1. OpenCode是什么

    1. OpenCode 是一个开源的 AI 编程助手，运行在终端里。它能

      1. 理解代码：读代码、分析代码、解释代码

      2. 生成代码：写新功能、改旧代码、重构架构

      3. 执行操作：运行命令、操作文件、连接外部工具

      4. 自动化：批量处理、多步骤任务、持续集成

  2. OpenCode 的架构

    1. ┌─────────────────────────────────────────┐│ 用户界面层 (CLI/TUI) ││ - 命令行交互 / 终端界面 / Web 界面 │├─────────────────────────────────────────┤│ AI 引擎层 (LLM) ││ - Claude / GPT / Gemini / Ollama │├─────────────────────────────────────────┤│ 核心能力层 ││ - Agent 系统 / Skills 系统 / MCP 系统 │├─────────────────────────────────────────┤│ 工具集成层 ││ - 文件系统 / Git / 浏览器 / API / DB │└─────────────────────────────────────────┘

    2. 用户界面层：你输入命令的地方，可以是命令行、终端界面或者 Web

    3. AI 引擎层：真正"思考"的地方，支持多种大语言模型

    4. 核心能力层：OpenCode 的核心竞争力，包括 Agent、Skills、MCP 三大系统。

    5. 工具集成层：连接外部世界的能力，让 AI 能操作真实的环境

  3. 如何用好OpenCode

    1. Agent 模式：让 AI 自主完成复杂任务

    2. Skills 系统：让 AI 拥有你的团队经验

    3. MCP 集成：让 AI 能使用各种专业工具

    4. 企业级功能：让 AI 能安全地服务整个团队

  4. Agent 模式

    1. 传统模式 vs Agent 模式

      1. 传统模式（对话模式）：

        你：这段代码有 bug，帮我看看
AI：问题在第 15 行，应该改成 xxx
你：（复制粘贴）改好了吗？
AI：还有第 23 行
你：（复制粘贴）现在呢？
AI：第 37 行也有问题
你：（内心崩溃）...

      2. Agent 模式：

        你：把项目里所有 bug 都修好
AI：好的，我来处理
      ↓
AI：（自动读取文件 → 分析问题 → 修改代码 → 验证修复 → 提交结果）
      ↓
AI：已修复 23 处问题，这是修改摘要...

      3. 区别：

        1. 传统模式是"你指挥，AI 建议"。你得一步步告诉 AI 做什么，它才能帮你

        2. Agent 模式是"你定目标，AI 执行"。你只需要说"把项目里所有 bug 都修好"，AI 会自己规划步骤、执行操作、验证结果。

    2. Agent 模式的核心能力

      1. 自主决策能力

        1. 分析任务复杂度

        2. 规划执行步骤

        3. 选择最佳方案

        4. 处理异常情况

      2. 多步骤执行能力

        1. 连续执行多个操作

        2. 根据中间结果调整策略

        3. 自动验证每一步的结果

        4. 失败时自动重试或报告

      3. 工具使用能力

        1. 读取文件系统

        2. 执行 shell 命令

        3. 运行测试

        4. 操作 Git

      4. 上下文感知能力

        1. 理解项目结构

        2. 记住之前的操作

        3. 保持任务连贯性

        4. 处理依赖关系

    3. Agent 模式的底层原理

      1. ReAct 框架（Reasoning + Acting），Agent 模式的核心是一个叫做 ReAct 的框架。ReAct = Reasoning（推理）+ Acting（行动）

      2. 工作流程是这样的

        1. 思考（Thought）：AI 分析问题，决定下一步做什么

        2. 行动（Action）：AI 执行具体的操作（读文件、改代码、运行命令）

        3. 观察（Observation）：AI 观察执行结果

        4. 循环：根据观察结果，再次思考、行动、观察，这个过程会不断循环，直到任务完成

      3. 工具调用机制

        1. OpenCode 给 AI 提供了一系列"工具"，每个工具都有

          1. 名字（name）

          2. 描述（description）

          3. 参数（parameters）

          4. 返回值（return value）

        2. 比如"读文件"工具：

          {
  "name": "read_file",
  "description": "读取指定文件的内容",
  "parameters": {
    "path": {
      "type": "string",
      "description": "文件路径"
    }
  }
}

