企业做网页还是网站宿迁房产网户型图

企业做网页还是网站,宿迁房产网户型图,网站图片切换怎么做,企业形象设计论文本文介绍了Claude Code的两大插件feature-dev和ralph-loop。feature-dev提供7阶段特性开发流程#xff0c;从需求分析到代码审查#xff0c;确保工程质量#xff1b;ralph-loop可长时间执行任务#xff0c;持续迭代直到完成。两者结合使用#xff0c;前者负责做对的…本文介绍了Claude Code的两大插件feature-dev和ralph-loop。feature-dev提供7阶段特性开发流程从需求分析到代码审查确保工程质量ralph-loop可长时间执行任务持续迭代直到完成。两者结合使用前者负责做对的事后者负责把事做对形成完整的AI编程解决方案。文章详细讲解了各自功能、使用场景及组合实战方案帮助程序员提升工程效率和交付质量。feature-dev 规划特性ralph-loop 长时间执行这才是 AI 编程的完全体如果你已经在用 Claude Code 写代码有两个插件能帮你改变工程效率和交付质量的你应该充分利用一下。两个插件分别是一个是会帮你把整个 Feature 拆成 7 个阶段、从需求到 Review 全程带着你走的/feature-dev另一个是能在本地长时间死磕一个任务、反复尝试直到满足完成条件的/ralph-loop。把这俩组合起来你等于给自己配了一个「负责规划的 Tech Lead」和一个「不知疲倦的执行工程师」而且都住在你的终端里。下面这篇文章就用程序员能直接照抄的方式讲清楚五件事这两个插件各自是什么、单独解决什么问题、怎么用、为什么要结合以及「今天就能在真实项目里跑起来」的组合方案和代码示例。先认人feature-dev 和 ralph-loop 各是谁feature-dev能跑完 7 个阶段的「特性级工作流」七步工作流feature-dev是 Claude Code 的官方插件之一核心命令就是 /feature-dev:feature-dev 增加电子机票的功能安装步骤 /plugin marketplace add anthropics/claude-code ⎿ Successfully added marketplace: claude-code-plugins /plugin install feature-dev ⎿ ✓ Installed feature-dev. Restart Claude Code to load new plugins.它做的事情不是「帮你写几段代码」而是围绕一个 Feature 跑完整的 7 个阶段工作流Discovery先确认你到底想做什么而不是听到「加个缓存」就开写。Codebase Exploration起几个code-explorerAgent 帮你读代码梳理关键文件和调用链。Clarifying Questions把边界条件、错误处理、兼容性这些模糊点挖出来让你回答清楚。Architecture Design起code-architect出几套方案对比优缺点帮你选一个落地的。Implementation按选定方案写代码遵守现有风格和实践。Quality Review起 3 个code-reviewer从简洁性、正确性、规范抽象几个维度给你做 Review。Summary产出一份面向未来维护者的总结写清楚改了啥、为啥这么改、下一步干嘛。简单说它把一个资深工程师「该做但经常被时间压缩掉」的那些步骤都产品化成了流程。ralph-loop能一直「自我循环」直到做完为止的执行引擎ralph-loop工作流ralph-wiggum插件的核心命令是/ralph-loop 任务描述 --max-iterations N --completion-promise 完成短语它干的事就是把「Ralph is a bash loop」这件事变成一个有护栏的官方插件# 原始 Ralph 技法的精神内核while :; do cat PROMPT.md | claude ; done官方插件帮你做了几件事拦截 Claude 想「结束会话」的行为Stop hook把同一份任务 prompt 再喂回去。每一轮循环Claude 都会看到上一次改动后的文件和 git 历史等于是「带记忆」地反复迭代。你可以设--max-iterations和--completion-promise控制最长跑多久、什么算完成。典型用法示例/ralph-loop Migrate all tests from Jest to Vitest \ --max-iterations 50 \ --completion-promise All tests migrated它就会一直迁移、跑测试、修错误、再跑再迁移……直到输出那句「All tests migrated」或者到 50 轮上限。单点能力各自解决了哪些痛点feature-dev 解决的是特性级工程质量失控现实里的常见问题需求模糊边界条件全靠脑补。新人接手老项目完全不知道从哪看起。架构设计全靠拍脑袋方案没有系统对比。写完代码匆匆过一眼没时间做像样的 Review 和总结。/feature-dev的价值点在于强迫你在一开始把需求和问题问清楚。帮你系统性读代码库输出关键文件、调用路径而不是你一个目录一个目录瞎翻。多方案架构对比 带理由的推荐减少「没想过其它可能」的遗憾。内置多视角自动 Code Review Summary让每个 Feature 自带一份「mini 设计文档」。ralph-loop 解决的是AI 一次性输出不靠谱、没人帮你死磕到「真的完成」常见痛点一次 prompt 出来的代码80% 情况下没法一把过需要自己来回试错和补丁。你没精力一直陪着 AI 改——它跑一次你看一眼、改一眼很累。有些任务本质就是「重复尝试直到成功」测试全绿、迁移完、覆盖率达标非常适合机器干。/ralph-loop的价值点在于把「失败 – 继续尝试」这个循环自动化了人不用每一轮都手动点一下。