本文在AI人工智能编程的协同下程序员的核心工作已经彻底发生转型从亲手编写代码悄然转变为驾驭智能体协同工作。从如何写这段逻辑代码演变成怎么让 Agent智能体或代理人协同并把事情做正确。这种转变具体落地在一套新的工作范式上以 Spec.md 项目需求规格文档为驱动核心可结合 Skill、MCP 等与多智能体协同将一份人可读的需求文档直接转化为可交付的生产级代码。文档不再只是沟通的中间层它本身就是代码生成的引擎。文档即代码代码即交付物 —— 这不是空口号而是已经发生的工程现实。为了彻底理解这场演化的脉络文中将从三个维度逐层拆解当下 AI 编程两种形态副驾驶Copilot、代理人(Agent)传统编程工作流程需求设计、UI 设计、编码准备、编码与验证、发布交付该流程已经被重塑AI 编程新范式工作流程需求翻译、任务拆解、质量控制——人的角色从执行者变成了指挥者最后文章将进入实战环节演示如何用项目规格文档 Spec.md结合Skill 驱动完整的开发流程交付出前端生产级的代码。一、AI 编程两种形态从“副驾驶Copilot”到“代理人(Agent)”从手工敲代码到用自然语言指挥 AI 生成可复用的软件应用。这中间发生了一次思维方式的根本转变。要理解这个转变有一个比喻极为贴切自动驾驶。副驾驶Copilot模式就像你驾车上路AI坐在副驾。它帮你看路况、提前预警、随时给出建议。但方向盘始终在你手里每一个决策都由你拍板。它是你的搭档不是司机。代理人Agent模式则完全不同。你只需要告诉它目的地然后坐进后座。AI自己接管方向盘规划路线、踩油门、遇到堵车绕行、到了收费站自动处理——直到把你送达。你的工作是确认出发以及验收抵达。这两种模式已经清晰地投射在当下主流的 AI 编辑器产品矩阵中无论是图形化的用户界面编辑器如Kiro、Trae、VsCode 智能插件 CodeGeeX Agent 模式还是命令行驱动的智能编辑器如Claude Code、Open Code都在以各自的方式诠释这两种范式的边界与可能。副驾驶Copilot与代理人Agent的核心对比以及代表性智能编辑器如下副驾驶Copilot与代理人Agent的核心对比副驾驶Copilot与代理人Agent代表性智能编辑器副驾驶(Copilot): Cursor —— 聊天侧边栏 代码补全用户全程掌控、最早的代码补全集成VS Code GitHub Copilot代理人(Agent) Claude Code、OpenCode、Kiro Auto 模式、Trae Solo 模式 —— 像是一个独立工作者你交代一件事它能闭环完成任务。当然也包括近期爆火 OpenClaw 大龙虾完成本地或云端部署后添加至飞书、微信等通讯录中你通过聊天方式它就能够帮你完成特定的任务。核心AI 为执行者人为管理者。它不再是补全一行代码而是能够独立自主完成任务的代理类比像全自动驾驶你告诉它目的地它负责规划路线并执行了解AI 编程这两种形态进化逻辑后就看清了工具层面的演变。真正让人豁然开朗的是另一个问题这两种形态究竟如何改变了程序员的日常工作方式接下来我们把传统编码工作流程与 AI 编码新范式进行对比。你会看到那些曾经需要反复消耗精力的环节——UI设计、编码实现、测试验证、发布交付甚至原型需求文档设计——正在被 AI 系统性地接管、沉淀并封装成可以随时调用的特定经验技能Skill的积累个人的交付能力不再受限于时间与精力的线性约束而是开始呈现出指数级放大。一个人配上足够完善的 Skill 体系可以做到过去一个团队才能完成的事。二、传统编程工作流程在传统编码工作流程中通常可划分为四个阶段第一阶段需求与设计产品需求文档PRD UI 设计第二阶段编码准备理解需求后进行任务拆解第三阶段编码与验证 将任务进行编码实现 测试验证第四阶段发布交付构建及部署项目-运维第一阶段需求与设计编码前1.1. 理解产品需求文档理解产品需求文档是所有工作的起点。开发人员需要仔细阅读产品经理撰写的 项目需求文档PRD明确要开发的功能背景、业务逻辑、验收标准以及边界情况。1.2. UI 设计师根据 PRD 设计系统风格与交互在设计稿产出后通常会有 “设计评审”环节。开发人员需要参与其中评估设计的技术可行性并留意设计稿中是否有遗漏的状态如加载中、空数据、网络错误页。第二阶段编码准备2.1. 编码工作者理解需求后将任务进行拆解获取到 PRD 和 UI 设计稿后开发人员需要将抽象需求转化为具体的开发任务列表。