一、心态

我们是在让它给我们干活，不是验证它聪明。AI在一些环节会显得很笨，所以我们不要纠结。手工纠正下会比较快，也会有益于AI后续学习。同时我们需要给他正常的工作流程，尽可能地规避问题。我们是跟与AI结队编程，不是甩手掌柜，当然你越知道怎么配合，AI能做的就会越多

（一）与AI结队编程的经验

1. 工程环境：工程依赖导致报错，虽然我们在.trae目录下放有源码，AI会自动扫描代码并增加依赖。但是非常耗时而且扫描的文件多了容易出错。如果我们自己手工做一下，就会降低AI的理解成本。跟初学者一样，通常会卡在环境搭建上，AI也一样。如果环境搭建好。那么AI也会给你更好的反馈
2. 不要指望一次完成，把大任务拆成小任务，同时把任务分层。最终按分层分批执行。比如先建模型与菜单、再写service与Action
3. 不要指望一次完美，完美的代码是多次任务叠加的效果。比如Action 正常执行完以后，再让对所有Action按Oinone规范再检查（如命名规范，入参出参数规范），最后还得让Action按Oinone特有的交互建代理模型与修改新增Action（如多个模型入参，可以合并进代理模型或传输模型，把对应的方法放到传输模型中）

二、我们有什么

也就是.trae下面我们有开源opsx的工作流（commands、skills）、我们沉淀的rules、以及Oinone开源的source（文档oinone-docs、源码oinone-pamirs）

物料	子物料	说明	备注
commands	opsx-new	干活	常规操作（新手使用）
	opsx-verify	校验	常规检查（新手使用）
	opsx-explore	探索	可能有奇效
rules	project_rules	默认规则	基础规则
	oinone-action-service-rules	action- service的基础规则	用于action和service生存后二次改进工作
	oinone-action-ux-rules	从action的入参数分析出跳转逻辑。补齐默认跳转逻辑、传输模型	让Action符合Oinone的前后端交互规范
	oinone-exception-rules	异常规范	放最后执行
	oinone-business-data-init-rules	测试数据初始化	测试数据初始化
	oinone-dataPermission-extends-rules	业务权限扩展的一种示例	业务权限扩展的一种示例
	oinone-menu-rules	菜单规整	让默认菜单按业务顺序排列，同时让菜单加上icon
source	oinone-docs	文档	Oinone文档帮助AI快速理解
	oinone-pamirs	内核源码	源码方便AI识别深层原理，在单一问题回答会更专业

备注：如何工程中有示例工程效果更加，示例工程要作为子模块加进去，AI会优先参考示例工程

三、工作方式

（一）基础配置

1、Oinone的配置

• （必须）安装Oinone 的 trae插件 oinone-pamirs-plugin-1.0.1.vsix.zip

• （可选）手工安装docker
• （可选）利用Oinone的插件安装中间件（目前提供 mac，windows环境请参考Oinone官方文档https://guide.oinone.top/zh-cn/InstallOrUpgrade/Dev-ENV/）

中间件	用户名密码
MySQL	root/oinone123，另有应用用户 oinone/oinone123
Redis	requirepass: oinone123，数据库 index: 0
MiniIO	用户: oinone，密码: oinone123
ElasticSearch	用户: elastic，密码: oinone123（启用 xpack.security）
Zookeeper	无账号密码（默认无认证）
RocketMQ	无账号密码（默认未启用 ACL）

2、Trae的配置

第一步：下载.trae.trae.zip

第二步： .trae拷贝工程根目录下

第三步：下载 Oinone 源码

运行 .trae/source/git-clone.sh 脚本：

sh .trae/source/git-clone.sh

该脚本会自动克隆以下仓库：

• https://gitee.com/oinone/oinone-pamirs.git （Oinone 框架源码）
• https://gitee.com/oinone/oinone-docs.git （Oinone 官方文档）