        3. 上下文管理

          1. 任务目标

          2. 执行历史

          3. 当前状态

          4. 中间结果

          5. 错误信息,OpenCode 通过精心设计的提示词（Prompt）和上下文压缩技术，确保 AI 能在有限的上下文窗口内高效工作。

    4. 如何开启 Agent 模式

      1. 最简单的方式是在启动 OpenCode,在命令行切换到对应的目录，然后执行opencode

        当前是 plan 模式，只能对话,按 tab 切换 build 模式

    5. Agent 模式的最佳实践

      1. 任务拆解原则

        1. 大任务拆小任务：

          1. ❌ 不好：

            > 帮我把这个老项目全部重构了

          2. ✅最佳实践

          > 第一步：将网络请求重构为项目特有的 NetWork.get().xxx().onResponse{} 链式调用格式
> 第二步：按照 VMContract 规范重构代码，确保 ViewModel 实现接口并通过 LiveData 暴露数据

        2. 每个任务要有明确的目标和验收标准

        要求：给 src/utils 目录下所有 Kotlin 工具函数补充完整的 KDoc 注释。
验收标准：每个 public / internal 函数必须包含 KDoc：

使用 /** */ 格式

必须包含：@param

所有参数必须覆盖，必须说明参数语义（尤其是 Boolean / flag / 可空参数）

      2. review 机制

        1. 养成看 git diff 的习惯

      3. 测试驱动

        1. 让 AI 改完代码后必须跑测试：

    修改代码并确保所有测试通过
> 如果测试失败，回滚修改并报告问题

  5. Skills系统

    1. 什么是Skills：Skills 是一套可复用的指令模板，Skills 就是把"你的经验"变成"AI 的能力"

    2. Skills 和 Agent 模式有什么区别

      Agent 模式

      Skills 系统

      定位

      执行能力

      知识封装

      作用

      让 AI 能动手

      让 AI 懂规则

      使用方式

      临时指令

      预定义模板

      复用性

      每次都要说

      一次定义多次使用

      适用场景

      具体任务

      标准化流程

      Agent 模式就像你让一个程序员"去重构代码"。他会自己思考怎么做。Skills 系统就像你给程序员 一本《代码重构手册》，告诉他："以后重构都按这个手册来"。两者可以结合使用：用 Skills 定义 流程，用 Agent 模式执行流程

    3. Skills 能做什么

      1. 代码质量类

      2. 开发流程类

      3. 团队协作类

      4. 领域专业类

    4. Skills如何加载

      1. 当你启动 OpenCode 时，它会从当前目录开始，向上查找所有包含 .opencode/skills/ 或 .claude/skills/ 的目录。

        当前工作目录/.opencode/skills/
当前工作目录/.claude/skills/
父目录/.opencode/skills/
父目录/.claude/skills/
...
直到 git 仓库根目录
~
~/.config/opencode/skills/    (全局)
~/.claude/skills/             (全局兼容)

        子项目可以覆盖或扩展父项目的 Skills，Skill 的 description 字段包含关键词，AI 会根据用户 输入匹配最合适的 Skill，例如：用户说"帮我审查代码" → 匹配 code-review Skill，用户 说"生 成 API 文档" → 匹配 api-doc Skill

      2. 显式调用

        1. 用户可以直接指定使用某个 Skill：/skill use code-review

    5. 创建Skill

      name: beast-android-review
description: 针对 Beast Android 项目的架构、网络层、MVVM 规范及性能安全审查
tags:
  - android
  - kotlin
  - beast-arch
  - mvvm
  - performance
---

# Beast Android 项目代码审查

## 审查范围

### 1. 架构规范 (MVVM & VMContract)
- **VMContract 实现**
  - ViewModel 必须实现 `*VMContract` 接口
  - 必须继承自 `PageVM<Intent>` 或相关基类
  - 数据暴露必须使用 `CommLiveData` 或 `LiveData`，严禁直接暴露 `MutableLiveData`
- **生命周期管理**
  - 检查是否滥用 `GlobalScope` (应使用 `viewModelScope` 或 `lifecycleScope`)
  - 检查 `onCleared()` 资源释放