这通常包括是否需要新建数据库表或修改字段需要新增哪些后端接口前端需要新建哪些页面或组件是否存在需要封装复用的公共逻辑2.2. 使用 Git 进行代码分支管理基于拆解好的任务从主分支通常是 main 或 develop切出一个新的功能分支例如 feature/user-login保证多人在并行开发时互不干扰。第三阶段编码与验证将任务分解后编码实现这是耗时最长的阶段开发人员需要数据库设计编写建表语句或修改数据模型。后端开发编写业务逻辑层代码提供 API 接口。前端开发根据 UI 设计稿编写页面结构、样式和交互逻辑。联调前端连接后端的真实接口进行数据对接。3.1. 测试代码质量测试系统功能、稳定性测试编码完成后并不能直接上线需要经过多层验证单元测试开发者自测确保单个函数或模块的逻辑正确。代码质量检查有时借助 SonarQube 等工具检查代码规范、潜在 Bug。集成测试确保各个模块之间能正常协同工作。系统稳定性测试包括压力测试、兼容性测试等。第四阶段发布交付4.1. 构建及部署项目构建将源代码编译或打包成可运行的文件。例如Java 打包成 Jar/War前端打包成静态的压缩文件。部署将构建好的产物放到服务器上运行。流程在现代流程中这一步通常涉及将代码合并到主分支 - 触发 CI/CD 流水线 - 自动化构建 - 自动化部署到测试/生产环境。通过上述我们已经知道传统编程从需求设计及UI设计到任务拆解再到编码实现与验证最后发布交付代表了传统软件开发的全生命周期流程。并且每个流程中有着明确职责分工如:项目经理确认项目需求设计需求文档 PRDUI 设计师设计系统交互界面程序员前后端进行编码实现与测试项目构建与部署传统编码工作流程中职责分工最终的目标是交付可用的产品或项目交付物为代码。而在 AI 编程领域大模型自 Anthropic 提出 Skill 技能标准规范后各大厂商 AI 编辑器纷纷跟进并很好的支持 Skill如此一来在传统软件开发职责中员工——可以将自己工作经验或软件生产流程封装成通用的技能 Skill从而让 AI 拥有了软件开发中各个环节中的能力就能极大的改变了软件开发。至此如果你去理解与软件开发相关的 Skill 就能彻底明白它存在价值。Skill 作为 Agent智能体 技能价值在于经验封装 — 将重复性的工作流程如代码审查、提交规范、部署流程固化为可复用的 Skill团队一致性 — 团队成员共享同一套 Skill确保 AI 辅助开发风格统一降低上下文负担 — 不需要每次重复描述需求直接调用 Skill 即可通俗的说 Skills 技能像一位特定领域的数字员工。如当你需要前端交付物代码产出就用 frontend-design需要全栈开发专家用 fullstack-developer需要代码审查用 code-reviewerfrontend-design 前端设计https://github.com/anthropics/skills/tree/main/skills/frontend-designcode-reviewer 代码审查https://github.com/google-gemini/gemini-cli/tree/main/.gemini/skills/code-reviewerfullstack-developer 全栈开发https://github.com/Shubhamsaboo/awesome-llm-apps/tree/main/awesome_agent_skills/fullstack-developer面对需求不明确使用完整的软件开发工作流交付出项目可使用 Superpowers 专为AI编程Agent打造的完整软件开发方法论。伴随着模型能力越来越强文字描述通过特定 skill 技能数字员工转成源代码软件开发流程会进化为需求翻译、任务拆解、质量控制三、AI 编码新范式需求翻译把业务语言翻译成技术语言技术栈约束、定义任务拆解将项目中大目标拆解为可执行的子任务质量控制代码审核、架构约束、技术栈管理搞懂AI 编程工作流程进化需求翻译、任务拆解、质量控制后程序员编程这件事重心已经发生转移从传统手工编写代码演化为如何驾驭 AI 代理人来执行任务是程序员AI 后最重要的一项技能。其他领域也同样适用。接下来理清了编程工作流程进化后让我们来了解项目规格驱动 AI 开发Spec-Driven Development优势如下快速构建提供开源工具包让开发者聚焦于产品逻辑和可预期的结果而非重复造轮子。