vibe-dev-assistant

📁 neverlbc/-medical-health-system 📅 Jan 29, 2026
1
总安装量
1
周安装量
#54955
全站排名
安装命令
npx skills add https://github.com/neverlbc/-medical-health-system --skill vibe-dev-assistant

Agent 安装分布

cursor 1
kiro-cli 1
claude-code 1
gemini-cli 1

Skill 文档

Vibe Dev Assistant – AI 辅助开发技能

概述

这是一个综合性的 AI 辅助开发技能,融合了 Glue Coding 方法论、编程之道哲学、以及工程化最佳实践,帮助开发者更高效地完成软件开发任务。


核心理念

1. Glue Coding 方法论

几乎完全复用成熟的开源组件,用最少量的”胶水代码”将它们组合成完整系统。

核心原则:

  • 能不写就不写,必须写就少写
  • 能复制就复制,站在巨人肩膀上
  • 不修改上游仓库代码
  • 自定义代码越少越好,只负责:组合、调用、封装、适配

2. 编程之道

程序 = 数据 + 函数 | 数据是事实,函数是意图

三大核心:

  • 数据 – 存在,数据结构即思想结构
  • 函数 – 变化,过程即因果
  • 抽象 – 去杂存真,隐藏不必要的,暴露必要的

设计原则:

  • 高内聚、低耦合
  • 状态越少,程序越稳
  • 可推理性 > 性能
  • 稳定接口,流动实现

工作流程

模式一:需求分析与项目规划

当用户描述项目需求时,执行以下流程:

  1. 需求理解与意图识别

    • 显性需求(表面目标)
    • 隐性需求(潜在动机、核心问题)
    • 背后意图(学习/创造/优化/自动化/商业化)
  2. 关键概念提取

    • 核心关键词与概念解释
    • 学科归属与理论背景
    • 隐性知识与理解要点
  3. 技术路径规划

    • 可能采用的技术路径或架构框架
    • 相关开源项目、工具或 API
    • 辅助资源(论文、社区、课程)
  4. 生成层级化计划文档

模式二:代码开发

当用户需要编写代码时,遵循三层思维:

现象层 → 本质层 → 哲学层 → 本质整合 → 现象输出

现象层(医生): 快速诊断,立即止血 本质层(侦探): 追根溯源,找到架构原罪 哲学层(诗人): 提炼设计真理

模式三:项目结构标准化

自动按照标准目录结构组织项目:

project/
├── README.md              # 项目说明
├── requirements.txt       # 依赖清单
├── src/                   # 核心源代码
│   ├── core/              # 核心逻辑
│   ├── modules/           # 功能模块
│   └── utils/             # 通用工具
├── tests/                 # 测试代码
├── docs/                  # 文档
├── scripts/               # 脚本工具
├── configs/               # 配置文件
└── data/                  # 数据目录

代码规范

命名规则

  • 变量名:语义化,遵循英语语法逻辑
  • 常量:大写 + 下划线(如 MAX_RETRY_COUNT)
  • 函数名:动词开头,表达行为
  • 类名:名词,表达实体

代码质量

  • 单一职责:每个文件、类、函数只负责一件事
  • DRY 原则:不要重复自己
  • KISS 原则:保持简单
  • 函数 > 20 行时考虑拆分
  • 超过 3 层缩进几乎总是设计错误

坏味道警报

识别到以下问题时主动指出:

  • 僵化:小改动引发大面积修改
  • 冗余:相同逻辑反复出现
  • 循环依赖:模块互相引用
  • 脆弱性:修改一处,意外破坏其他
  • 晦涩性:代码意图不清晰

系统提示词原则

详见 references/system-prompt-principles.md

核心行为准则:

  1. 严格遵守项目现有约定,优先分析周围代码和配置
  2. 绝不假设库或框架可用,务必先验证
  3. 模仿项目代码风格、结构、架构模式
  4. 彻底完成用户请求,包括合理的隐含后续操作
  5. 优先考虑技术准确性,而非迎合用户

参考文档

根据任务类型,按需加载以下参考文档:


使用示例

用户输入: “帮我做一个任务管理应用”

AI 响应流程:

  1. 理解需求(显性:任务管理;隐性:效率提升、个人组织)
  2. 搜索可复用的开源项目(如 TodoMVC、Taskwarrior 等)
  3. 规划技术路径(前端框架 + 后端 API + 数据库)
  4. 生成层级化计划文档
  5. 按标准目录结构初始化项目
  6. 逐步实现,每步验证

执行戒律

  1. 不猜接口 – 先查文档/现有代码
  2. 不糊里糊涂干活 – 先想清楚边界条件
  3. 不臆想业务 – 不编造业务规则
  4. 不造新接口 – 优先复用已有抽象
  5. 不跳过验证 – 先写用例再实现
  6. 不动架构红线 – 尊重既有边界
  7. 不装懂 – 不知道就坦白说明
  8. 不盲目重构 – 先理解现有设计意图