### 2. 网络层规范 (Custom Network Framework)
- **链式调用完整性**
  - 必须遵循 `Request -> setParams -> onResponse -> onError -> doRequest` 模式
  - 严禁漏掉 `.doRequest()` (这是最常见错误)
- **异常处理**
  - 必须包含 `.onError { }` 处理逻辑
  - 关键业务请求必须处理 `data.isSuccess()` 和 `data.code` 校验
- **线程安全**
  - 网络回调默认在主线程，检查是否在回调中执行耗时操作 (应切 `Dispatchers.IO`)

### 3. Kotlin & 代码风格
- **空安全 (Null Safety)**
  - 严禁使用 `!!` 非空断言 (除非有极强理由)
  - 使用 `?.let` 或 `runCatching` 处理潜在空指针
- **变量定义**
  - 优先使用 `val`
  - 可变状态使用 `AtomicBoolean` / `AtomicInteger` (在并发场景下)
  - 集合操作优先使用 `mutableListOf` / `arrayListOf` 配合读写分离

### 4. 业务逻辑与埋点
- **关键埋点检查**
  - 检查 `DzTrackEvents`、`PlayerTrack` 调用是否完整
  - 检查 `LogUtil` 是否符合规范 (Tag 统一)
- **广告与VIP逻辑**
  - 检查广告位 ID 是否硬编码 (应从配置读取)
  - 检查会员权益逻辑是否被绕过

### 5. 性能与资源
- **内存泄漏**
  - 检查 ViewModel 中是否持有 View/Context 引用
  - 检查 `EventBus` / `Listener` 是否反注册
- **UI 渲染**
  - 检查是否在 `onBindViewHolder` 中进行耗时计算

## 输出格式

```markdown
## Beast Android 代码审查报告

### 概览
- 审查模块：{{module_name}}
- 问题总数：{{issue_count}} 个
  - ⛔ 阻断 (Blocker)：{{blocker_count}} 个
  - ⚠️ 警告 (Warning)：{{warning_count}} 个
  - 💡 建议 (Suggestion)：{{suggestion_count}} 个

### 详细问题

#### 1. [⛔ 阻断] business/detail/vm/PlayDetailVM.kt:468
**问题**：网络请求链式调用不完整，缺少 `doRequest()`
**代码**：

DetailNetwork.get().adWelfareRequest()
    .setParams(...)
    .onResponse { ... }
    // ❌ 缺少 .doRequest()，请求不会发送

**修复**：

DetailNetwork.get().adWelfareRequest()
    .setParams(...)
    .onResponse { ... }
    .doRequest() // ✅ 已添加

#### 2. [⚠️ 警告] business/detail/vm/PlayDetailVM.kt:85
**问题**：ViewModel 内部变量未使用 Atomic 类型，存在并发风险
**代码**：
private var adLoaded = false 

**修复**：
private val adLoaded = AtomicBoolean(false)

### 改进建议

1. 建议将 `_allDataList` 的过滤逻辑移至 `Dispatchers.Default` 线程执行，避免阻塞 UI。
2. ...

## 使用示例

> /skill use beast-android-review path=business/detail/src/main/java/com/dz/business/detail/vm/PlayDetailVM.kt
```

      保存在项目跟目录，

      ,然后就可以应用这个skill Review代码了，使用/skill use beast-android-review path=business/detail/src/main/java/com/dz/business/detail/vm/PlayDetailVM.kt这种方式，输出结果：

    6. 团队 Skills 仓库

      1. 创建一个专门的仓库管理团队 Skills

      beast-opencode-skills/
├── README.md
├── skills/
│   ├── code-review/
│   │   └── SKILL.md
│   ├── commit-message/
│   │   └── SKILL.md
│   └── pr-template/
│       └── SKILL.md
├── templates/
│   └── component/
├── scripts/
│   └── install.sh
└── package.json

      安装脚本（scripts/install.sh）

      #!/bin/bash
# 安装团队 Skills 到全局

SKILLS_DIR="$HOME/.config/opencode/skills"
REPO_URL="https://gitlab31.dhwaj.cn/clt-dzfree/beast-android/opencode-skills.git"