范式转变传统开发中代码是核心规格只是辅助文档规格驱动开发将两者的主次关系对调——规格本身成为主导。规格可执行化规格不再只是指导代码的编写而是直接生成可运行的实现。规格即代码代码即交付物。具体实践体现为Spec.md markdown 格式的项目规格文档组合Skill、MCP等规格驱动开发核心 将软件规格从被动的参考文档升级为主动的代码生成引擎从而提升开发效率与结果可预测性。说明Spec.md 项目规格文档markdown 格式的文件本质上依然是提示词 prompt掌握了Spec.md AI Skill 技能-特定数字员工编程方式该方法可以在数小时内实现从 0 到 1 初版系统的构建。如使用Spec.md 充电桩管理平台项目需求规格文档 作为AI 实现的图纸实现充电桩管理平台效果如下关于充电桩管理平台项目需求规格文档 Spec.md 内容如下# 充电桩管理平台需求规格说明看到这里朋友可能会想这也太长了吧别担心这些都可以 使用 /Spec 模式下让 AI 帮你完成说清楚需求让大模型来写你来判定是否需要人为修改。细心的你会发现 Spec.md 主要概括的内容如下说明所示。3.1、Spec.md 项目规格文档与SkillSpec.md 项目规格文档-涵盖主要内容Spec.md 项目需求规格文档是“人的需求”与“编码模型执行”的工程契约。主要包括项目目标 定义项目要解决的核心问题和期望达成的结果。如提高充电站运营效率优化资源利用率提升用户体验增加营收功能列表 详细列举所有需要实现的功能点。如订单管理模块详细拆分非目标明确不做内容): 明确声明不做什么避免范围蔓延技术约束定义技术选型、架构限制、性能要求 如 React 18支持响应式验收标准 定义项目完成的可测量标准。如 API 响应小于 300ms、单元测试覆盖 80%核心前期使用大量时间写好项目规格文档 SpecAI 写得慢一点但优势在于几乎不返工。而 Skills 像你指挥 AI 实现特定任务的数字员工如需要生产级的前端实现就用 frontend-design 技能该技能规范 AI 设计美学排版、色彩主题、空间构图、视觉细节、技术选择实现。Spec.md 项目需求规格文档相当于软件设计图纸。 SPEC.md 是开发团队和 AI 模型的执行蓝图确保所有工作都围绕明确的目标进行避免返工和偏离。Skill 拥有特定技能的数字员工如生产级的前端代码实现可使用frontend-design 技能当你拥有以上知识后接下来让我们进入实战部分代码编辑器使用 Trae 项目规格Spec.md 根据需求细化完整的规范、任务、验收文档用户确认后再严格执行适合复杂的长线任务。四、实战Spec 需求规格说明 frontend-designskill 前端技能4.1、安装 Trae在官方链接https://www.trae.cn/ide/download 根据系统要求下载并安装Trae使用下一步安装即可如下图所示启动 Trae 授权登录后便可以使用。在官方下载 Trae并安装接着安装前端生产级别的标准代码技能 frontend-design操作可分为4步4.2、安装生产级的前端 frontend-design 的Skill技能点击设置2.选择规则和技能3.点击创建技能4.选择导入包含 SKILL.md 文件的.zip 或 skill 文件选择 frontend-design.zip 文件说明:https://github.com/anthropics/skills/tree/main/skills/frontend-designfront-design 从anthropics官方地址下载后压缩成 zip 包后选择导入即可在设置中创建技能选择frontend-design.zip 压缩包导入技能,确认即可frontend-design 技能说明功能该 Skill 旨在创建具有 独特性 和 高设计品质 的前端界面能够达到 生产级别 (production-grade) 的标准。它的核心目标是避免生成千篇一律、缺乏独特风格的 “AI 风格” 界面而是通过在设计上有意地选择大胆、明确的美学方向例如极简、复古、未来感、野兽派等并注重排版、色彩、动效、空间布局等细节来打造出令人印象深刻、具有艺术感的前端页面。何时激活用户在对话框中的输入的目标是创建、设计或美化任何形式的 Web 前端界面从代码到视觉设计并明确表达了构建的需求这个技能就会被激活。