结构化摘要

文章主旨：

本文通过构建一个PC端外卖平台的完整实战项目，系统性地介绍了如何将多种AI编程工具（Plan Mode、Hooks、MCP、Subagents、OpenSpec等）组织成渐进式、可复用的工程化工作流，从而实现从单点工具使用到体系化AI开发能力的跃升。

关键要点：

1. 三阶段渐进式实战：阶段一（AI协作基础，使用CODEBUDDY.md、Plan Mode、Hooks构建菜单页）→ 阶段二（工程化质量体系，引入MCP、Subagents、ESLint、E2E测试实现购物车与下单）→ 阶段三（Spec-Driven开发，通过OpenSpec、Skills、Agent Teams实现订单状态机等复杂迭代）。
2. AI编程水平衡量四维度：工作效率（重复性任务交给AI）、工程质量（符合规范、有测试）、代码准确性（一次跑通比例）、可复用性（经验沉淀为团队资产）。
3. 核心工具链与价值对应：Plan Mode+CODEBUDDY.md保证代码准确性；Hooks+ESLint+多Agent Review保障工程质量；Skills+记忆系统+Commands提升可复用性；Subagents+Worktree+多实例实现并行效率。
4. 组织能力 > 代码能力：作者强调，瓶颈在于多Agent间的协调与PR冲突，应从“怎么写代码”转向“如何做管理”——像PM+技术总监一样搭建SOP、管理需求闭环。
5. 根据业务实际选择工具：不盲目追求最新工具，重要的是形成体系化工作流，让工具互相配合、持续积累。

内容结构：

一、课程缘起与设计

• 痛点：AI Coding概念多工具多，易学难精，单点使用无体系。
• 解法：通过完整外卖平台项目串联工具，三阶段渐进式实战。

二、如何衡量AI Coding水平

• 提出四个维度：工作效率、工程质量、代码准确性、可复用性，并给出具体衡量标准。
• 建议根据业务实际选择工具方法，不盲目追求最新。

三、外卖平台实战（三个阶段）

阶段一：AI协作基础（餐厅菜单页）

• 核心工具：CODEBUDDY.md（持久上下文）、Plan Mode（先规划后执行）、Hooks（自动化校验）、UI美化（ui-pro-cli+ui-ux-pro-max）。
• 工程实践：创建项目目录，配置CODEBUDDY.md、prettier、git hooks，使用/init命令初始化，最终实现搜索商家、查看菜单、菜品详情及规格选择。

阶段二：工程化质量体系（购物车与下单）

• 新增工具：MCP（连接外部服务）、Commands（自定义斜杠命令）、Subagents（专业化分工）、Background Agent（异步任务）、Worktree（并行分支）、Ralph（自主循环）、vibe-kanban（看板管理）。
• 工程质量保障：集成ESLint、自定义Git提交命令（含emoji和文档检查）、Playwright E2E测试（Page Object模式）。
• 实施成果：购物车Context+localStorage持久化、菜品加购、购物车浮窗、E2E测试覆盖。

阶段三：Spec-Driven开发（订单状态机）

• 核心工具：Skills（模块化能力包）、OpenSpec（规范驱动开发框架）。
• OpenSpec工作流：通过/opsx:explore、/opsx:new、/opsx:continue、/opsx:apply等命令实现需求探索、Spec编写、代码生成、验证、归档闭环。
• 实施成果：实现订单5状态（待接单→已接单→配送中→已送达/已取消）、管理端推进、顾客追踪、评价系统。

四、小结

工具价值分类

• 代码准确性：CODEBUDDY.md、AskUserQuestionTool、OpenSpec、CodeWiki、Context7。
• 工程质量：ESLint、Hooks、多AgentReview、Plan Mode、先做垃圾再重构。
• 可复用性：Skills、记忆系统、分层CODEBUDDY.md、Commands、Subagents、Skills市场。
• 效率与协作：Worktree、Background Agent、Ralph、vibe-kanban、Agent Team、Checkpoint/Rewind、消息提醒。

松哥观点

1. 组织能力 > 代码能力：瓶颈在PR冲突，应从写代码转向做管理。
2. 模型输出上限 = 用户认知边界：描述越精确深刻，输出越具体。
3. Attention is All You Need：专注在哪，天赋就在哪。

关键建议

根据自身业务选择适合的工具，形成体系化工作流，让工具互相配合、持续积累。

文章总结：

本文是一份高度结构化的AI编程实战指南，强调通过完整项目串联工具、建立渐进式工程化体系，并最终将能力从代码编写转向流程管理与组织协作——所有工具的选择和运用都应服务于“体系化、可复用、可衡量”的工程目标。

当DevOps落地实施撞上技术债务，如何量化债务突破困局

了解更多

江南一点雨

查看原文：渐进式AI编程

文章来源：

江南一点雨

扫码关注公众号