# 克隆或更新
if [ -d "$SKILLS_DIR/.git" ]; then
  cd "$SKILLS_DIR" && git pull
else
  git clone "$REPO_URL" "$SKILLS_DIR"
fi

echo "✓ 团队 Skills 已安装到 $SKILLS_DIR"
echo "可用的 Skills："
ls "$SKILLS_DIR/skills/"

    7. 项目级 Skills

      1. 与项目代码一起管理，将项目特定的 Skills 放在项目仓库中：

    dz-project/
├── .opencode/
│   └── skills/
│       ├── domain-specific/     # 领域特定
│       ├── framework-specific/  # 框架特定
│       └── team-conventions/    # 团队约定
├── src/
├── package.json
└── README.md

    如果多个项目共享同一套 Skills，可以使用 Git 子模块

    # 添加 Skills 子模块
git submodule add https://gitlab31.dhwaj.cn/clt-dzfree/beast-android/opencode-skills.git .opencode/skills

# 克隆项目时递归克隆子模块
git clone --recursive https://gitlab31.dhwaj.cn/clt-dzfree/beast-android.git

  6. MCP

    1. 什么是mcp

      1. 让 AI 能操作外部工具和系统，MCP（Model Context Protocol)是一个开放的协议标准，它定义了 AI 模型如何与外部工具、数据源、服务进行交互

      2. MCP核心特点

        1. 标准化：统一的接口定义，不同工具遵循相同规范

        2. 安全性：细粒度权限控制，可审计可追溯

        3. 扩展性：支持任意类型的工具和服务

        4. 灵活性：本地和远程服务都能连接

      3. MCP可以解决什么问题

        1. 浏览器自动化

        2. 数据库操作

        3. API 集成

        4. 文件系统

        5. 版本控制

    2. MCP 架构

      ┌─────────────────────────────────────────┐
│              OpenCode                   │
│         ┌──────────────────┐            │
│         │   MCP Client     │            │
│         └────────┬─────────┘            │
└──────────────────┼──────────────────────┘
                   │
          ┌────────┴────────┐
          │   MCP Protocol   │
          │  (stdio / sse)   │
          └────────┬────────┘
                   │
       ┌───────────┼───────────┐
       │           │           │
┌──────┴──────┐ ┌─┴────────┐ ┌┴──────────┐
│ MCP Server  │ │  MCP     │ │  MCP      │
│ (Playwright)│ │  Server  │ │  Server   │
│             │ │ (GitHub) │ │ (Filesystem)
└─────────────┘ └──────────┘ └───────────┘

    3. MCP与Skills 的区别

      1. 核心区别

        维度

        MCP

        Skills

        定位

        外部工具连接

        内部知识封装

        作用

        扩展 AI 能力

        规范 AI 行为

        实现

        独立进程/服务

        Markdown 文件

        范围

        跨项目通用

        项目/团队特定

        权限

        需要显式授权

        默认允许

      2. 协作关系

        ┌─────────────────────────────────┐
│           用户请求               │
└──────────────┬──────────────────┘
               │
        ┌──────┴──────┐
        │   Skills    │ ← 决定"做什么"
        └──────┬──────┘
               │
        ┌──────┴──────┐
        │    MCP      │ ← 决定"用什么做"
        └──────┬──────┘
               │
        ┌──────┴──────┐
        │  外部工具    │
        └─────────────┘

        举例：

        1，用户说"测试登录功能"
2，Skills 系统匹配到"e2e-testing" Skill
3，Skill 指导 AI 使用 Playwright MCP
4，Playwright MCP 操作浏览器执行测试

      3. 查看opencode可以用的MCP

        1. opencode mcp list

          可以看到目前我这个电脑上没有配置MCP服务

        2. 添加MCP服务

        3. 到这里可以看到我成功的添加了drawio这个强大的绘图服务，添加完成以后再输入命令opencode mcp ls

          可以看到有一个mcp服务安装

          1. 通过draw.io绘制流程图

        4. 安装OMO

          1. 如果说OpenCode 就从一个 AI 助手，那么安装Oh My OpenCode后，OpenCode 就从一个 AI 助手变成了一个完整的 AI 开发团队。Oh My OpenCode是一个为 OpenCode（设计的强大插件/扩展层。它将单个 AI 代理升级为一个多智能体协作团队，提供开箱即用的高

