AI 协作编程
用 AI 协作写代码的实践记录：工作流、提示词，以及踩过的坑。
共 6 篇
- AI 协作编程
AI Coding 为什么总在重复犯错？用复盘聚合建立会进化的 Loop
AI 能在一次会话里修好问题，却很难形成跨任务、跨项目的工程记忆。本文介绍 Loop Engineering 的复盘聚合层：把零散问题记成最小事件、周期性识别重复模式，再由人决定沉淀为通用规则、项目约束、工具能力，或直接放弃——建立受控的工程学习机制，而不是让 AI 自动改写自己的规则。
- AI 协作编程
当 Loop 成为瓶颈：如何避免 AI Coding 陷入「正确但没有进展」
Loop 也会走向另一个极端：AI 严格遵守了流程，却迟迟没交付用户真正关心的结果。本文讲一种更隐蔽的失败——代码没错、流程没违规，团队却一直在建前置、修约束、反复审查，主线成果迟迟不可见。以及怎么用最近可见成果、双循环、审查预算把 Loop 拉回交付。
- AI 协作编程
不要再让 AI「请遵守」：把 Prompt 约束升级为机器门禁
从 Permissions、PreToolUse Hook、Diff Guard 到批准证据，让 AI Coding 的关键约束从「文字承诺」变成「执行事实」。含三天 202 次真实拦截数据，以及我自己违反自己刚写的规则、被脚本抓住的现场。
- AI 协作编程
AI 为什么总会偏离主线：Task Packet 与上下文治理
从权威事实源、当前唯一目标、旁支分流到机器身份绑定，解决长任务中的上下文丢失与主线漂移。含一份真实施工单自相矛盾导致范围蔓延的案例——AI 没跑偏，是我们给了它两个打架的指令。
- AI 协作编程
Loop 实战：Claude Code + Codex 可控闭环
从 Maker-Checker 分工、Task Packet、机器门禁到批准证据，搭建一套真正可运行的 AI Coding 工作流。含两个真实缺陷案例（限流语义写反、并发 CAS 误判）和一份可直接抄走的最小施工单模板。
- AI 协作编程
Loop Engineering：让 AI Coding 持续正确
AI 编程真正的难点，不是让模型写出一次正确代码，而是让正确目标、正确实现、独立验证和经验改进持续发生。这是「vibe coding 工程化」系列第一篇：为什么需要 Loop，它改变了什么，以及什么时候不值得用。