vaibhav-space/my-ai-coding-workflow
Production-grade AI coding instructions, curated skills, and a 3-stage review pipeline (Planning → Critical Review → Diff Audit) built after 4,500+ hours with AI agents. Agent-agnostic.
它解决的问题
AI编码代理经常犯下代价高昂的错误:它们过度设计简单任务、幻觉API、悄悄重新格式化文件,并声称测试通过但实际上并未运行。本项目提供了一套全局规则和审查提示,迫使代理先制定计划,让计划受到批评,然后在合并前用真实的diff和测试输出证明其工作。
工作原理
仓库包含一个全局规则文件(CLAUDE.md)和三个提示:planning.md、critical-plan-review.md和production-readiness-review.md。工作流程是:
- 输入
/plan(或粘贴规划提示)并描述任务。代理检查代码库并生成一个带有可勾选步骤的交互式计划页面。此时不构建任何内容。 - 一旦你批准计划,打开一个新聊天并运行
/review-plan(或粘贴关键计划审查提示)。一个全新的上下文必须查看计划,而没有编写它的偏见,因此它可以对假设进行红队测试并发现缺陷。 - 在代理实施批准的计划后,打开另一个新聊天并运行
/review-prod(或粘贴生产就绪审查提示)。这会读取实际的git diff并运行测试,要求提供字面命令输出作为证据。最后会列出“无法验证”的清单,列出任何无法证明的内容。
CLAUDE.md中的规则还内置了诸如YAGNI(不进行投机性抽象)、diff检查优于对话摘要、确定性算术(金钱不做心算)以及风险变更的明确批准等原则。可选的辅助文件添加了硬性锁定:一个预提交钩子,在测试失败时阻止提交,以及针对危险命令(如强制推送或读取.env)的拒绝规则。
适用对象
适用于让AI代理编写真实代码并希望获得证明(而非承诺)变更安全的独立开发者和小型团队。该设置已在Linux上的Claude Code上测试,但提示是纯文本,如果你从prompts/文件夹复制,可以粘贴到Gemini CLI或Cursor中。
亮点
- 三阶段审查工作流程:计划、批评计划、审计结果——每个阶段都在新上下文中进行,以避免自我确认偏见。
- 全局
CLAUDE.md规则适用于每个项目,而不会污染单个仓库。 - 精选的开源技能包:Superpowers(流程纪律)、Ponytail(最小代码)和I Have ADHD(清晰的沟通偏好)。
- 可选的强制执行文件:危险shell命令的拒绝规则和阻止损坏提交的预提交门禁。
相关
- 项目
- 项目
- 项目
- 项目