AntonCoding

本篇是《前端 AI Coding 落地指南》的续作，专门讲 Skills 的实践：什么是 Skills、如何找开源 skills、何时封装、从 Rules 拆出来的与流程类技能、第三方与自封装清单

本篇是《前端 AI Coding 落地指南》的续作，专门讲 Rules 的实践：演进过程、设计原则、如何划分模块、何时写 Rules 何时写 Skills，以及项目级 Rules 的完整清单

以规范、能力扩展和流程为主线的 AI Coding 架构，实现 AI 生成的前端页面 90% 还原设计稿，需求实现更准确，代码风格一致，结构设计合理。

在使用语言大模型时，AI只能通过文字告诉你怎么做，却不能帮你执行，例如生成的代码或文档，你只能手动复制到需要用的地方，粘贴格式还可能错乱。 通过使用 MCP 和 LangChain ，我们可以给大模型

由于设备限制，大部分人都无法本地部署满血版的DeepSeek-R1，而蒸馏版的DeepSeek又太人机。这时候可以使用微调的方式，重新训练自己的DeepSeek，让他在你需求的领域里更加的智能，即便蒸

Dify搭建私有化RAG应用 在阅读之前，如果你还不知道Dify是什么，没有一个本地部署的Dify，请先学习《AI工作流平台Dify本地部署》。 本教程将通过实操搭建一个“生日管家”，教你学会如何使用

Dify 是一个支持通过AI工作流的形式，开发AI应用的开源平台，他相比 LangChain 更加的易用，甚至零代码即可创建你的AI应用。 功能 Dify.AI LangChain Flowise O

搭建前端项目规范，可以让团队协作的项目遵循统一的风格，便于维护和美观易读，再加上自动化的流程能让规范的遵循更容易，也更高效，降低管理心智，以下我整理了主流前端项目的规范自动化方案