共 2 篇文章
AI编程大模型Agent规范研发效能AI Coding
个人提效，攒不成组织提效：货拉拉 AI Coding 落地实践
货拉拉技术中心在 1000+ 工程师、10+ 技术栈的规模下推进 AI Coding 一年，核心结论是个人提效攒不成组织提效。文章按三阶段复盘：先用统一工具配置和规范把 80% 人的下限抬起来，再以 SKILL.md/AGENTS.md 这类 spec 驱动 AI 按规范写，最终走向 AI Native 全生命周期闭环。它给出可落地的度量体系（采纳率、首次正确率、spec 命中率）和三个踩坑（工具边界、上下文该减不该加、对抗性审查），并提出 L1-L3 的人机分工与交付稳定性、决策权划分两条硬约束。适合正把 AI 编程从个人玩具推成组织能力的技术负责人。
2026-09-1712222
AI编程AI编程Claude CodeCLAUDE.md规范经验
写好 CLAUDE.md 的 8 条经验：让 Claude Code 更懂你的项目
总结写好 CLAUDE.md 的 8 条实践经验，让 Claude Code 更准确地理解项目上下文和编程规范。
2026-09-077000