前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
返回 AI 情报前线
All News · 全部资讯9321
  • NoWreck:验证AI代码修改是否属实的工具
  • AI Agent成为新型攻击面:自我复制威胁研究
  • 多模型API退出测试:成本账本才是选型关键
  • 为什么不能只用Claude做所有事
  • Axonius多租户AI Agent隔离方案实践
  • 用LiteLLM将Claude Code路由到DeepSeek节省成本
  • Claude Code支持AGENTS.md跨工具标准配置
  • Coding Agent 账单省 50-70%:利用 sticky routing 保住 Prompt Cache 命中
  • AI Agent 为何还在用 while(true) 循环——工程陷阱深度剖析
  • SEO Agent 选 MCP 还是 REST?一份实用决策框架
  • SGLang深度解析:如何高效服务DeepSeek-V4-Pro
  • FlakeFixer: 用Agent自动分析Flaky Test
  • AI编码Agent记忆系统设计的四个教训:删除不是过期
  • 盲人开发者为视障群体打造AI描述应用ScribeMe
  • AI代码审查员的验证悖论:声称完成≠真正完成
  • LLM API多租户安全清单:tenants-safety essential
  • AI Agent不应持有你的钥匙:权限最小化原则
  • Claude 多智能体系统上演自复制恶意软件攻防战
  • MCP Server 开发避坑指南:工具描述比 TypeScript 更难
  • 生产级 Solana Agent 交易生命周期深度解析
  • 5分钟让AI助手读懂你的代码库
  • 用Python构建AI简历筛选器
  • Agent上下文满了该丢什么:长对话记忆管理实战
  • Warp推出Factories:一站式AI软件开发工厂基础设施
  • AI Agent试点到生产:成本暴涨700倍的教训
  • Cursor发布Origin功能:AI编程上下文管理
  • TryHackMe 提示词注入 CTF 实战攻略
  • 面向 Agent 的运维队列:失败自动转Ticket
  • 四个静默失败的 CI 检查:它们都是绿的,但什么都没做
  • AI 编码工具会读取 .env:本地 DLP 代理 Anonmyz 在prompt边界截流
  • Google 开源 SAM:零配置的 AI Agent P2P 发现与调用网络
  • Cursor Skills完全指南:格式规范与跨Agent迁移实测
  • OpenAI Codex Skills规范详解:目录结构与官方文档未记载的细节
  • 用Gitea自建Claude Code内部插件市场,团队Skill统一分发
  • Claude Skills规范深度解读:从格式到团队协作
  • 2026年LLM应用架构实战:摆脱if/else链式判断
  • Anthropic CEO:AI天然趋向集中,开源只是转移权力
  • 微软 Copilot 隐藏参数漏洞可被利用窃取密码
  • LangChain 揭示:Agent 效果不佳时换模型是误区,换 Harness 才是关键
  • 三阶段工作流让 AI Agent 保持精准:Research-Plan-Implement
  • 小米MiMo桌面应用即将上线,AI编程助手6月已开源
  • Agent成熟度记分卡:追踪AI Agent可靠性的五个核心维度
  • 模型趋同时代:系统架构比选模型更重要
  • 代码审核功能默认关闭的教训
  • 程序员用 Claude 为 Windows 专用 HP 打印机编写 macOS 驱动
  • NIST AI风险管理框架生产级RAG实战
  • Codex自动探索优化技能:研究-测试-评判闭环
  • AI协作UML编辑器:代码臭味一目了然
  • AI API成本降低95%的实战经验
  • 不同模型Tokenizer成本差异的技术解析
  • 我用低价模型替代OpenAI:生产迁移实录
  • 已加载 51 / 9321
8.0
热点
AI SCORE
编程提效2026-08-18 22:02

5分钟让AI助手读懂你的代码库

dev.to · AI#AI编程#Prompt技巧#开发者工具
Editor brief · 编辑速览

通过一段标准提示词模板,可自动生成CLAUDE.md等文件,让AI agent首次打开陌生仓库时即刻理解项目背景、真实命令和核心规则,无需每次重复上下文。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