          2. GitHub 仓库：https://github.com/code-yeongyu/oh-my-opencode

          3. 核心亮点包括

            1. Sisyphus 主智能体：负责持续执行复杂任务，直至完成

            2. 持并行运行专业子智能体（如 Oracle 预言者、Librarian 文档专家、Frontend Engineer 前端工程师、Explore 探索者等）。

            3. 内置 LSP/AST 工具（代码重构）、MCP（模型调用插件，如搜索、文档检索）、钩子系统（25+ 种事件触发）

            4. 多模型调度：自动分配任务给最适合的模型（例如 Gemini 处理前端、Claude 处理规划）

            5. 关键词触发完整自动化（如 ultrawork 或 ulw），支持后台任务、Todo 强制执行、上下文注入等

            6. 基本触发

              1. 在 OpenCode 的提示词中加入关键词 ultrawork（或简写 ulw），例如：这会激活完整模式：Sisyphus 主智能体接管，自动分配子任务给专业代理，并行执行（后台映射代码库、深度探索、自动重构等），直至任务 100% 完成

            7. 选择哪种智能体执行

              对于大型复杂任务可以通过/ralph-loop 连续循环运行好几个小时执行，直到最后任务完成

  7. 最佳实践

    1. 从写好提示词开始

      1. 提示词（Prompt）是你与 AI 沟通的桥梁。好的提示词能让 AI 准确理解你的意图，给出高质量的结果

      2. 具体明确

        1. ❌ 差的提示词

          帮我重构代码

        2. ✅ 好的提示词：

        优化 java/com/business/detail/vm/DetailVM.kt中的requestInfoList函数：
- 当前实现使用方法太长
- 抽取核心功能到具体方法，方法命名需要见名知意
- 保持现有接口不变
- 添加适当的类型定义
- 采用合适的设计模式，做到高内聚，低耦合，结构清晰

      3. 提供上下文

        1. ❌ 差的提示词：这个报错怎么解决？

        2. ✅ 好的提示词：

          在运行测试时遇到错误：
错误信息：
 (MyFirebaseMessagingService.kt:39)
com.google.firebase.messaging.FirebaseMessagingService.dispatchMessage (FirebaseMessagingService.java:254)
com.google.firebase.messaging.FirebaseMessagingService.passMessageIntentToSdk (FirebaseMessagingService.java:204)
com.google.firebase.messaging.FirebaseMessagingService.handleMessageIntent (FirebaseMessagingService.java:190)
com.google.firebase.messaging.FirebaseMessagingService.handleIntent (FirebaseMessagingService.java:179)
com.google.firebase.messaging.EnhancedIntentService.lambda$processIntent$0 (EnhancedIntentService.java:82)
java.util.concurrent.ThreadPoolExecutor.runWorker (ThreadPoolExecutor.java:1154)

问题：om.dz.business.fcm.FcmManager.sendCustomCommonNotification这行报错，线上crash收集到的。

请给出修复方案，要求：
1. 考虑兼容性
2. 处理错误状态

        3. 结构化输出

          1. 明确要求 AI 的输出格式：

          请分析这段代码的性能问题，按以下格式输出：

## 问题列表

1. [问题描述] - [严重程度：高/中/低]
   - 位置：[文件:行号]
   - 影响：[性能/内存/可读性]
   - 建议：[具体优化方案]