每一轮都会看新代码和 git 历史相当于「记住上次哪错了」再继续改。搭配--max-iterations和「卡住就写 BLOCKERS/ATTEMPTS/ALTERNATIVES」这种模式可以在安全边界内最大化尝试空间。各自怎么用从安装到命令示例feature-dev一条命令带你跑完 7 阶段前提你已经装好了 Claude Code并且项目是一个 Git 仓库。feature-dev插件在官方插件集中已经提供一般新版 Claude Code 默认就带或者在插件配置里启用即可。典型用法 /feature-dev:feature-dev 增加电子机票的功能在流程中你会看到类似这样的交互Phase 1Discovery时问你- Which OAuth providers? (Google, GitHub, custom?)- Replace existing auth or add alongside?- How should failures be handled?Phase 2Codebase Exploration给你列重点文件现在让我深入探索现有代码库了解预订和航班功能的实现模式。我将启动多个代理来全面分析代码库。⏺ Task(探索预订流程实现)⎿ Done (25 tool uses · 47.2k tokens · 5m 4s) ⏺ Task(分析PDF生成和邮件功能)⎿ Done (12 tool uses · 36.0k tokens · 6m 16s) ⏺ Task(分析移动端响应式设计模式)⎿ Done (16 tool uses · 46.8k tokens · 1m 37s)Phase 3Clarify Issues澄清问题发现的现状1. 已有基础预订系统完整有预订参考号、乘客信息、航班详情2. UI已准备预订详情页面有下载电子客票和发送至邮箱按钮占位3. 邮件系统已有基础的邮件发送功能目前只支持纯文本4. 缺失部分PDF生成、二维码生成、电子票实体需要澄清的问题1. 电子票的格式和内容- 电子票是否应该包含所有乘客的信息还是每个乘客一张票- PDF电子票的版式是否有特殊要求如航空公司Logo、条码、座位图等- 是否需要支持多语言中英文Phase 4Architecture Design时抛出多套方案⏺ Plan(设计最小改动方案)⎿ Done (9 tool uses · 33.5k tokens · 58s) ⏺ Plan(设计干净架构方案)⎿ Done (11 tool uses · 37.0k tokens · 50m 52s) ⏺ Plan(设计实用平衡方案)⎿ Done (11 tool uses · 35.8k tokens · 1h 10m 5s) ⏺ 架构设计总结我已经为您设计了三种不同的电子机票实现方案1. 最小改动方案 (推荐)特点- 新增ElectronicTicket实体与现有Booking和Passenger关联- 使用成熟的iText和ZXing库- 最小化对现有代码的修改- 在预订确认后自动生成电子机票往后就是 Implementation、自动 Review 和 Summary。ralph-loop一条命令启动「自我循环工作线程」典型可用命令/ralph-loop prompt --max-iterations N/ralph-loop prompt --max-iterations N --completion-promise exact text/cancel-ralph例如迁移测试框架/ralph-loop Migrate all tests from Jest to Vitest \ --max-iterations 50 \ --completion-promise All tests migrated它会跑一次迁移 → 跑测试 → 失败 → 继续改 → 再跑……直到测试都过了自己打印那句「All tests migrated」或者顶到 50 轮上限。为什么要把两者结合一个会「想清楚」一个会「干到真完成」单用 feature-dev 的问题是它非常擅长「想清楚」「拆步骤」「设计架构」「做 Review」但实现阶段一般还是偏单轮对话你要不断手动催它改、补测试、再跑一遍。对那种需要大量机械迭代的任务覆盖率打满、性能调优、批量迁移它没打算无限陪你死磕。单用 ralph-loop 的问题是它会很认真地「照着 prompt 里写的方向」硬干但如果这个 prompt 一开始就没想清楚或者缺乏良好的架构蓝图那就是在「很努力地往错误方向迭代」。Prompt 写不好就会出现循环跑了几十轮代码堆了一地但整体结构很混乱甚至反复乱动不该动的模块。所以最自然的分工是让 feature-dev 负责理解需求读代码库设计架构和组件拆分把实现步骤和质量标准测试、文档、边界条件显式写出来让 ralph-loop 负责在这个蓝图之下长时间反复实现、跑测试、修 Bug把某些子目标死磕到「真的完成」而不是「大概差不多」一句话总结feature-dev 解决的是「做对的事」ralph-loop 解决的是「把事做对」。组合玩法一用 feature-dev 产出「高质量任务书」交给 ralph-loop 长时间执行这是最推荐、也是你今天就能跑起来的一种模式。第一步用/feature-dev跑完一个 Feature 的 7 阶段以「给 API 加限流」为例/feature-dev Add rate limiting to API endpoints跑完之后你大概会拿到这些内容简化示例需求澄清对哪些 endpoint 限流以 IP、用户、API key 为维度超限返回什么错误码 / body架构设计Approach 1/2/3 推荐一个新建RateLimiter服务在 HTTP 中间件里插入复用现有 Redis 连接 / metrics 系统实施计划 / TODO新建src/rate-limiting/RateLimiter.ts修改src/middleware/requestPipeline.ts添加单元 集成测试更新文档你可以在最后让 Claude 把这些写进仓库里的几个文件比如docs/rate-limiting/DESIGN.mddocs/rate-limiting/IMPLEMENTATION_PLAN.mddocs/rate-limiting/QUALITY_CRITERIA.md第二步把这些信息转成一个 Ralph 任务接下来在同一个项目 worktree 的分支上起一个循环/ralph-loop你正在为该服务实现“API 速率限制API rate limiting”功能。