纳入你的工程系统、规则系统、原则系统和工作流系统。

这就是“AI 原生开发工作流”的真正起点。

十四、一句话总记忆

One-Sentence Grand Memory Hook

前 8 讲的主线，就是把 AI 从“会回答问题的模型”，一步步训练成“能看上下文、守规则、懂原则、可执行、可复用”的工程协作者。