我会尽量从前端的视角,去讲解,并辅之具体的实践,来进行处理
ai的发展历程
- 从机器学习: 通过训练数据使之能,进行预测和数据--推荐
- 深度学习: 借助类似大脑的神经网络,去学习抽象概念--语言助手
- aigc:人工智能生成-多模态能力 彼此之间的关系是层级递进
Agent
agent 是一个,自主决策,并按目标执行的智能体
主要构成
先有LLM 最基础的核心 大模型能力 再有,规划,实现,对步骤的拆解--比如通过prompt 工程来进行处理 记忆: 能以上下文工程来保持会话 工具: 扩展: 通过 mcp function call 都是具体的应用
skills MCP Rules 怎么去理解
Rules 用于全局的规则,主要是用于,告诉ai 行为边界,哪些可以做,哪些不可以,实际前端工程就是,保障规范性,统一性. 我举一个我项目中用到的例子 要求,精简,因为是全局,对token 有消耗
---
name: "senior-frontend-rules"
description: "资深前端规范：架构、TS、React、性能、容错。目标：健壮、可维护。"
globs: "**/*.{ts,tsx,js,jsx,css,md}"
priority: 10
---
要求全程用中文,输入,展示
核心原则
- 语义化命名；单一职责；不信任输入(类型守卫)；组合优于继承
架构
- 分层：Components→Hooks/Store→Services→Utils；模块聚合；严控依赖
TypeScript
- 零any；unknown+类型守卫；interface+Pick/Omit；Result<T,E> 统一异步
React
- 仅函数组件；useEffect依赖精准；useMemo/React.memo；页面ErrorBoundary
样式
- 优先CSS Modules/Tailwind；类名可读扁平；禁止全局污染
API
- 仅通过Services；fetch/既有封装；超时+重试；错误映射领域错误
稳定性
- 全链路Result；统一错误展示(Toast/Inline/边界)；输入校验
性能
- 路由与重型组件懒加载；列表虚拟化；WebP/Avif；减少重渲染
状态
- 局部/Context优先；慎用全局库；可预测数据流
安全
- 禁止硬编码密钥；环境变量；最小日志不泄露隐私
交付自检
- 零any；核心/异常单测；兜底UI；Lint/Prettier通过
命令
- dev/build/start必须稳定运行
- skills 本质就是全自动,propmpt 工程,减少token消耗,按需自动引用 就是具体告诉ai 什么场景,下,具体怎么拆解,怎么做 关键,点药告诉,ai 具体什么场景,下触发,具体做什么事情,步骤有哪些
# 单元测试专家
## 目标
本 Skill 旨在自动化并规范单元测试流程，覆盖从代码分析、测试用例设计、测试代码生成到最终执行与修复的全过程，旨在提升代码质量与开发效率。
## 工作流程
当您需要为某个文件或组件编写单元测试时，可以调用此 Skill。
### 步骤 1: 初始化与代码分析
1. **接收目标**：您需要提供需要测试的文件路径或代码片段。
2. **代码分析**：我会分析代码，识别核心逻辑、函数签名、依赖关系和潜在的边界情况。
### 步骤 2: 测试用例设计
1. **核心功能用例**：针对代码的主要功能，设计“happy path”测试用例。
2. **边界情况用例**：设计覆盖边缘和异常情况的用例（例如，空值、错误输入、极限值）。
3. **依赖模拟 (Mocking)**：识别并为您建议需要模拟的外部依赖（如 API 调用、数据库访问）。
### 步骤 3: 测试代码生成
1. **生成测试代码**：根据设计的用例，使用您项目中集成的测试框架（如 Jest, Vitest, Mocha）生成测试代码。
2. **遵循规范**：生成的代码将遵循您在 `.cursorrules` 中定义的项目规范，确保风格统一。
### 步骤 4: 执行与迭代
1. **执行测试**：我会运行测试命令。
2. **分析结果与修复**：如果测试失败，我会分析错误信息，并尝试自动修复代码或测试用例中的问题。如果无法自动修复，我会向您提供详细的分析和修改建议。
## 使用原则
- **上下文感知**：我会基于您项目中的现有技术栈和规范来生成测试。
- **交互式优化**：在关键步骤（如用例设计、依赖模拟），我会与您沟通以获得确认，确保测试的准确性。
- **安全第一**：所有操作都将在您的项目环境中安全执行，不会引入破坏性更改。
- MCP 具体就是一个接口协议,帮助ai 安全调用,各种接口 ,比如,