应用场景构建网页组件或页面当你需要从零开始创建一个具体的 UI 元素时例如一个 React 组件、一个 HTML/CSS 布局或一个独立的静态页面。该 Skill 会确保这个组件不仅功能完善而且在视觉上具有辨识度。开发完整的 Web 应用或网站当你需要构建一个完整的应用界面时比如一个产品的 Landing Page、一个数据仪表盘或一个小型网站。该 Skill 会从整体出发确立一个统一且鲜明的设计风格并将其贯彻到应用的每一个角落。美化或重塑现有界面当你有一个已经存在的、但设计平庸的网页或应用并希望提升其视觉品质时。该 Skill 会专注于美化层面的工作通过引入独特的字体、创意的色彩方案、精致的动效和新颖的布局来重塑界面的整体美感。4.3、切换至 Trae Solo 模式使用/Spec, 输入业务需求生成项目规格 Spec.md 文档点击左上角切换 Trae Solo 模式拥有任务规划及实现的能力输入/选择 spec 模式输入需求如设计充电桩管理系统充电站面向运营管理的云端SaaS平台功能主要包括实时监控、订单管理、财务分析、用户服务和运维管理等核心功能帮助充电站管理员高效运营和管理充电业务。它会自动帮你创建项目规格Spec.md文档介绍详见 3.1、任务清单文档tasks.md、检查清单文档确认后输入根据以上需求构建前端初始化项目然后你可以使用frontend-design 进行 UI 设计实现说明构建前端项目需要安装 node 环境才能运行起来通过以上我们理论结合实践不难看出程序员的价值正在从写代码这件事情中解放出来迁移到想清楚。准确描述需求、合理拆解任务、清晰定义质量标准——这些曾经的软技能正在成为新范式下最硬的核心竞争力。Spec.md、Skill、MCP 等这套工具体系不过是把你想清楚的东西以最短路径变成可交付的现实。文档即代码代码即交付物。当你能把一件事写清楚你就实现了项目中最难的部分。剩下的另一部分可交给 Agent代替你完成。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
2026，程序员进化：从编程者到AI指挥者
本文在AI人工智能编程的协同下程序员的核心工作已经彻底发生转型从亲手编写代码悄然转变为驾驭智能体协同工作。从如何写这段逻辑代码演变成怎么让 Agent智能体或代理人协同并把事情做正确。这种转变具体落地在一套新的工作范式上以 Spec.md 项目需求规格文档为驱动核心可结合 Skill、MCP 等与多智能体协同将一份人可读的需求文档直接转化为可交付的生产级代码。文档不再只是沟通的中间层它本身就是代码生成的引擎。文档即代码代码即交付物 —— 这不是空口号而是已经发生的工程现实。为了彻底理解这场演化的脉络文中将从三个维度逐层拆解当下 AI 编程两种形态副驾驶Copilot、代理人(Agent)传统编程工作流程需求设计、UI 设计、编码准备、编码与验证、发布交付该流程已经被重塑AI 编程新范式工作流程需求翻译、任务拆解、质量控制——人的角色从执行者变成了指挥者最后文章将进入实战环节演示如何用项目规格文档 Spec.md结合Skill 驱动完整的开发流程交付出前端生产级的代码。一、AI 编程两种形态从“副驾驶Copilot”到“代理人(Agent)”从手工敲代码到用自然语言指挥 AI 生成可复用的软件应用。这中间发生了一次思维方式的根本转变。要理解这个转变有一个比喻极为贴切自动驾驶。副驾驶Copilot模式就像你驾车上路AI坐在副驾。它帮你看路况、提前预警、随时给出建议。但方向盘始终在你手里每一个决策都由你拍板。它是你的搭档不是司机。代理人Agent模式则完全不同。你只需要告诉它目的地然后坐进后座。AI自己接管方向盘规划路线、踩油门、遇到堵车绕行、到了收费站自动处理——直到把你送达。你的工作是确认出发以及验收抵达。这两种模式已经清晰地投射在当下主流的 AI 编辑器产品矩阵中无论是图形化的用户界面编辑器如Kiro、Trae、VsCode 智能插件 CodeGeeX Agent 模式还是命令行驱动的智能编辑器如Claude Code、Open Code都在以各自的方式诠释这两种范式的边界与可能。