## 优化优先级

按影响程度和实现难度排序

## 代码示例

提供优化后的代码片段

        4. 迭代优化

          1. 不要期望一次提示就得到完美结果。采用迭代方式

          第一轮：基本功能实现
第二轮：添加错误处理
第三轮：优化性能
第四轮：完善文档

        5. 提示词模板库

          1. 代码审查请求

            请审查以下代码，关注：
1. 代码规范和风格
2. 潜在 bug 和安全问题
3. 性能优化机会
4. 可维护性和可读性

文件：{{file_path}}
代码：{{code}}

请以清单形式列出所有问题，按严重程度排序。对于每个问题，提供：

- 问题描述
- 具体位置
- 修复建议
- 代码示例

          2. 功能开发请求

            请实现以下功能：

## 需求描述
{{feature_description}}

## 技术要求
- 技术栈：{{tech_stack}}
- 接口定义：{{api_spec}}
- 数据模型：{{data_model}}

## 验收标准
{{acceptance_criteria}}

## 约束条件
- 不要修改现有接口
- 保持向后兼容
- 添加单元测试

请按以下步骤执行：
1. 分析需求，提出实现方案
2. 等我确认后再开始编码
3. 实现功能
4. 编写测试
5. 生成文档

          3. Bug 修复请求

            请修复以下 Bug：

## Bug 描述

{{bug_description}}

## 复现步骤

1. {{step_1}}
2. {{step_2}}
3. {{step_3}}

## 期望行为

{{expected_behavior}}

## 实际行为

{{actual_behavior}}

## 环境信息

- 浏览器：{{browser}}
- 版本：{{version}}
- 相关代码：{{file_path}}

## 错误日志

{{error_log}}

请：
1. 分析根本原因
2. 提供修复方案（先不执行）
3. 等我确认后执行修复
4. 验证修复结果

          4. 上下文管理技巧

            # 引用单个文件
@java/com/dz/business/detail/vm/PlayDetailVM.kt帮我审查这个组件

# 引用多个文件
@java/com/dz/business/base/dialog/evaluate/ReviewDialogHelper.kt @java/com/dz/business/base/dialog/evaluate/ReviewController.kt 分析类型定义

# 引用特定函数
@chapterListLoadingRequest函数帮我优化性能

# 引用代码行范围
@java/com/dz/business/detail/vm/PlayDetailVM.kt:650-737 这段逻辑太臃肿，结构不清晰问题

          5. 保持上下文连贯：

            # 第一次请求
> 分析 ava/com/dz/business/detail/vm/PlayDetailVM.kt的接口设计

# AI 分析完成...

# 第二次请求（基于之前的分析）
> 基于刚才的分析，帮我重构这些接口
> 要求保持 RESTful 规范

# AI 理解上下文，基于之前的分析进行重构

          6. 清理上下文：

      > /context clear
上下文已清理。之前的对话历史将不再影响后续回答。

> /context summary
当前上下文摘要：
- 正在处理：用户管理系统重构
- 相关文件：src/api/users.ts, src/services/userService.ts
- 上次操作：接口分析

    2. 日常开发工作流

      ┌─────────────────────────────────────────────────────────┐
│                    开发流程（AI 辅助）                    │
├─────────────────────────────────────────────────────────┤
│  1. 需求理解                                              │
│     ↓ 使用对话模式讨论需求                                 │
│     - 与 AI 讨论业务逻辑                                   │
│     - 确定技术方案                                        │
│     - 识别潜在风险                                        │
│                                                           │
│  2. 技术设计                                              │
│     ↓ 生成设计文档                                        │
│     - 让 AI 帮助设计架构                                   │
│     - 生成接口定义                                        │
│     - 定义数据模型                                        │
│                                                           │
│  3. 编码实现                                              │
│     ↓ 切换 Agent 模式                                     │
│     - 生成代码框架                                        │
│     - 实现业务逻辑                                        │
│     - 编写单元测试                                        │
│                                                           │
│  4. 代码审查                                              │
│     ↓ 使用 Skills                                         │
│     - 自动代码审查                                        │
│     - 人工复核                                            │
│     - 修复问题                                            │
│                                                           │
│  5. 测试验证                                              │
│     ↓ 运行测试套件                                        │
│     - 单元测试                                            │
│     - 集成测试                                            │
│     - AI 辅助调试                                         │
│                                                           │
│  6. 文档更新                                              │
│     ↓ 自动生成文档                                        │
│     - API 文档                                            │
│     - 更新 README                                         │
│     - 添加变更日志                                        │
└─────────────────────────────────────────────────────────┘

