AI 最佳实践
为什么分层？
AI 辅助开发容易陷入两个极端："只会聊天"（浪费工程潜力）或 "直接上全自动"（规范与可靠性未就绪时引入不确定性）。
分层模型的价值：让每个团队清楚 "我现在在哪里、下一步做什么、成熟后能到哪里"，避免跳级建设。
效果量化（前端场景实测）
| 维度 | 效果 |
|---|---|
| 规范对齐 | 14 条规范注入 Prompt，AI 生成代码违规率 < 5% |
| 开发提速 | 标准 LIST 页面（4 文件）45 分钟 → 约 8 分钟 |
| 菜单/权限同步 | 手工 10 次操作 20 分钟 → AI 1 分钟 0 次手动，token 节省 87% |
| 规范审计 | 存量代码全量体检，偏差清单自动生成，告别"靠感觉 Review" |
能力谱系总览
L0 氛围编程（Vibe Coding）
│ 纯自然语言 → AI 自由发挥 → 无规范约束 适合：个人探索、快速验证
│
L1 提示词工程（Prompt Engineering） ← 所有上层的基础
│ 结构化 Prompt → 规范注入 → 上下文压缩 适合：团队有规范，要 AI 稳定遵守
│
L2 Skills（结构化技能文件） ← 已落地
│ 触发词 → SKILL.md 剧本 → Pre-flight 声明 适合：高频重复任务
│
L3 MCP（模型上下文协议） ← 已落地
│ AI 主动调用工具 → 真实 I/O → 副作用执行 适合：AI 直接操作系统
│
L4 CLI（命令行工具） ← 已落地
│ 聚合命令 → 固化流程 → 零 AI 依赖 → CI/CD 适合：工程初始化、流水线自动化
│
L5 Agent Pipeline ← 践行中
│ Skill 链式自动触发 → 状态传递 适合：多步骤标准化流程
│
L6 Multi-Agent 协同 ← 近期目标
│ 专家 Agent 分工 → 并发处理 → 质量仲裁 适合：大规模批量、多域并发
│
L7 自演化体系 ← 终极形态
高质量产出 → 反哺规范/模板 → 正向飞轮 适合：体系成熟后自主优化各层级关键对比
| 层级 | Token 消耗 | 确定性 | 可 CI/CD | 实现成本 | 核心价值 | 对应部门定级 |
|---|---|---|---|---|---|---|
| L0 | 高（无压缩） | 低 | ❌ | 零 | 探索验证 | L0 ~ L1 |
| L1 | 中（规范注入） | 中 | ❌ | 低 | 规范对齐 | L1 ~ L2 |
| L2 | 中（懒加载） | 高 | ❌ | 中 | 可复现产出 | L2+ |
| L3 | 低（工具调用） | 高 | ⚠️ 有副作用 | 中 | 真实执行 | L2+ ~ L3 |
| L4 | 极低（零推理） | 极高 | ✅ | 中 | 批量自动化 | L3 · L4 |
| L5 | 低（状态传递） | 高 | ⚠️ 需检查点 | 中高 | 流程自动串联 | L4 ~ L5 |
| L6 | 高（多 Agent） | 高 | ⚠️ 编排复杂 | 高 | 并发 + 专业化 | L5 |
| L7 | — | — | — | 极高 | 体系自优化 | L5 终态 |
「对应部门定级」为本团队技术栈层级与部门人员定级的典型对应区间（非硬性换算），完整映射见成熟度对照。
四层技术分工
体系骨架是横向的四层技术分工，决定了每层能做什么、为什么要这样拆：
提示词层（Prompt） ─── 规则 / 约束 / 意图翻译 ← 最耗 Token，最基础
↓ 依赖
Skills 层（Core） ─── 业务原子能力（纯 TS 复用层） ← 核心内核，MCP / CLI 共用
↓ 依赖
MCP 层（Server） ─── AI 自由调用工具，执行真实操作 ← 细粒度，有副作用
↓ 聚合
CLI 层 ─── 聚合命令，固化流程，无人值守 ← 极简 Token，CI/CD 兜底| 层 | 核心职责 | 特征 | 对应 L 级 |
|---|---|---|---|
| Prompt 层 | 规范注入、上下文压缩、意图翻译 | 纯文案，不执行操作 | L1 |
| Skills 层 | 业务工程化原子能力封装（纯 TS） | 无副作用，可被 MCP / CLI 复用 | L2 |
| MCP 层 | AI 主动调用工具，读写 / 调接口 | 有副作用，AI 自由编排 | L3 |
| CLI 层 | 聚合命令，批量执行，零 AI 依赖 | 可 CI/CD，最低 Token | L4 |
四层分层隔离、互不重叠、体系闭环。Prompt 告诉 AI「什么是对的」，Skills 封装「怎么做」，MCP 让 AI「动手执行」，CLI 在「无 AI 场景兜底」。L5+ 是四层稳定之后的升维。
层级体系（L0 → L7）
| 层级 | 说明 | 对应部门定级 | 状态 |
|---|---|---|---|
| L0氛围编程 | 纯对话驱动，AI 自由发挥，高随机性 | 部门 L0 ~ L1 | 了解边界 |
| L1提示词工程 | 结构化 Prompt + 规范注入 + 上下文压缩（copilot-instructions.md + standards 懒加载 + 多编辑器适配） | 部门 L1 ~ L2 | ✅ 已实现 |
| L2Skill | 13 个触发词驱动的结构化技能文件 → 速查表见前端 Skills 使用指南 | 部门 L2+ 沉淀输出 | ✅ 已实现 |
| L3MCP 工具调用 | 29 个 Tool，菜单/字典/角色/权限/项目感知/快照蓝图/环境标准化全覆盖 | 部门 L2+ ~ L3 | ✅ 已实现 |