副驾驶Copilot与代理人Agent的核心对比以及代表性智能编辑器如下副驾驶Copilot与代理人Agent的核心对比副驾驶Copilot与代理人Agent代表性智能编辑器副驾驶(Copilot): Cursor —— 聊天侧边栏 代码补全用户全程掌控、最早的代码补全集成VS Code GitHub Copilot代理人(Agent) Claude Code、OpenCode、Kiro Auto 模式、Trae Solo 模式 —— 像是一个独立工作者你交代一件事它能闭环完成任务。当然也包括近期爆火 OpenClaw 大龙虾完成本地或云端部署后添加至飞书、微信等通讯录中你通过聊天方式它就能够帮你完成特定的任务。核心AI 为执行者人为管理者。它不再是补全一行代码而是能够独立自主完成任务的代理类比像全自动驾驶你告诉它目的地它负责规划路线并执行了解AI 编程这两种形态进化逻辑后就看清了工具层面的演变。真正让人豁然开朗的是另一个问题这两种形态究竟如何改变了程序员的日常工作方式接下来我们把传统编码工作流程与 AI 编码新范式进行对比。你会看到那些曾经需要反复消耗精力的环节——UI设计、编码实现、测试验证、发布交付甚至原型需求文档设计——正在被 AI 系统性地接管、沉淀并封装成可以随时调用的特定经验技能Skill的积累个人的交付能力不再受限于时间与精力的线性约束而是开始呈现出指数级放大。一个人配上足够完善的 Skill 体系可以做到过去一个团队才能完成的事。二、传统编程工作流程在传统编码工作流程中通常可划分为四个阶段第一阶段需求与设计产品需求文档PRD UI 设计第二阶段编码准备理解需求后进行任务拆解第三阶段编码与验证 将任务进行编码实现 测试验证第四阶段发布交付构建及部署项目-运维第一阶段需求与设计编码前1.1. 理解产品需求文档理解产品需求文档是所有工作的起点。开发人员需要仔细阅读产品经理撰写的 项目需求文档PRD明确要开发的功能背景、业务逻辑、验收标准以及边界情况。1.2. UI 设计师根据 PRD 设计系统风格与交互在设计稿产出后通常会有 “设计评审”环节。开发人员需要参与其中评估设计的技术可行性并留意设计稿中是否有遗漏的状态如加载中、空数据、网络错误页。第二阶段编码准备2.1. 编码工作者理解需求后将任务进行拆解获取到 PRD 和 UI 设计稿后开发人员需要将抽象需求转化为具体的开发任务列表。这通常包括是否需要新建数据库表或修改字段需要新增哪些后端接口前端需要新建哪些页面或组件是否存在需要封装复用的公共逻辑2.2. 使用 Git 进行代码分支管理基于拆解好的任务从主分支通常是 main 或 develop切出一个新的功能分支例如 feature/user-login保证多人在并行开发时互不干扰。第三阶段编码与验证将任务分解后编码实现这是耗时最长的阶段开发人员需要数据库设计编写建表语句或修改数据模型。后端开发编写业务逻辑层代码提供 API 接口。前端开发根据 UI 设计稿编写页面结构、样式和交互逻辑。联调前端连接后端的真实接口进行数据对接。3.1. 测试代码质量测试系统功能、稳定性测试编码完成后并不能直接上线需要经过多层验证单元测试开发者自测确保单个函数或模块的逻辑正确。代码质量检查有时借助 SonarQube 等工具检查代码规范、潜在 Bug。集成测试确保各个模块之间能正常协同工作。系统稳定性测试包括压力测试、兼容性测试等。第四阶段发布交付4.1. 构建及部署项目构建将源代码编译或打包成可运行的文件。例如Java 打包成 Jar/War前端打包成静态的压缩文件。部署将构建好的产物放到服务器上运行。流程在现代流程中这一步通常涉及将代码合并到主分支 - 触发 CI/CD 流水线 - 自动化构建 - 自动化部署到测试/生产环境。通过上述我们已经知道传统编程从需求设计及UI设计到任务拆解再到编码实现与验证最后发布交付代表了传统软件开发的全生命周期流程。并且每个流程中有着明确职责分工如:项目经理确认项目需求设计需求文档 PRDUI 设计师设计系统交互界面程序员前后端进行编码实现与测试项目构建与部署传统编码工作流程中职责分工最终的目标是交付可用的产品或项目交付物为代码。而在 AI 编程领域大模型自 Anthropic 提出 Skill 技能标准规范后各大厂商 AI 编辑器纷纷跟进并很好的支持 Skill如此一来在传统软件开发职责中员工——可以将自己工作经验或软件生产流程封装成通用的技能 Skill从而让 AI 拥有了软件开发中各个环节中的能力就能极大的改变了软件开发。