2025 年 2 月，Claude Code 出研究预览版的时候，我开始用它。当时理财线刚准备做 Vue 2.7 到 React 19 的大迁移。

到 2026 年 3 月写这篇的时候，理财线 3 个人用 AI 编码交付了 13 个工具的完整迁移，外加持续的迭代和新功能。两年下来，AI 编码在我们这里已经不算一个工具了，而是一套工程体系。

这篇做个总复盘，讲这套体系是怎么一步步长出来的。

时间线

先拉一下关键节点：

1
2
3
4
5
6
7
8
9
10
2025-02  开始用 Claude Code（研究预览版）
2025-03  写第一个 Prompt，手动迁试点工具
2025-04  抽出第一批 Skill，固化迁移规则
2025-05  UI 迁移 Agent 成型，13 个工具并行迁移
2025-06  Skill 库到 10+，开始复用
2025-07  Webpack 切 Vite，构建工具迁移完成
2025-08  迁移收尾，开始推团队
2025-09  CLAUDE.md + Subagent 模式进团队
2025-12  团队 AI 编码规范稳定
2026-03  写这篇复盘

你看这个节奏，一开始并没有设计好一套体系，是被需求推着一步步长出来的。

演进的四层

回看这两年，AI 编码工程化的演进大致分四层：

第一层：Prompt（2025 初）

最早就是写 Prompt。手动把 Vue 代码贴给 Claude，让它转成 React。

问题很明显：每次都要重复讲一遍规范，讲一遍约束，讲一遍验收标准。Prompt 越写越长，但换个文件又得重来。

Prompt 解决的是”AI 能不能干这个活”的问题，没解决”每次干得一样不一样”的问题。

第二层：Skill（2025 春）

Prompt 写多了，我发现重复的部分太多。把规范、映射规则、检查标准抽出来，写成 Skill，Claude Code 自动加载。

这一层解决的是一致性：13 个工具迁出来风格统一，靠的是 Skill 而不是 Prompt。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 一个 Skill 的骨架（脱敏）
## 适用场景
xxx 时使用本 Skill

## 规则
- 规则 1
- 规则 2

## 禁止项
- 禁止 xxx

## 验收标准
- tsc 零报错
- ESLint 零 error

Skill 让我从”每次教 AI 怎么做”变成了”教一次，以后自动复用”。

第三层：CLAUDE.md（2025 秋）

Skill 解决了”单次任务的一致性”，但团队里每个人用出来的风格还是不一样。因为全局的工程规范（技术栈、PR 流程、测试要求）不在 Skill 里，也不在每个人的脑子里一致。

CLAUDE.md 把团队级的规范写进了项目根目录，Claude Code 每次启动都读。这一层解决的是团队一致性：不是一个人的代码一致，是所有人的代码一致。

第四层：Subagent 编排（2025 末）

前面三层都是”一个 AI 怎么干好一件事”。到第四层，开始同时跑多个 Agent，处理并行的任务。

Subagent 编排解决的是并行效率：3 个人同时推 3 个功能，靠主 Agent 做编排和兜底，而不是各自单干。

1
2
3
4
5
6
编排层（主 Agent）
  ├── 任务 A（Subagent）
  ├── 任务 B（Subagent）
  └── 任务 C（Subagent）
       │
       └─ 各自带着 CLAUDE.md + Skill 跑

什么有效，什么没用

两年下来，有些判断我比较确定了：

有效的：

  • 规则先行。不管做什么，先把规则写成 Skill 或 CLAUDE.md，再让 AI 干。AI 干活快，但没规则的话，干得越快错得越多。
  • 分层设计。Skill 管单任务，CLAUDE.md 管全局，Subagent 管编排。各管各的，不混。
  • 验证自动化。AI 产出的代码必须过 lint + 类型检查 + 测试，没有人工 review 兜底的 AI 编码就是赌博。

没太大用的：

  • 教团队写 Prompt。投入产出比很低，每个人用法不同，教了也管不住。不如把精力放在 Skill 和 CLAUDE.md 上。
  • 追求 Prompt 的”完美”。Prompt 写到 80 分就够了，剩下 20 分靠 Skill 和验证流程补。追求 Prompt 完美是过度优化。
  • 什么都让 AI 干。有些事情（比如构建工具迁移的坑、线上故障排查）AI 给不了你答案，这些得靠人的经验。

AI 编码这件事，是用 AI 做好重复的部分，让人专注判断的部分，不是用 AI 替代人。

质量怎么保证

被问最多的一个问题：你们用 AI 写代码，质量怎么保证？

我的回答是：AI 产出的代码质量，取决于你的工程基建有多扎实，而不是 AI 有多聪明。

我们的质量兜底：

  1. CLAUDE.md 定规范，AI 按规范产出
  2. Skill 定规则，AI 按映射和约束干活
  3. ESLint + tsc 自动检查，格式和类型问题自动拦截
  4. e2e 覆盖核心路径，业务逻辑回归自动发现
  5. 人工 review，架构决策和边界 case 人来看

这五层里，前三层是自动的，第四层半自动，只有第五层是人。人的精力集中在真正需要判断的地方，不在格式和语法上。

如果重来一遍

如果重新来一次，我会调整两个节奏：

  • 更早推 CLAUDE.md。我是在迁移跑完之后才推的，其实应该在写第一个 Skill 的时候就同步建 CLAUDE.md，这样团队其他人介入更早。
  • 更早建 Subagent 编排。迁移时已经用了 Subagent，但日常开发用得晚。其实多工具并行的场景，越早用编排模式效率越高。

不过整体来看，这两年的演进路径是合理的：从 Prompt 到 Skill 到 CLAUDE.md 到 Subagent，每一层解决一个前一层没解决的问题。这套路径不是一开始设计出来的，是被需求推出来的。

AI 编码工程化跟所有工程化一样，没有银弹，只有一层一层地解决问题。你能解决多少层，AI 的产出就有多可靠。

理财线的 AI 编码体系到 2026 年算是基本成型了。但我知道这只是个开始：AI 编码的工具和范式变化太快，今年的体系明年可能就要重构。保持学习和调整，可能才是这套体系唯一不变的部分。