| L4CLI | 18 条命令：init / update / clean / check / diff / validate / validate-page / fix / doctor-ui / export / mock-clean / contract / component / standard-env / template / snapshot / scenario | 部门 L3 组合应用 · L4 建设 | ✅ 已实现 |
| L5Agent Pipeline | _pipeline.md 协议已落地，Skill 链式自动触发进入试运行 | 部门 L4 ~ L5 | 🟡 践行中 |
| L6Multi-Agent 协同 | L5 试运行期间同步规划多智能体分工 | 部门 L5 | ▶ 近期目标 |
| L7自演化体系 | 高质量产出反哺规范，正向飞轮（启动条件：L5 稳定 + 审计报告 ≥ 50 份 + 模板提取 ≥ 3 次） | 部门 L5 终态 | 🔭 终极形态 |
「对应部门定级」为与本团队技术栈层级的典型对应区间（非硬性换算）：部门 L0-L5（含 L2+）是部门下发的参考定级标准，衡量人的熟练度与沉淀；本页 L0-L7 是团队自研的技术栈实践模型。完整映射与负向行为兜底见 成熟度对照。
各层级状态单一维护于
LevelsTable/data.ts，与指南页、成熟度对照自动同步。团队没有三类问题不解决就上自动化：不稳定（同样需求产出不同）、不对齐（不了解规范，Review 成本高）、不持续（个人技巧无法沉淀，人走知识消失）。
人员成熟度：部门定级（L0 → L5）
两套模型的归属与关系
- L0 → L7（本页主体）：本团队自研的技术栈实践模型，描述工程体系的分层与演进——所有权在团队，随包发版演进；
- L0 → L5（含 L2+）：部门下发的参考定级标准（参考信通院《智能原生软件工程 研发智能化能力成熟度模型》），衡量个人的熟练度与沉淀——考核细则（入级规则/负向降级/评估周期）以部门发文为准。
两者正交互补：技术栈层级回答"团队建了什么"，人员定级回答"每个人到了哪一级"。完整关联映射与负向行为工程兜底见 成熟度对照。
上表的 L0 → L7 是技术栈层级——回答"团队建了什么"。部门的 L0 → L5 人员定级回答的是另一个问题——"每个人用 AI 用到什么程度"（行为指标 + 入级规则 + 负向降级机制）。两套模型正交互补，不互相替代：
| 部门等级 | 定位 | 典型用到哪层 | 晋级推荐阅读 | 工程兜底（五包代劳） |
|---|---|---|---|---|
| L0 初探 | 未成习惯 | L0 氛围编程 | 前端快速上手 · L0 氛围编程 | — |
| L1 基础辅助 | 习惯养成 | L0 ~ L1 | L1 提示词工程 | quick-start 11 篇规范即现成 Context 素材 |
| L2 技术辅助 | Prompt + Context 成熟 | L1（深化） | L1 → L2 Skill | copilot-instructions.md + standards 懒加载直接复用 |
| L2+ 沉淀输出 | MCP / Skills 初探，开始沉淀 | L2 Skill · L3 MCP 尝试 | L2 · L3 MCP | 个人沉淀走 template-extract 沉淀为团队模板 |
| L3 场景增强 | 全链路熟练 + 带人 | L2 ~ L4 组合应用 | L4 CLI · L5 Pipeline | convention-audit / test 审计报告 = 全链路客观证据 |
| L4 自主引领 | Harness 工程，制定团队规范 | L4 ~ L5 的建设者 | 五包宣贯 | wl-skills 五包本身就是"团队规范 + 质量兜底"的落地物 |
| L5 全面自治 | 端到端自治，自研平台 | L5 ~ L7 | L6 Multi-Agent · L7 自演化 | L7 自演化 = 部门 L5 的终态 |
对个人：对照找到自己所在的行，按"晋级推荐阅读"推进，右侧兜底列就是可直接复用的武器。 对管理者：部门 L4 要求"团队级规范包含质量兜底机制"——不必从零自研，五包即为现成答案。
负向行为（未经审查直接使用 / 不校验幻觉 / 沉淀未验证即投产）全部有对应的机器门禁（validate / gate / e2e-check / review），完整映射见 成熟度对照（含评估数据衔接与定级争议处理）。
快速导航
- 成熟度对照 — 技术栈层级 × 部门人员等级（L0-L5）映射、负向行为的工程兜底
- L0 — 氛围编程 · L1 — 提示词工程 · L2 — Skill · L3 — MCP · L4 — CLI
- L5 — Agent Pipeline · L6 — Multi-Agent · L7 — 自演化
- 清单类内容的唯一权威：前端 PC Skills · CLI 命令 · Skills 使用指南
参考资料
| 资源 | 说明 |
|---|---|
| Anthropic — Building effective agents | Agent 构建官方实践，L5/L6 设计基础 |
| OpenAI — A practical guide to building agents | OpenAI Agent 落地指南 |
| Model Context Protocol · 规范源码 | MCP 协议规范与动态（L3 基础） |
| GitHub Copilot 文档 · Cursor 文档 | 编辑器接入：指令文件、Agent 模式、MCP |
| Vibe Coding — Andrej Karpathy | "Vibe Coding" 概念出处（2025.02） |