大大大大人呐

大家好，我是苏三，又跟大家见面了。 前言 最近我一口气肝了4个AI项目，包含：LLM、SpringAI、SpringAI Alibaba、RAG、Funcation Calling、向量数据库、向量检

通过一个真实的功能开发案例，手把手演示AI编程的标准工作流程：从项目结构配置、CLAUDE.md编写，到使用Plan Mode理解代码、设计方案、实现功能，最后总结迭代优化项目配置的完整过程。

一、两者定位本质差异 这两个项目解决的是 AI 辅助开发流程中完全不同层面的问题，理解这一点是最关键的。 OpenSpec 解决的是 "做什么"（What） 的问题 —— 它是一个规格驱动开发（Spe

2026年3月GitHub十大热门：从 last30days 到 Lightpanda，近实时社区研究、全球态势与 Agent 上下文基础设施集体爆发，3 月开源火力全开！

1. 概述 随着AI编码能力（如 Claude Code、Cursor 等）的普及，软件开发领域正从“Vibe Coding”（随心灵感编码）向更工程化的方向演进。为了应对AI生成代码的不确定性、上下

一个让我头疼的问题 你有没有遇到过这种情况： 让 AI 帮你写个功能，它理解偏了，给你写了一堆不需要的代码。或者代码风格完全不统一，每次都要手动调。再或者几个月后回来看项目，根本想不起来当时为什么这么

这是我第一次全程没有修改 AI 代码的 vibe coding 体验。用 Claude Code + MCP 插件，1 天时间从零实现了一个支持语音聊天、AI 对手的多人德州扑克游戏。分享工具链、踩坑经验和 Vibe Coding 工作流。

这篇文章不再停留在 Harness Engineering 的概念解释，而是聚焦 Agent 进入生产环境后的真实落地：如何补齐上下文、约束、评测、观测与熵治理这套控制系统。

别再裸用 Claude Code 了！32 个亲测技能 + 8 个 MCP 服务器，开发效率直接拉满！ 先晒一下我装完的效果（见下图），所有技能均实测可用。