Skip to content

philosophy.md

Latest commit

 

History

History
194 lines (140 loc) · 6.41 KB

philosophy.md

File metadata and controls

194 lines (140 loc) · 6.41 KB
Raw

English | 한국어 | 中文 | 日本語 | Español

设计理念

本文档解释了 Codingbuddy 的愿景、核心理念和设计原则。

愿景

为您的代码打造 AI 专家团队

单一 AI 无法成为所有领域的专家。当您要求 AI 编写代码时，您只能获得单一视角——没有安全审查，没有无障碍检查，没有架构验证。只是一个 AI 把所有事情做得"还行"，但没有一件做得出色。

人类开发团队有专家：

  • 设计系统的架构师
  • 发现漏洞的安全工程师
  • 捕获边缘情况的 QA 专家
  • 优化瓶颈的性能专家

Codingbuddy 将专家团队模式引入 AI 编程。

Codingbuddy 不是让一个 AI 尝试做所有事情，而是协调 35 个专业智能体协作，审查、验证和优化您的代码，直到达到专业标准。

核心理念

1. 多智能体协作

质量来自多元视角。我们的三层智能体系统确保全面覆盖：

层级 目的 示例
模式智能体 工作流编排 plan-mode, act-mode, eval-mode
主要智能体 核心实现 solution-architect, frontend-developer, backend-developer
专家智能体 领域专业知识 security, accessibility, performance, test-strategy

每个智能体都带来专注的专业知识，它们协作实现单一 AI 无法达成的目标。

2. 质量驱动开发

PLAN → ACT → EVAL 循环确保每个步骤的质量：

PLAN: 编码前设计（架构、测试策略）
  ↓
ACT: 使用 TDD 和质量标准实现
  ↓
EVAL: 多专家审查（安全、性能、无障碍）
  ↓
迭代: 直到 Critical=0 AND High=0

3. 退出条件

仅在达到质量目标时交付：

严重级别 交付前必须修复
🔴 Critical 是 - 紧急安全/数据问题
🟠 High 是 - 重要问题
🟡 Medium 可选 - 技术债务
🟢 Low 可选 - 改进

4. 渐进式披露

简单开始，按需深入：

  • 快速开始: 使用 npx codingbuddy init 在 2 分钟内运行
  • 工作流模式: PLAN → ACT → EVAL 结构化开发
  • 专家智能体: 按需访问 35 个领域专家
  • AUTO 模式: 自主迭代直到达到质量目标

5. 约定优于配置

适用于大多数项目的合理默认值：

  • PLAN → ACT → EVAL 工作流
  • TDD 优先开发方法
  • 90%+ 测试覆盖率目标
  • SOLID 原则和整洁代码

只覆盖需要更改的部分。

设计原则

智能体架构

┌─────────────────────────────────────────┐
│           模式智能体 (4)                 │
│  plan-mode, act-mode, eval-mode,        │
│  auto-mode                              │
└─────────────────────────────────────────┘
                    │
                    ▼
┌─────────────────────────────────────────┐
│         主要智能体 (16)                  │
│  solution-architect, frontend-developer │
│  backend-developer, code-reviewer, ...  │
└─────────────────────────────────────────┘
                    │
                    ▼
┌─────────────────────────────────────────┐
│        专家智能体 (15)                   │
│   security, accessibility, performance  │
│   test-strategy, event-architecture ... │
└─────────────────────────────────────────┘

关注点分离

层 目的 格式
规则 做什么（工作流、质量标准） Markdown
智能体 谁知道什么（专家知识） JSON
适配器 如何集成（工具特定设置） Markdown

这种分离允许：

  • 规则独立于工具支持演进
  • 无需更改核心规则即可添加新智能体
  • 无需修改现有规则即可支持新工具

可扩展性优于复杂性

系统设计为扩展而非配置：

  • 通过创建 JSON 文件添加新专家智能体
  • 通过编写适配器指南支持新 AI 工具
  • 无需修改核心规则即可包含项目特定上下文

简单的事情应该简单。复杂的事情应该可能。

工作流模型

Codingbuddy 为 AI 辅助开发引入了结构化工作流：

PLAN 模式（默认）

  • 理解需求
  • 设计实现方法
  • 识别风险和边缘情况
  • 不进行代码更改
  • 激活：解决方案架构师 + 相关专家

ACT 模式

  • 执行计划
  • 遵循 TDD：Red → Green → Refactor
  • 进行增量、经过测试的更改
  • 激活：主要开发者 + 质量专家

EVAL 模式

  • 审查实现质量
  • 多维度评估（安全、性能、无障碍）
  • 按严重级别识别改进点
  • 激活：代码审查员 + 并行专家

AUTO 模式

  • 自主 PLAN → ACT → EVAL 循环
  • 继续：直到 Critical=0 AND High=0
  • 最大迭代保护
  • 最适合需要迭代改进的复杂功能

这个工作流防止了 AI 助手在没有适当计划的情况下直接跳入代码的常见陷阱。

差异化优势

传统 AI 编程 Codingbuddy
单一 AI 视角 35 个专家智能体视角
"生成然后祈祷" 计划 → 实现 → 验证
无质量门禁 Critical=0, High=0 必需
需要手动审查 自动多维度审查
质量不一致 迭代优化直到达标

Codingbuddy 不是什么

  • 不是代码生成器：它提供结构、专业知识和质量门禁——不是魔法代码
  • 不是人类判断的替代品：它用专家视角增强开发者决策
  • 不是一刀切的解决方案：它被设计为可按项目定制

延伸阅读