如何Node.js通用脚手架，使其适应开发需求？

复刻字节 AI 开发流：实践 Node.js 通用脚手架 前言 最近与前同事深入交流，他现为字节某组的 TL（组长），团队规模近 10 人。在讨论他们团队的 AI 工作流实践中，也得到一些八卦信息。 第一个是: 人才储备变化 他们团队已基本停止招聘实习生，今年仅招一人 个人解读： AI 协作模式下，新人的边际效应大幅下降 第二个是：组织预期转变 业内多位跟他同级的 Leader 私下评估：今年可能出现大规模调整 个人解读： 生成式 AI 在降本增效上的潜力被普遍看好，提前做好裁员准备 第三个是：开发方法论的周期性 层出不穷的新概念：Vibe Coding、SDD 规范、Harness Engineering…… 理性看待：这些都是过渡阶段产物，随着大模型升级，这些方法论的生命周期可能只有几个月 个人建议： 不必投入过多精力去追赶，因为等你熟练一种方法论后，可能用不了多久就被淘汰了 第四个是：招聘标准演变 前端岗位招聘标准很多 JD 上开始冠以"全栈开发" 的名义招聘了 实际面试：侧重前端能力考察，但开始要求一些后端基础能力了 个人解读： AI 协作工具提效下，企业希望前端承担更多职能 好了，八卦之后，关于他们的 ai 工作流的核心如下： 你得教 AI，不断沉淀并固化它的规范 具体实践方法： 识别问题：第一次遇到某类问题，AI 执行效果不理想 人工介入：手动处理并解决问题 规则沉淀：将解决方案固化为规则或 Skill 迭代积累：问题解决越多，效率提升越明显，也就是后期 ai 执行的只要不是新的场景和复杂业务，基本不会出错 本质： 通过持续的反馈循环来训练和优化 AI 的工作能力，而不是一开始就寻求完美的工作流 这个理念在字节技术专家杨晨的全软软件开发大会分享中也提出过：Prompt = 可训练资产（像模型一样优化） 让后我个人抽象了这个单 Agent 的工作流程图如下： 接下来我会解释每个步骤的思路和如何落地： 步骤 1：项目初始化 + 全局规则设计 项目初始化是指，大多数现代框架都提供了开箱即用的脚手架工具，例如： # Vue/React 生态 npm create vite@latest # Nest.js nest new project-name # Hono.js pnpm create hono@latest 初始化完成后，立即在根目录创建规则文件，通常命名为 CLAUDE.md 或 AGENTS.md。 这个文件是 AI 协作的宪法，应包含例如项目定位，技术栈清单，核心哲学（例如测试先行，采用 TDD 测试方案），项目结构示例，AI 协作原则等等内容。有兴趣的同学可以找我要这个项目的全局规则。 两个关键注意事项 ✅ 动态迭代 规则文件不是一成不变的。当发现 AI 写的代码不规范时，要想到如何抽离抽象的规则来约束，而不是一味手动修改 ✅ SKILL 机制（规则的模块化） 当规则内容过多时，抽象可复用的 Skill 文件。好处是 AI 按需加载，不会每次都把全局规则加入上下文，大大减少 token 用量 规则中引用 SKILL 的示例： ## 3. 核心哲学：测试先行 (TDD) 参考 `.trae/skills/tdd-first/SKILL.md` 中的测试驱动开发规范。 所有新功能开发或 Bug 修复必须遵循 **「红-绿-重构」** 循环。**严禁**在没有对应测试用例的情况下提交业务逻辑代码。 --- ## 4. 响应格式 参考 `.trae/skills/response-standard/SKILL.md` 中的响应格式规范。 **[强制]** 所有接口统一返回 JSON，使用 `@/utils/response` 中的工具函数生成响应。 --- 步骤 2：需求分析 如果你很清楚自己要做什么，可以直接下发任务。但如果只有模糊想法，建议先和 AI 一起做需求分析。 推荐提示词 你好！现在的任务是：我们要从零开始设计并实现 `hono.js boilerplate`。 你现在是资深的 Node.js 工程师。我有一个初步的想法，需要你通过向我提问，帮助我澄清需求、挖掘边缘场景，最终目标是理清我做一个通用后端功能的脚手架需要实现哪些功能。并按顺序输出一个实现这些功能的大纲。 请开始你的提问。 效果： Claude 会像资深 PM 一样向你提问，你逐一回答这些问题后，AI 会生成一份完整的功能清单文档。 步骤 3：测试先行 + AI 执行代码 这是整个工作流的核心环节，必须让 AI 严格按照 TDD 测试方案执行代码。