Linyb极客之路

摘要： 目前行业已形成五套AI 编程范式：Smell、Vibe、Plan、Glue、Spec Coding。绝大多数团队踩坑的根源，并非 AI 工具能力不足，而是场景与范式错配：简单迭代过度设计、核心业务随性开发，最终导致效率低下、技术债务堆积、线上风险失控。 范式约束层级（无序 → 有序）：Smell C 阅读全文

摘要： 近两年，AI编码工具已从「辅助提效玩具」彻底进化为主力生产工具。随之而来的，是开发者的工作模式发生根本性改变：从传统的“人主导编码”，变为“人定义规则、AI执行编码”。 在这一背景下，行业逐步沉淀出五套AI编程范式：Smell Coding、Vibe Coding、Plan Mode、Glue Co 阅读全文

摘要： 前言 AI辅助编程时代，最大的痛点不是"AI写不出代码"，而是需求理解偏差、架构漂移、代码质量不可控。很多人用AI开发时，陷入了"反复提需求→AI写代码→发现不对→返工"的恶性循环。 今天我们用OpenSpec规范驱动+Superpowers工程化执行的黄金组合，以开发一个功能完整的SeaTunne 阅读全文

摘要： 一、引言 近年来，大语言模型驱动的AI辅助编程工具已完成从“代码补全玩具”到“全流程研发提效工具”的演进，越来越多的企业将AI编程纳入核心研发体系。但在企业级规模化落地过程中，行业始终未能解决一个核心命题：在AI辅助研发的全流程中，哪些工作必须由人工完成，哪些工作可完全交给AI，二者的权责边界如何划 阅读全文

摘要： 一、Superpowers 核心定位 Superpowers 是面向 Claude Code、Codex、Gemini CLI、OpenCode 等主流 AI 编码智能体的标准化软件工程工作流框架。区别于普通 AI 代码生成插件，它不只是简单补全代码，而是通过可组合技能集+强制约束指令，将“快速堆代 阅读全文

摘要： 一、先明确核心选型原则 按研发阶段自动锚定基础技能 Superpowers 本身具备阶段式自动触发，优先遵循原生工作流；仅在复杂、高风险、定制化场景下手动追加指定技能，避免过度启用冗余能力。 按代码风险等级收紧约束型技能 核心业务、支付、鉴权、中间件逻辑：强制绑定 test-driven-devel 阅读全文

摘要： 一、官方核心技能全解析 1. brainstorming 官方技能标识：brainstorming 触发规则：新需求/新功能描述发起、需求无明确技术方案、未进入编码阶段时，编码动作前强制自动触发；支持手动调用触发 适用场景： 模糊需求的技术化拆解与边界定义 架构选型、技术方案对比与风险评估 遗留系统 阅读全文

摘要： 在AI编码全面普及的当下，不少人都会用到Claude Code、Cursor、Gemini CLI、Codex等智能编码工具。 但普遍面临同一个痛点：AI写代码只顾快速输出，忽略需求梳理、方案设计、测试校验，写出的代码漏洞多、返工率高、技术债务堆积。 而 Superpowers 作为AI编码智能体的 阅读全文

摘要： 最近两年，不管你用的是Cursor、Claude Code还是其他AI编码工具，大概率都有过同款扎心经历： 你对着AI说“给我的应用加个用户认证功能”，它秒速响应，噼里啪啦就写出了登录页、注册逻辑、密码哈希，十分钟就甩给你一套“完整可用的认证系统”。 一开始你只觉得真香，开发效率直接拉满。结果用着用 阅读全文

摘要： 过去几年，AI 开发的范式一直在悄悄迭代。 大多数人只追逐新词热度，却很少看清一条底层、连续、必然的进化主线： Prompt Engineering → Context Engineering → Harness Engineering 三者不是并列概念，而是层层递进、不断走向可控、可靠、可工业化的 阅读全文