      1. 具体示例

    # ========== 步骤 1: 需求理解 ==========
> 我要实现一个广告】接入MAX、AdMob的开屏功能，需求如下：
> 一、需求描述

广告类型：开屏
接入渠道
MAX聚合的applovin、admob、meta、Liftoff、InMobi、panggle。
AdMob聚合的admob、panggle、InMobi、Liftoff。
测试广告位
MAX（applovin）
MAX（admob）
MAX（meta）
MAX（Liftoff）
MAX（InMobi）
MAX（panggle）
MAX（applovin、admob、meta、Liftoff、InMobi、panggle）
AdMob（admob）
AdMob（panggle）
AdMob（InMobi）
AdMob（Liftoff）
AdMob（admob、panggle、InMobi、Liftoff）
>
> 请帮我分析这个需求，包括：
> - 涉及哪些模块
> - 可能的技术方案
> - 需要注意的安全问题

AI：分析完成，建议...

# ========== 步骤 2: 技术设计 ==========
> 基于刚才的分析，帮我设计技术方案：
> 1. 生成 API 接口文档（OpenAPI 格式）
> 2. 设计数据库表结构
> 3. 设计前端表单组件

AI：生成设计文档...

# ========== 步骤 3: 编码实现 ==========
> /agent on
> 请按照设计文档实现用户注册功能：
> 1. 先实现后端 API（Node.js + Express）
> 2. 再实现前端表单（React + TypeScript）
> 3. 最后实现邮箱验证逻辑
>
> 每完成一个模块告诉我，我确认后再继续

AI：[实现后端 API]
用户：确认，继续

AI：[实现前端表单]
用户：确认，继续

AI：[实现邮箱验证]
用户：确认，完成

# ========== 步骤 4: 代码审查 ==========
> /skill use code-review
> 审查刚才实现的用户注册功能

AI：[自动审查报告]

# ========== 步骤 5: 测试验证 ==========
> 运行所有测试，确保通过

AI：✓ 所有测试通过

# ========== 步骤 6: 文档更新 ==========
> 更新相关文档：
> 1. 更新 API 文档
> 2. 更新 README 的使用说明
> 3. 添加变更日志

AI：文档已更新

  8. AI思考和展望

    1. AI 是效率放大器，而非替代者

      1. 在研发体系中，AI 应作为工程师与产品经理的“增强工具”，重点关注

        1. 数据安全与隐私合规（尤其涉及用户行为与内容分发）

        2. 输出可控性（避免幻觉带来的决策风险）

        3. 持续学习与Prompt工程优化，构建团队级AI使用范式

    2. 需求阶段：引入 AI 进行预 Review 与价值评估

      1. 在 PRD 或需求评审前，通过 AI 提前完成

        1. 需求完整性检查（是否存在边界遗漏、异常路径缺失）

        2. 技术实现风险识别（如并发、缓存一致性、埋点缺失等）

        3. 产品价值分析（用户收益 vs 成本 vs 转化路径）

    3. 提测阶段：基于 AI 的冒烟预测试机制

      1. 在正式 QA 前，引入 AI 做轻量自动化验证：

        1. 核心路径冒烟（登录、播放、广告链路等）

        2. UI/交互异常检测（文案、布局、状态机异常）

    4. AI + 崩溃治理

      1. Crash 自动归因（类似 Glide / NPE / 多线程问题

      2. 给出修复建议甚至代码Patch

Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

我做了一个鸿蒙 PC ，踩了这 12 个坑

avatar AtomGit开源社区
cover

慢SQL实践

avatar AtomGit开源社区

重磅战略合作｜蚁后科学×欧迪妮×山胜有幸，以硬核技术赋能AI智能内衣新体验

本文仅为商业战略合作官宣科普，所有技术数据、产品功能均基于研发测试阶段实测所得，无夸大、虚假宣传行为；本产品为智能穿戴生活用品，非医疗器械，不具备诊断、治疗、医治等医疗功效，不可替代医疗诊疗手段；产品用户数据严格遵循《个人信息保护法》，全程加密存储、规范使用，严守用户隐私安全；文中提及技术专利、知识产权均归属对应合法持有方，未经授权禁止盗用、篡改与商用；本推文内容不存在任何商业诱导、虚假承诺，产品

avatar AtomGit开源社区