第四步：配置 Trae 项目规则

3、在Trae选什么模型比较好

选择 GLM-4.7，打开 MAX-MODE 模式， 选择Builder with MCP模式

（二）操作示例（实际操作按工作流程进行）

基础操作方式就是：把工作流文件、prd或tasks，拖到AI的对话框中，比如：

正常会生成概要（proposal）以及产品需求理解（specs）、详细设计（design）、任务清单（tasks）。如下：

有了任务就可以开始执行了，可以执行按照：任务编码或阶段，进行分批执行。如下：

四、工作流程

（一）跟AI探索设计方案（可选）

使用工作流为：opsx-explore，可以让AI做好工程规划，并且完成工程搭建。为了减少AI的难度，可以认为检查建好的工程依赖，比如在 api工程中加上如下依赖

<dependency>
    <groupId>pro.shushi.pamirs</groupId>
    <artifactId>a</artifactId>
</dependency>
<dependency>
    <groupId>pro.shushi.pamirs.boot</groupId>
    <artifactId>pamirs-boot-standard</artifactId>
</dependency>
<dependency>
    <groupId>pro.shushi.pamirs.core</groupId>
    <artifactId>pamirs-user-api</artifactId>
</dependency>

（二）让AI根据PRD生成设计文档与任务列表

使用工作流为：opsx-new，可以让AI做好详细设计和任务清单。这个检查很重要，要确保详细设计是对的，以及任务清单是完整的。

1、产出详细设计和任务清单

opsx-new.md，prd.md 请帮我做“xxx版本”的详细设计和任务清单

2、初步检查详细设计和任务（减少生成代码的错误概率）

• opsx-new.md``tasks.md oinone-action-service-rules请检查任务对应的action和service是否符合规范，并进行调整
• opsx-new.md``tasks.md oinone-action-ux-rules请检查任务对应的action和service是否符合规范，并进行调整

3、人为再检查一次

（三）按任务列表分批执行

使用工作流为：opsx-new，控制每次产出代码量，太长AI就犯傻了。建议按下面顺序分层执行，每层中可以分批执行：

1、建模型与菜单

这一步需要把opsx-new.md，tasks.md 拖入对话框，然后输入：开始DEV-1

2、建Action与Service

这一步需要把opsx-new.md，tasks.md 拖入对话框，然后输入：开始DEV-2

3、优化Action与Service

这一步需要把opsx-new.md，tasks.md和oinone-action-service-rules规则拖入对话框。话术：请检查任务对应的代码中针对action和service是否符合规范，并进行代码调整

4、根据交互优化Action

这一步需要把opsx-new.md，tasks.md 和 oinone-action-ux-rules规则拖入对话框。话术：请检查Action是否符合Oinone Action的开发规范

（四）校验执行结果

1、整体检查

使用工作流为：opsx-verify，同时把需要校验的tasks也拖到trae对话框中

2、单点检查

如果发现错误，我们可以选中行并添加到对话框，然后选中对应的规则文件，让它检查其他类似的情况

（五）额外可以放最后执行

1、菜单

oinone-menu-rules.md，请按Oinone的菜单规则帮我调整

2、检查异常处理

opsx-verify``oinone-exception-rules.md，按Oinone的异常规范，修复代码

3、业务数据初始化

tasks.md oinone-business-data-init-rules.md，帮我初始化业务测试数据

五、常见问题

（一）文件建错路径

这种看上去很傻的行为，你可以认为AI手抖的不小心。可以手动删除或者移动位置

（二）做不全，即AI偷懒

没有把所有文件都改对，因为AI的上下文是有限制的，所以尽可能把tasks.md带上，或者多执行几遍。

（二）有实现错误或者不符合规范的

一定会有场景没有覆盖到的，你可以把要求给他，让AI先改对。然后让他把规则沉淀到新的oinone-xxx-rules.md中，如果是想把规则调整合并到原规则文件中，则需要让AI检查与原规则文件内容的冲突。经历这些过程，那么用AI会越来越顺利。

如何判断是用新的规则文件，还是合并到原规则文件中，核心要看规则是不是需要独立存在的，不要让AI一下子都懂，特别是国内的模型，上下文太长容易做错，AI工作效率核心是让它做对，而不是做的有多快。比如oinone-action-service-rules是基础规则，它是为了让AI把业务逻辑写完。这时建的action并不符合Oinone的规范。oinone-action-ux-rules是在其基础上罗列了多种前端交互情况下Action的规范，进一步纠正action的规范。oinone-action-exception-rules是最后的异常处理规范。