在进行任何更改之前阅读并遵循 docs/rate-limiting/DESIGN.md阅读 docs/rate-limiting/IMPLEMENTATION_PLAN.md不要更改高层架构除非测试或约束迫使你这么做。如果你认为必须更改设计请先更新 DESIGN.md 并给出理由然后再进行重构。总体完成标准以下所有阶段都已实现所有测试通过速率限制的单元测试 集成测试文档已更新README API 文档代码已根据现有项目约定完成评审并清理在最后输出完全一致的内容FEATURE_RATE_LIMITING_COMPLETE阶段阶段 1核心速率限制器基于 DESIGN.md 实现 RateLimiter 服务支持按端点与按 API key 的配额为 RateLimiter 添加单元测试覆盖率 80%阶段 2中间件集成将速率限制中间件添加到 HTTP 调用栈中的选定端点确保在超出限制时返回正确的错误响应添加集成测试以验证限额与重置行为阶段 3配置与可观测性将配置接入现有配置系统使用现有指标基础设施添加基础指标当前用量、拒绝次数为配置错误场景添加测试或检查阶段 4完善与文档重构并清理任何重复代码更新 README / API 文档以解释速率限制行为运行完整测试套件并确保全部为绿色如果在 40 次迭代之后该功能仍未完成创建 BLOCKERS.md描述阻碍进展的因素创建 ATTEMPTS.md列出已尝试的方法创建 ALTERNATIVES.md提出不同的方案当一切完成后输出FEATURE_RATE_LIMITING_COMPLETE--completion-promiseFEATURE_RATE_LIMITING_COMPLETE--max-iterations 40这里所有「Phase」「完成标准」其实都来自刚才/feature-dev的输出你只是帮它转成了 Ralph 喜欢的格式而已。接下来Ralph 就会读 DESIGN.md / IMPLEMENTATION_PLAN.md。按 Phase 1/2/3/4 去实现和调整。不断跑测试、修 Bug、再跑。最后在仓库里留下代码 文档 几个记录文件BLOCKERS / ATTEMPTS / ALTERNATIVES。组合玩法二feature-dev 管方向ralph-loop 专门负责「打磨测试和细节」另一个实用模式是让/feature-dev把主干代码写完、架构搭好。某些特别费时的阶段交给/ralph-loop。比如feature-dev 已经帮你实现了 OAuth 登录功能但单测覆盖率只有 50%你想要冲到 85% 以上。可以这样让 feature-dev 给出一份「应该覆盖哪些场景」的建议写进docs/auth/TEST_PLAN.md。在分支上起一个专门的 Ralph 循环/ralph-loop你唯一的任务提高 OAuth 认证功能的测试覆盖率。在更改之前阅读 docs/auth/TEST_PLAN.md阅读 tests/auth/ 中现有的测试完成标准src/auth/ 的测试覆盖率 85%仓库中的所有测试全部通过不引入新的不稳定性flakiness最后更新 TESTING_NOTES.md包含现在已覆盖哪些场景仍然存在的任何已知缺口流程查看当前覆盖率报告识别缺失的边界情况多个提供方、令牌过期、错误路径、CSRF 保护增量添加测试并频繁运行测试套件修复测试暴露出的任何 bug在合适时重构测试以提升可读性与可维护性完成后输出OAUTH_TESTS_COMPLETE--completion-promiseOAUTH_TESTS_COMPLETE--max-iterations 25feature-dev 给方向和 test planralph-loop 负责「把测试打满」中间你只需要偶尔看一眼它是不是偏题了。实战建议团队里落地时要注意什么永远在 feature 分支上跑/ralph-loop不要在 main 上开自动循环。--max-iterations必须写--completion-promise只当辅助手段不要当唯一退出条件。每隔一段时间用/feature-dev针对当前改动再跑一轮「Code Review Summary」等于给 Ralph 的成果做一次「资深工程师复盘」。把 DESIGN.md / IMPLEMENTATION_PLAN.md / RALPH_TASK.md / BLOCKERS.md 这几个文件纳入 PR 审查材料让 Reviewer 快速理解「这次 AI 干了什么」「卡在哪」「尝试过什么」。在团队工程规范里写清楚什么类型的 Feature 要走 feature-dev 全流程。什么类型的任务可以交给 ralph-loop 打磨测试、迁移、重构等。长期看这套组合不是在「让 AI 替你写代码」而是在「把资深工程师的工作流模式固化下来然后让 AI 去稳定执行」。你真正要做的是设计好这条流水线而不是每一行代码都自己写。​最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】​​为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。​​资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌​​​​如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】**​