用途：这是一套用 AI 编程助手构建与调试软件的实践方法论，工具名仅作代表，非穷尽列举。
主要能力与做法：先与 AI 在 markdown 文件中写出详细实施计划，删减无关项、把复杂功能标为暂不做，并单列后续想法以控制范围；按小节增量实现，完成后标记并提交 git。用待办清单或状态标记让双方看清进度。
版本控制：以 git 为安全网，不依赖工具自带回滚。每个功能开新分支（git switch -c feature/xyz），小步提交；走错路时优先用可逆命令，如 git restore . 丢弃未提交改动、git stash 暂存、git switch - 切回上一分支；仅在确认工作区无价值内容时才用 git reset --hard HEAD，若代理新建了文件还需 git clean -fd。找到可行方案后从 main 重新干净实现，丢弃试验分支。
测试与修 bug：优先端到端集成测试，模拟用户点击行为，防止 LLM 改动无关逻辑造成回归，可先写测试作为边界。修 bug 时可直接粘贴报错信息，先让 AI 分析多种可能原因再动手，失败后清空重来而非叠加修复，必要时加日志、换模型。
工具与优化：工具分为 CLI 代理、独立 IDE、IDE 扩展、云端代理四类，按工作位置选择。常见组合是 Cursor 或 Copilot 做日常编辑，Claude Code 或 Codex CLI 做仓库级任务。可为助手写指令文件，如 CLAUDE.md、.cursor/rules/*.mdc、.github/copilot-instructions.md、.clinerules、.aider.conf.yml、.continue/config.json，跨工具时以 AGENTS.md 为通用格式。建议下载本地 API 文档、并行运行多个工具、对高风险决策比较不同模型输出。
适用场景与限制：适合复杂功能开发、DevOps 配置、文档撰写、代码讲解等；成熟框架与模块化小文件效果更好，新语言训练数据少可能出错。资料未提供具体收费与价格信息。