至此如果你去理解与软件开发相关的 Skill 就能彻底明白它存在价值。Skill 作为 Agent智能体 技能价值在于经验封装 — 将重复性的工作流程如代码审查、提交规范、部署流程固化为可复用的 Skill团队一致性 — 团队成员共享同一套 Skill确保 AI 辅助开发风格统一降低上下文负担 — 不需要每次重复描述需求直接调用 Skill 即可通俗的说 Skills 技能像一位特定领域的数字员工。如当你需要前端交付物代码产出就用 frontend-design需要全栈开发专家用 fullstack-developer需要代码审查用 code-reviewerfrontend-design 前端设计https://github.com/anthropics/skills/tree/main/skills/frontend-designcode-reviewer 代码审查https://github.com/google-gemini/gemini-cli/tree/main/.gemini/skills/code-reviewerfullstack-developer 全栈开发https://github.com/Shubhamsaboo/awesome-llm-apps/tree/main/awesome_agent_skills/fullstack-developer面对需求不明确使用完整的软件开发工作流交付出项目可使用 Superpowers 专为AI编程Agent打造的完整软件开发方法论。伴随着模型能力越来越强文字描述通过特定 skill 技能数字员工转成源代码软件开发流程会进化为需求翻译、任务拆解、质量控制三、AI 编码新范式需求翻译把业务语言翻译成技术语言技术栈约束、定义任务拆解将项目中大目标拆解为可执行的子任务质量控制代码审核、架构约束、技术栈管理搞懂AI 编程工作流程进化需求翻译、任务拆解、质量控制后程序员编程这件事重心已经发生转移从传统手工编写代码演化为如何驾驭 AI 代理人来执行任务是程序员AI 后最重要的一项技能。其他领域也同样适用。接下来理清了编程工作流程进化后让我们来了解项目规格驱动 AI 开发Spec-Driven Development优势如下快速构建提供开源工具包让开发者聚焦于产品逻辑和可预期的结果而非重复造轮子。范式转变传统开发中代码是核心规格只是辅助文档规格驱动开发将两者的主次关系对调——规格本身成为主导。规格可执行化规格不再只是指导代码的编写而是直接生成可运行的实现。规格即代码代码即交付物。具体实践体现为Spec.md markdown 格式的项目规格文档组合Skill、MCP等规格驱动开发核心 将软件规格从被动的参考文档升级为主动的代码生成引擎从而提升开发效率与结果可预测性。说明Spec.md 项目规格文档markdown 格式的文件本质上依然是提示词 prompt掌握了Spec.md AI Skill 技能-特定数字员工编程方式该方法可以在数小时内实现从 0 到 1 初版系统的构建。如使用Spec.md 充电桩管理平台项目需求规格文档 作为AI 实现的图纸实现充电桩管理平台效果如下关于充电桩管理平台项目需求规格文档 Spec.md 内容如下# 充电桩管理平台需求规格说明看到这里朋友可能会想这也太长了吧别担心这些都可以 使用 /Spec 模式下让 AI 帮你完成说清楚需求让大模型来写你来判定是否需要人为修改。细心的你会发现 Spec.md 主要概括的内容如下说明所示。3.1、Spec.md 项目规格文档与SkillSpec.md 项目规格文档-涵盖主要内容Spec.md 项目需求规格文档是“人的需求”与“编码模型执行”的工程契约。主要包括项目目标 定义项目要解决的核心问题和期望达成的结果。如提高充电站运营效率优化资源利用率提升用户体验增加营收功能列表 详细列举所有需要实现的功能点。如订单管理模块详细拆分非目标明确不做内容): 明确声明不做什么避免范围蔓延技术约束定义技术选型、架构限制、性能要求 如 React 18支持响应式验收标准 定义项目完成的可测量标准。如 API 响应小于 300ms、单元测试覆盖 80%核心前期使用大量时间写好项目规格文档 SpecAI 写得慢一点但优势在于几乎不返工。而 Skills 像你指挥 AI 实现特定任务的数字员工如需要生产级的前端实现就用 frontend-design 技能该技能规范 AI 设计美学排版、色彩主题、空间构图、视觉细节、技术选择实现。