从需求到产出，一个人跑下来的完整心得。
不是教你用 AI 生成代码，
而是教你用 AI 做工程。
不要一步跳到写代码——这是我最大的教训
AI 写代码很快，
但让 AI 做工程需要你先
想清楚整个架构。
把方法论固化成可复用的工具，而不是每次重新解释
很多时候 AI 最大的问题不是不会写，而是写得太快。直接从模糊需求跳到实现，最后大量返工。Skills 文件里加一条规则：切勿直接依据原始需求编写代码，务必先生成结构化规格说明并等待确认。
解决：需求不清就开写需求整理 → 设计提炼 → 主规范 → 页面规范 → 模块规范 → API 合同 → 代码实现。把这个链路写进工作流文件，以后任何项目都能按同一套方法推进，不会因为"着急"而跳步骤。
解决：步骤容易被压缩Skills 里包含 Figma Reading Rules，定义如何喂截图、节点信息、设计 token 和组件截图。按规则喂进去，AI 的理解就会比只发一张截图稳定很多。Figma 无法访问时，截图 + 保守还原策略。
解决：设计还原不稳定真正理想的状态不是每次在聊天框里重新解释，而是让项目规范自己越来越完整。以后只维护 markdown 文件。每次项目跑完，把新的经验补回到 Skills 文件里，形成正向积累。
解决：经验无法积累理论是七步，执行时每步都有具体的输入和输出
不要让 AI 帮你"实现"需求文档，而是让它帮你"审查"需求文档。找出哪些描述模糊、哪些功能缺失、哪些地方有逻辑冲突。这一步做好，后面所有步骤的质量都会提升。
核心不是生成代码，而是先建立设计系统映射。把颜色、字号、间距、组件状态都整理出来，后续所有页面的还原才有统一依据。
这是整个流程最关键的一步。把需求文档和设计稿信息合并，生成一份对每个页面都有完整描述的开发主规范，前后端从这里出发，不再靠口头沟通对齐。
生成前端项目结构、公共组件、Mock 数据和完整页面代码。要求代码不只是静态 UI，要包含所有真实业务状态。
Spring Boot 项目：初始化结构 → 数据模型 → 核心接口 → 登录权限中间件 → 错误处理 → Swagger 文档。每个模块都能独立启动和测试，不追求一次性生成整个项目。
让 AI 把需求拆成需求追踪矩阵，每条需求映射到页面、前端实现、后端接口、数据字段、测试点和验收标准，并标记风险和依赖。
| 层级 | 技术 | 版本 | 说明 |
|---|---|---|---|
| FRONTEND | Vue 3 + TypeScript | Vue 3.x | Composition API，配合 Pinia 状态管理，Vite 构建 |
| UI 组件 | 自定义组件库 | — | 基于设计系统映射，所有状态覆盖，可复用 |
| BACKEND | Spring Boot | JDK 17 | RESTful 接口，Swagger 文档，统一异常处理 |
| DATABASE | MySQL | 8.4.8 | 数据模型由接口文档反推，不先建表再写接口 |
| CACHE | Redis | 3.0.504 | 会话管理、验证码缓存、热点数据缓存 |
| BUILD | Maven | 3.9.6 | 后端构建，模块化拆分，可独立运行测试 |
| AI 工具 | Claude Code + claw国产小龙虾 | — | 按七步工作流使用，Skills 文件固化规范 |
以后只维护 MD，AI 负责把变更落实到代码
AI 让一个人做全栈成为可能，但前提是你要先想清楚架构、流程和规范。把模糊变成清晰，把流程变成可复用的工具，把每次项目的经验变成下一次的资产——这才是这个项目最大的收获。