部门分享实录:AI Coding 工具链实战

视频内容不涉密

📝 AI Coding 工具链实战分享会内容整理

一、核心观点

工具链整合是提升AI编码效率和质量的关键：通过整合从单点工具到全流程的SDD（Spec-Driven Development）工具链，可以有效解决前后端沟通成本高、影响分析不精准、知识复用效率低等痛点。
核心原则：需求复杂度决定流程深度，模型能力决定约束强度。对于强模型和简单需求，可采用轻量级流程；对于弱模型或复杂需求，则需要更严格、步骤分明的流程来保障质量。
未来趋势：工具链将走向自进化（如长期记忆、自我反思）和Coding Agent内化（如Qoder企业版将内置各种工具），但理解其原理仍是高效使用的前提。

二、工具环境搭建（必装与选装）

必装工具

类别	工具	说明
基础环境	Node.js / Python / npm / pip	众多MCP和Skill的依赖，AI执行任务时也常用到。需设置为公司内部源。
AI IDE	CodeBuddy IDE	推荐使用独立IDE以获得Plan模式。
代码管理	GitLab MCP	实现代码 clone / commit / push / MR / PR 管理的自动化。
代码分析	CodeGraph Codebase-memory-mcp	代码图谱，用于分析代码改动的影响范围，是进行精确测试和风险评估的基础。
远程操作	SSH MCP Server	通过自然语言SSH连接远程服务器，用于替包、问题定位。
数据查询	DBhub MCP PostgreSQL MCP	赋予AI权限读写数据库。
工作流核心	OpenSpec	SDD（规格驱动开发）工作流的核心工具，定义和管理变更流程。

选装工具

harness-creator: 创建AGENTS.md项目规则文件。
UI-UX Pro Max: 建立项目级的UI设计规范，确保AI生成的前端代码风格统一专业。
CodeWiki-CN: 生成代码库的中文Wiki文档，适合新人阅读，帮助理解项目架构，也可给智能体使用检索wiki。
Markitdown MCP: 将PDF、Word、PPT、图片等任意格式转换为Markdown，是文档预处理和信息喂给AI的利器。
OpenSpec-SuperPowers: 一种组合技，利用强模型写方案，弱模型跑TDD，以节省Token并保证质量。
Systematic-debugging: 系统化、结构化的调试技能，用于定位问题根因。
CodingHub MCP/Skill: 一个“AI工具的App Store”，用于发现、安装和分享各种MCP和Skill。

三、关键工具与实战技巧

1. 编码实战6条技巧

关联项目同目录：将前后端等关联项目放在同一工作目录，让AI能结合两端代码输出完整方案。
编码规范写进规则文件：将错误码定义、日志规范、禁止自动提交等团队约束写入 AGENTS.md 或规则文件。
参考已有实现：开发类似功能时，让AI参考现有代码，复用库表和逻辑，避免重复造轮子。
换任务开新对话：当AI跑偏或与上一次操作间隔超过1小时时应开启新对话，只有连续推进才保留原对话，以保持上下文清晰。
精准指定文件和函数：使用 @文件名 和 @函数名 引用，精准定位代码，又快又省Token。
放开安全规则管控：适当放松系统权限（如禁用限制），给予AI更高的自主性以提升效率。

2. CodingHub：AI工具的市场

定位：解决工具分发“发现难”和“安装升级烦”两大痛点，类似于一个面向AI的应用商店。
架构：
Browser侧：提供工具、论坛、视频微课、知识库等功能。
Coding Agent侧：通过MCP/SKILL提供近20个方法，支持一键安装、发布、管理工具。

3. CodeWiki-CN：从黑盒到工具链

对应视频发言记录:

[00:09:47.260] 基于code wiki二开MCP。原本黑盒配API Key，黄区用不了。
[00:10:34.880] 改造后由coding agent驱动，拆方法，凡内部调LLM的拆出MCP，codebuddy调模型后再回写
[00:11:41.320] 改完纯工具无外部依赖。

改造前：CodeWiki是一个黑盒，需要自己配置LLM API且生成过程不可干预。
改造后 (CodeWiki-CN)：拆分为9个细粒度MCP工具，AI IDE的Agent通过MCP协议驱动这些工具，使用自身模型完成文档生成。实现了零外部LLM依赖。
5阶段工作流：分析 → 聚类 → 逐模块文档 → 总览 → 清理。

4. Markitdown MCP：万能文档转换

对应视频发言记录:

[00:11:56.260] Markitdown MCP思路同。原需单独LLM，有图忽略。

[00:12:13.500] 提图片识别为MCP方法，code8选识图模型认图塞回markdown。两阶段：提取、识别。

[00:13:17.780] 支持文档表格图片，音频暂未适配。

核心洞察：用户已在和AI助手对话，不应再单独配置外部LLM做图片识别。
两阶段架构：
Phase 1 (MCP Server)：提取文本骨架，并将图片等二进制文件保存到本地。
Phase 2 (AI助手)：直接读取本地图片文件，利用自身视觉能力进行OCR/图表识别，替换回文档骨架。
支持格式：覆盖PDF、Word、PPT、Excel、图片、音频等多种格式。

四、MCP与Agent Skills开发实践

MCP Server开发

对应视频发言记录:

[00:21:03.970] 每个方法要描述精准，MCP三种类型：tool/prompt/resource完整提供。

[00:23:53.820] 踩坑：SSE连接泄漏卡死，迁Streamable HTTP；大数据超时用file-side-channel旁路。

[00:25:39.200] MCP无法传二进制，提供查询接口走HTTP上传下载。

最佳实践：
精准描述：通过清晰的 docstring 让AI判断是否调用。
按需传输：本地开发用 stdio，远程部署用 Streamable HTTP。
安全兜底：输入校验，遵循最小权限原则。
实战踩坑：
SSE连接泄漏：已废弃，迁移至 Streamable HTTP。
大数据超时：改用 file-side-channel 旁路传输数据。
无法传二进制文件：将文件传输与MCP解耦，采用“MCP返回端点信息，HTTP执行传输”的模式。
检索慢：将BM25检索、文件/笔记索引由json文件改为使用Sqlite数据库。
知识点：其实MCP有三类方法

1 Tools（工具）：让 AI 能“动手”

代表什么：Tools 是 MCP 中唯一允许模型直接触发“动作”的原语，属于可执行的操作接口。
核心作用：赋予 AI 改变外部系统状态或执行实际任务的能力，例如调用 API、查询数据库、修改文件、发送邮件或执行计算等。

2 Resources（资源）：让 AI 能“看数据”

代表什么：Resources 是服务器暴露给客户端的只读数据或内容，类似于文件、数据库记录、API 响应或日志文件等。
核心作用：为 AI 模型提供推理所需的“事实背景”和上下文素材，帮助模型理解当前环境，但它本身不具备执行能力。

3 Prompts（提示词）：让 AI 有“作业模板”

代表什么：Prompts 是托管在 MCP 服务器端的标准化、可复用的对话模板或交互流程。
核心作用：解决“经验如何被标准化复用”的问题。它将复杂的任务封装成固定工作流，支持动态参数填充，简化用户与 AI 的交互，确保输出符合特定规范。

Agent Skills设计

四大设计哲学 & 九条最佳实践：

渐进式信息披露：SKILL.md 只做目录，详细内容拆分到子文件，避免一次性塞满上下文。
灵活性优于严格指令：给AI“知识+工具”，而不是SOP流水线。
为模型编写描述：description 字段是触发关键，需包含触发词和具体动作。
从实践中演化：从“几行指令 + 一个gotcha”起步，持续积累。

核心洞察：最好的Skill不是给AI更多通用知识，而是提供那些“不说不知道”的关键信息和可复用的代码能力。

五、OpenSpec + 全家桶

OpenSpec是SDD的核心，可通过自定义Schema集成多种工具，形成强大的工作流。

1. 影响分析：OpenSpec + CodeGraph

作用：改代码前先查看影响范围，避免连锁报错；精准测试受影响部分。
集成方式：在OpenSpec的 design.md 中集成CodeGraph扫描，生成影响分析报告（如依赖关系、风险等级）。

2. 经验复用：OpenSpec + LLM Wiki

核心：形成“查询-开发-沉淀”的知识飞轮，避免重复踩坑。
集成：在 design.md 中强制前置步骤——先查询Wiki获取历史决策和踩坑记录。被纠正时，能主动反思并沉淀经验。

3. 设计助手：OpenSpec + UI-UX Pro Max

作用：建立项目级UI设计规范 (MASTER.md)，让AI生成的前端代码保持设计统一和美观。

姿势：可重构老系统UI或基于SPEC生成新页面UI。

4. 图表即代码：OpenSpec + Mermaid

集成：在Schema或项目规则中约定Agent在文档中使用Mermaid语法画图（流程图、时序图、类图等），实现Code Review友好和Git可追踪。

5. 质量保障：OpenSpec + SuperPowers

定位：OpenSpec解决“做对的事”（What），SuperPowers解决“把事做对”（How）。
示例：采用TDD强制执行，要求“先失败测试 → 再实现代码”，并遵循RED→GREEN→REFACTOR循环。

6. 测试闭环：OpenSpec + OpenCLI

作用：基于SPEC文档自动生成浏览器测试和接口测试，弥补单元测试的不足（如无法验证页面样式）。
优势：支持复用浏览器登录状态，测试步骤可保存为命令，后续执行零Token消耗。

六、推荐工具组合

需求场景	推荐组合	说明
简单需求 / 强模型	`explore -> propose -> apply`	极简路径，快速出活。
复杂需求 / 模型弱 / 要求高	`explore -> propose -> write-plan -> exec-plans`	分步执行，质量可控。
需要UI设计	`SDD系列` (如 `sdd-with-ui-design`)	在流程中注入UI规范查询和生成。
需要TDD	`TDD系列` (如 `tdd-with-execute-plan`)	严格的红绿重构循环，确保代码质量。
兼顾UI+测试+Wiki	(如 `sdd-with-ui-design-unittest-wiki`)	全功能的定制Schema，常用于大型项目。

七、总结

环境搭建：安装Node.js/Python等基础环境。
安装AI IDE：如CodeBuddy。
安装Skill & MCP：按需安装 harness-creator, UI-UX Pro Max, gitlab mcp, codegraph 等工具。
配置SDD工具：安装并开始使用 OpenSpec。
掌握技巧：学习“精准指定文件”、“换任务开始新对话”等实操技巧。

B站培训录屏: https://b23.tv/qjIofVD