Spec.md 项目需求规格文档相当于软件设计图纸。 SPEC.md 是开发团队和 AI 模型的执行蓝图确保所有工作都围绕明确的目标进行避免返工和偏离。Skill 拥有特定技能的数字员工如生产级的前端代码实现可使用frontend-design 技能当你拥有以上知识后接下来让我们进入实战部分代码编辑器使用 Trae 项目规格Spec.md 根据需求细化完整的规范、任务、验收文档用户确认后再严格执行适合复杂的长线任务。四、实战Spec 需求规格说明 frontend-designskill 前端技能4.1、安装 Trae在官方链接https://www.trae.cn/ide/download 根据系统要求下载并安装Trae使用下一步安装即可如下图所示启动 Trae 授权登录后便可以使用。在官方下载 Trae并安装接着安装前端生产级别的标准代码技能 frontend-design操作可分为4步4.2、安装生产级的前端 frontend-design 的Skill技能点击设置2.选择规则和技能3.点击创建技能4.选择导入包含 SKILL.md 文件的.zip 或 skill 文件选择 frontend-design.zip 文件说明:https://github.com/anthropics/skills/tree/main/skills/frontend-designfront-design 从anthropics官方地址下载后压缩成 zip 包后选择导入即可在设置中创建技能选择frontend-design.zip 压缩包导入技能,确认即可frontend-design 技能说明功能该 Skill 旨在创建具有 独特性 和 高设计品质 的前端界面能够达到 生产级别 (production-grade) 的标准。它的核心目标是避免生成千篇一律、缺乏独特风格的 “AI 风格” 界面而是通过在设计上有意地选择大胆、明确的美学方向例如极简、复古、未来感、野兽派等并注重排版、色彩、动效、空间布局等细节来打造出令人印象深刻、具有艺术感的前端页面。何时激活用户在对话框中的输入的目标是创建、设计或美化任何形式的 Web 前端界面从代码到视觉设计并明确表达了构建的需求这个技能就会被激活。应用场景构建网页组件或页面当你需要从零开始创建一个具体的 UI 元素时例如一个 React 组件、一个 HTML/CSS 布局或一个独立的静态页面。该 Skill 会确保这个组件不仅功能完善而且在视觉上具有辨识度。开发完整的 Web 应用或网站当你需要构建一个完整的应用界面时比如一个产品的 Landing Page、一个数据仪表盘或一个小型网站。该 Skill 会从整体出发确立一个统一且鲜明的设计风格并将其贯彻到应用的每一个角落。美化或重塑现有界面当你有一个已经存在的、但设计平庸的网页或应用并希望提升其视觉品质时。该 Skill 会专注于美化层面的工作通过引入独特的字体、创意的色彩方案、精致的动效和新颖的布局来重塑界面的整体美感。4.3、切换至 Trae Solo 模式使用/Spec, 输入业务需求生成项目规格 Spec.md 文档点击左上角切换 Trae Solo 模式拥有任务规划及实现的能力输入/选择 spec 模式输入需求如设计充电桩管理系统充电站面向运营管理的云端SaaS平台功能主要包括实时监控、订单管理、财务分析、用户服务和运维管理等核心功能帮助充电站管理员高效运营和管理充电业务。它会自动帮你创建项目规格Spec.md文档介绍详见 3.1、任务清单文档tasks.md、检查清单文档确认后输入根据以上需求构建前端初始化项目然后你可以使用frontend-design 进行 UI 设计实现说明构建前端项目需要安装 node 环境才能运行起来通过以上我们理论结合实践不难看出程序员的价值正在从写代码这件事情中解放出来迁移到想清楚。准确描述需求、合理拆解任务、清晰定义质量标准——这些曾经的软技能正在成为新范式下最硬的核心竞争力。Spec.md、Skill、MCP 等这套工具体系不过是把你想清楚的东西以最短路径变成可交付的现实。文档即代码代码即交付物。当你能把一件事写清楚你就实现了项目中最难的部分。剩下的另一部分可交给 Agent代替你完成。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
