让 AI 按企业标准写前端代码——AI 编程的企业规则层实践 一、开篇：一个真实的痛点场景 团队这几年开始用 Cursor、Trae 这类 AI 编程工具写前端。效率确实上来了，但很快发现一个尴尬的现

DeepSeek Harness开源第一天上手实测，和Claude Code做了完整对比。结论：不是谁更强的问题，是压根不在同一个赛道。一个是可组装的Agent运行时底座，一个是成熟的AI编程助手。

先讲一个公司里的小故事 上周五，隔壁同事探过头来： 你把需求复制给 Agent，然后起身接了杯水。 等你回来，它已经开始干活了： 看起来还挺顺。没过多久，Agent 就回复： 你正准备收工，同....

背景 上面的场景想必大家都有体会：产品或后端让你帮忙确认一段历史逻辑。对于业务复杂的系统，我们需要抽丝剥茧般地梳理代码。当然，现在有了 AI 辅助，我们可以用“魔法”快速定位逻辑。但如果要在这些历史逻

每次拿到 PRD，第一步都是"翻译"——把产品语言翻译成技术语言，把模糊描述变成具体改动点。这个过程以前靠脑子，容易遗漏。 我给 AI 写了一个 Prompt 模板，输入 PRD 文本，输出结构化的开

前端 AI 面试题 1. 前端开发者需要了解的 AI 基础概念？ 2. 前端如何接入 LLM API？ 3. 什么是 Prompt Engineering？前端如何应用？ 4. 什么是 RAG（检索增

一、什么是 Skill：与 Prompt、MCP 的边界 写 prompt 时你大概率遇到过这种场景：System Prompt 写了几百行规范，当前对话里 AI 执行得很好，换个会话一切归零。问题出

我用 Codex 花一个周末重写了同事维护三年的代码，提了一个大 PR。他没有说谢谢，而是找了领导。这篇文章复盘了我在 AI 时代犯的一个典型错误：技术上正确不等于做法正确。

不管是刚入职接手一个新项目，还是被丢了一个祖传代码仓库，我们都会面临同一件事——代码几万行，文档要么没有、要么过时，你得靠自己把它摸清楚。 怎么上手？ 我见过两种典型的翻车姿势。一种是让 AI 一把梭

为什么你的 Agent 聊两句就“失忆”？历史太长还直接塞爆模型窗口？本文不依赖任何框架，用 200 行 TS 代码带你手搓 Session 与动态上下文压缩，从零解锁媲美 Claude Code 的

从 Claude Code 的入口代码去分析 Claude Code 的设计和考量，并且和其他的 AI 编程工具进行横纵向对比，去更加深度去思考和考虑 AI 编程工具的设计。

14 | 老页面怎么改不坏？定位 + 增量 + 回归 一、接上篇：从「新页面骨架」到「老页面改造」 上一篇的四种骨架是创建式——从契约到 UI 到糅合，逐层从零垒。但老页面改造完全反过来： 老页面的数

🌰栗子前端技术周刊第 142 期 (2026.08.10 - 2026.08.16)：浏览前端一周最新消息，学习国内外优秀文章，让我们保持对前端的好奇心。 📰 技术资讯 DeepSeek Harnes

一份 AGENTS.md，让 AI 代码规范率从 60% 飙升到 95% 目录 从评论区最多的一个问题说起 AGENTS.md 到底是什么 没有 AGENTS.md vs 有 AGENTS.md 场景

花一下午做了个 Chrome 插件：自动捕获控制台报错，一键打包堆栈和上下文问 AI，还能直连 API 让 AI 当场诊断。四个真实踩坑全记录，附报错提问速查表。

用AI写了半年代码，效率确实高了，但回头盘点发现5个能力在退化：Debug能力、代码阅读能力、从零搭建能力、API记忆、方案设计能力。Anthropic研究显示AI依赖者独立调试能力低17%。附自测清

还在追新工具？聪明人已经在搭AI工作流了。Claude Code写新功能、Cursor改老项目、Agent解释代码——组合拳才是正解。

用Claude Code两天干完了团队排期两周的重构任务，周报发出去后才意识到暴露了效率差距。MIT研究证实AI让产出差17倍，但这种差距在团队里至少埋了5颗暗雷。分享AI时代的团队生存法则...

null 是 Java 中表示引用类型变量不指向任何对象的特殊字面量。 一、基本特性 只能赋给引用类型（对象、数组、String），不能赋给基本类型 类中未初始化的引用类型字段默认值为 null 可转