一、背景与主题

因为 AI 辅助编程工具的普及，我们团队在 Electron + Vue + 本地 Node 服务 + 远程 Python 后端这种多进程、跨语言架构下的开发效率明显提高。老实说，原型生成、前后端代码生成、API 对接等环节变得非常迅速。

只是测试阶段并未因为代码生成变快而缩短，反而如何规范Skill加速测试？" src="/uploads/images/150.jpg"/>

本次讨论的主题：如何周期。

二、使用者痛点概览

• AI 生成多模块代码时隐含假设冲突：前端期望 userId后端返回 user_id;Python 返回整数 cost 而 Vue 组件把它当成字符串使用；IPC 通道命名随意导致参数结构不统一。
• 错误信息跨层丢失或混乱：本地 Node 调用 Python 失败后只返回 “Error”，无法定位网络/参数/业务错误；日志格式不统一，使生产环境问题难以串联追踪。
• 集成测试成为唯一质量闸门：单元测试覆盖率低且不验证跨层契约；测试阶段花费大量时间在“对齐”而非“验证功能”。
• AI 无法自动遵循团队工程标准：缺乏显式规范导致 AI 按通用模式生成代码；缺少详细 PRD 导致 AI 过度关注视觉而忽略业务规则。

三、我们要解决的主要问题

1. Ai 生成的多模块代码隐含假设冲突

   • 前端期望 UserId,后端返回 User_id
   • Pythons 服务返回整数 $cost$。Vue 当作字符串使用
   • IPC 通道命名随意,参数结构不统一

四、方法：PRD + 规范 Skill 双层约束

说到主要思想。以详细的产品 PRD 作为逻辑真相源，以规范 Skill 作为工程实现约束，两者配合让 AI 生成一致可测的代码。

第一层这方面，逻辑约束 —— 详细 PRD

在 AI 辅助研发中。一份结构良好且聚焦业务逻辑和约束的 PRD，其指导意义远大于原型 HTML。PRD 能明确：

• 业务规则与边界条件
数据模型与字段定义 非功能性需求 验收标准

只有当 PRD 明确描述了所有跨层契约时AI 才能按照真实需求快速输出正确实现。

第二层这方面。 工程约束 —— 规范 Skill程序

基于 PRD 定义 “做什么”的基础上，我们设计了若干关键规范，将其拆分为可复用 Skill，每个 Skill 均有对应文档说明和示例片段。

错误处理与日志规范 实现跨进程定位问题 统一错误码与日志格式

- 错误码表 + JSON 日志模板
- 各语言 logger 实现片段

数据序列化与校验 避免 JS↔Python 数据类型映射错误

- 类型映射表
- 日期/空值约定
- 同步方案演示片段 

组件通信规范 统一事件 & 状态管理 & Props 定义

- event 命名规则
- Pinia/Vuex 使用约束
- props 校验模板

进程间通信 Electron 主渲染通道命名 & 消息格式统一

- channel naming rule
- message format
- timeout handling template 

UI/UE 教程 保证视觉一致性并减少 UI 回归工作量

- design tokens
x-components usage guide
x-responsive layout rules

后端接口定义规范 统一 Python 服务 API 请求/响应结构及版本管理

openapi.yaml 模板 - RESTful 命名 - 分页 / 错误结构标准               ​ ​​ ​​ ​ ​

​ ​

​       

openapi components: schemas: ErrorResponse: 说到type。object properties: code的观点是，type : string message: type : string

示例 python @app.post def create_user: # validate input via Pydantic