# 大昌 · AI Coding 工程师

用 AI 把想法变成可上线的系统，再把过程沉淀成可复用的工程规范。

**联系邮箱**：<15966667876@163.com>

除此之外，我不在公开页面展示个人履历信息。

## 我在做什么

日常工作围绕一条主线：**让 AI 参与的开发真正可用、可交付、可维护**，而不是停在「能生成代码」。

具体是三件事——

- **把需求变成规格**：模糊的想法先落成 spec，明确验收标准和边界，AI 才知道做到什么程度算完成。
- **把约定变成上下文**：项目规则、代码风格、历史决策写进 `CLAUDE.md` / `AGENTS.md` / Skills，让 Agent 一次就懂，不必每次重新解释。
- **把结果变成验证**：编译、测试、代码审查构成闭环，AI 的产出必须过闸才算数。

## 方法论：三根支柱

工具年年换，方法论相对稳定。我按这三层组织自己的工作方式。

| 支柱 | 管什么 | 我的实践 |
| --- | --- | --- |
| **SDD**（Spec-Driven Development） | 想清楚 | 先写规格再让 AI 实现，spec 里带结构、带验收、带边界 |
| **Harness**（挽具工程） | 做得对 | 用规则、Hooks、权限与沙箱把 AI 圈在安全边界内工作 |
| **Loop Engine**（循环控制） | 跑得稳 | 控制 Agent 自主执行的粒度、检查点与回滚，不放飞也不卡死 |

规格给目标，挽具给边界，循环给可控的执行——三者合起来才是闭环，缺一项就退化成「祈祷式编程」。

## 能力栈

AI 时代的能力权重在重新洗牌，我按「升值 / 保值」两条线维护自己。

**在升值的能力**

- **Prompt 与任务拆解**：把需求写成有约束的指令，而不是「我想要个页面」
- **上下文工程**：知识管理的具体形态——把隐性经验变成 AI 可读的显性文档
- **结果评估**：判断 AI 输出「对不对、好不好、有没有坑」，这是最难以替代的部分
- **安全意识**：识别生成代码里的高危模式（注入、密钥硬编码、越权、并发竞争）

**保值的能力**

- 架构与取舍、算法与数据结构、复杂问题的调试定位
- 领域知识：AI 能写出通用代码，但写不出理解业务约束的代码

**明确不再投入的**

- 语法与 API 的死记硬背 —— 那部分价值已经被工具拿走了

## 工具栈

按七层地图选型，每层只留最成熟的一个，不追新。

- **模型层**：以 Claude 系列为默认编码模型，按任务成本切换
- **工具层**：终端 CLI 跑复杂 Agent 工作流，IDE 内嵌做日常编码与补全
- **配置约束层**：项目规则文件、Skills、Hooks、权限白名单
- **协作机制层**：Subagents 并行读大仓库、Plan Mode 动手前先出方案、Worktree 隔离
- **协议生态层**：MCP 连数据库、代码托管、文档与内部系统
- **工作流层**：Headless 运行 + CI/CD，让人可以不在循环里
- **方法论层**：SDD + Harness，工具会过时，方法不会

判断新工具值不值得学，只问三句：它解决我哪个真实问题？它在七层的哪一层？它是不是已有能力的重复？大多数新工具过不了第二问。

## 关于这个站点

`/xdcAiCoding/` 是我自己的 AI Coding 工作台：

- 个人简介在这里
- 学习笔记和资源在 [学习资料](materials.html)，支持关键词与标签检索
- 每个页面都由同目录下的 Markdown 渲染，改文本不需要改代码

如果你想聊 AI 编程的工程化落地，或者需要有人把这套流程在团队里跑起来，欢迎来信。

---

*本站不收集访客数据，不放置跟踪脚本。*