你的 AI agent 每次新会话都对你的项目一无所知。

我已经发布过我的记忆网络的完整内部实现。但要提前说明:那篇文章的内容是我在每个项目上花了数月积累下来的,没有人不应该从那里开始看。

所以这篇文章是另一个极端。五分钟版本。一次粘贴,在一个真实仓库上实际产出的结果。

演示用的仓库就是你正在阅读的这个

我在这个网站的仓库上运行了设置 prompt。这个仓库对应的是 andrewdetwiler.com。用一个你能看到的东西来测试感觉恰到好处。

运行前的状态:34 次提交,一个 README,没有任何给 agent 用的记忆文件。一个全新的 agent 打开这个仓库,不会知道 em dash gate、embargo list,或者为什么短链接长那个样子。

我把 prompt 粘贴到一个全新的 agent 会话里,让它工作。

五个小文件,总共约九十行:

CLAUDE.md,主文件。网站是什么,真正的命令,以及重要的规则。它是从 README 里提取的规则而不是自己编造的:em dash gate、everything-is-ungated 规则、near-zero JS 姿态。

AGENTS.md,两行指向主文件的指针,这样任何工具都能找到它。

docs/now.md,当前正在发生的事。它读了最近的提交并记录了一篇博客文章正在文字润色阶段。

docs/decisions.md,从历史记录中找到了四个决定并写入其中。我最喜欢的一条:embargo word list 故意放在 git 外面,因为这个 list 本身就会泄露那些名字。这条推理埋在 README 里。现在它成了一条带日期的决定,agent 一行就读完了。

docs/notes.md,三条它只是通过阅读就注意到的 gotcha。其中一条是真的而且我从来没写下来过:pre-commit hook 在你运行 git config core.hooksPath .githooks 之前什么都不会做。一个全新的 clone 会直接越过 gate 提交。

最后这条值得停下来想想。没有人告诉它这个 gotcha。它就在仓库里,如果你仔细读的话。我从来没写过,所以每次全新会话都离不小心提交只差一步——然后就得用 hard way 来学到它。

诚实的范围,因为这是 prompt 工具包最容易过度承诺的地方。

它没有覆盖任何东西。这个仓库已经有两份 context 文件(一份 glossary 和一份 open-items list),prompt 设计成在已有内容周围添加,而不是替换它们。它读了这些文件并从主文件里指向它们。

它没有产生深度知识。冷读九十行只能算方向指引,不是真正的理解。decisions 文件从四条记录开始,因为历史记录只能支持这些。真正的价值在后面显现:当它植入的习惯部分开始在你做决定的那一天捕获决定时。

而且它是一个 prompt,不是一个程序。agent 遵循指令,所以你要检查它交回的简短报告。我的这个把这个仓库处理对了,但这个仓库很小而且 README 很诚实。你的可能需要一次修正。

Prompt 在 buildwithamemory.com 上免费且无限制获取,如果你不想要页面周边内容,原始文本在仓库里也有。

它可以和任何你用的 agent 一起工作。输出是你仓库里的普通 markdown 文件,你拥有的文件,就在它们描述的代码旁边。

运行一次,然后习惯来做剩下的:当你做一个决定时,它得到一行带日期的记录和一个理由。当某个东西咬了你,立即写一行。下一个会话,agent 先读这些。

它在你的仓库里写错了什么?

如果你运行了,我真心想知道它写了什么以及哪里漏掉了。Prompt 被设计成在仓库为空或混乱时说出来,但我只有我自己的仓库来测试,而且它们都有我的习惯内嵌其中。

这个 prompt 和演示运行是我自己的作品。其背后的方法借用了具名的人,记录在仓库里:CREDITS.md。

Original source

本文由 AI 翻译整理自 dev.to · AI,原文版权归原作者所有。

阅读英文原文
上一篇
生产级 Solana Agent 交易生命周期深度解析
下一篇
用Python构建AI简历筛选器