Ruby China 社区开发工具节点

一夜重构！我用 18000 行代码打造了完全自研的 AI TUI 终端-IFAI Cli

peterfei — Mon, 27 Apr 2026 21:20:00 +0800

作者：peterfei 发布时间：2026-04-27 阅读时间：3 分钟 难度：⭐⭐⭐⭐⭐

凌晨 3 点的挑战

深夜，电脑屏幕前的咖啡已经凉了第三遍。

我盯着一段 1200 行的 match 语句——这是 IfAI CLI 的事件处理系统。每次添加新功能，都要在 15 个文件里修修补补，单元测试覆盖率一团糟。

"这不是我想要写的代码。"我对自己说。

凌晨 3 点，我做出了一个疯狂的决定：推倒重来，一夜之间重构整个 TUI 架构。

天亮之前，我做到了。

为什么选择自研 TUI？

市面上有现成的 TUI 框架（ratatui、crossterm），为什么还要自研？

因为 AI 工具的交互需求，与传统终端应用完全不同：

传统 TUI 应用	AI CLI 工具
静态菜单	实时流式输出
单一模式	多模式切换（输入/搜索/帮助/审批）
简单事件	复杂事件链（键盘 + 鼠标 + 流+工具调用）
固定布局	自适应布局（欢迎页/内容/帮助覆盖层）

现有的 TUI 框架解决的是"如何渲染"，但 AI 工具需要的是"如何智能交互"。

所以，我选择在 ratatui 之上，从零构建一套完整的 TUI 应用层架构。

一夜之间：从混乱到优雅

重构前的痛点

// ❌ 重构前：1200 行面条式代码
fn handle_event(event: Event, app: &mut App) {
    match event {
        Event::Key(key) => match key.code {
            KeyCode::Char('c') if key.modifiers == CONTROL => {
                // Ctrl+C 处理（嵌套 if-else）
                if app.input_mode {
                    if app.search_mode {
                        // ...
                    } else {
                        // ...
                    }
                }
            }
            // ... 还有 100+ 个按键组合
        }
        Event::Mouse(mouse) => match mouse.kind {
            MouseEventKind::ScrollUp => {
                // 滚动处理（30 行嵌套逻辑）
            }
            // ...
        }
    }
}

问题：

添加一个搜索功能，需要改 8 个文件
单元测试难以编写（所有逻辑耦合在一起）
模式切换逻辑混乱（if app.search_mode && !app.input_mode）

重构后的架构

// ✅ 重构后：声明式事件路由
fn build_event_router() -> EventRouter<Event> {
    EventRouter::new()
        .on(|e| matches!(e, Event::Key(_)), HelpEnterHandler)
        .on(|e| matches!(e, Event::Key(_)), HelpExitHandler)
        .on(|e| matches!(e, Event::Key(_)), SearchEnterHandler)
        .on(|e| matches!(e, Event::Key(_)), SearchInputHandler)
        .on(|e| matches!(e, Event::Key(_)), CombinedKeyHandler)
        .on(|e| matches!(e, Event::Mouse(_)), MouseScrollHandler::new())
        .fallback(IgnoreHandler)
}

优势：

每个处理器平均 30 行代码
添加新功能只需 2 个文件改动
单元测试覆盖率 100%

代码量对比： | 指标 | 重构前 | 重构后 | 改善 | |------|--------|--------|------| | 事件处理代码 | 1200 行 | 400 行 | -67% | | 单元测试覆盖 | 未知 | 404/404 通过 | 100% | | 新功能改动文件 | 15 个 | 2 个 | -87% |

完全自研的 TUI 组件

IfAI CLI 的 TUI 不是简单的 ratatui 封装，而是从应用需求出发，完全自研的组件系统。

1. 自研输入框 (input_composer.rs)

为什么不用 rustyline？因为需要与 ratatui 渲染深度集成。

pub struct InputComposer {
    buffer: String,
    cursor_pos: usize,  // 字节索引，正确处理 UTF-8
    history: Vec<String>,
    history_index: Option<usize>,
    draft_backup: String,  // 浏览历史时保存草稿
}

impl InputComposer {
    // 正确处理 CJK 字符的 Backspace
    pub fn handle_key(&mut self, key: KeyEvent) -> InputAction {
        match key.code {
            KeyCode::Backspace => {
                let prev_char_start = self.buffer[..self.cursor_pos]
                    .char_indices()
                    .last()
                    .map(|(i, _)| i)
                    .unwrap_or(0);
                self.buffer.drain(prev_char_start..self.cursor_pos);
                self.cursor_pos = prev_char_start;
            }
            // ...
        }
    }
}

// 光标列计算（CJK 字符占 2 列）
pub fn cursor_col(composer: &InputComposer) -> u16 {
    let display_width: usize = composer.buffer[..composer.cursor_pos]
        .chars()
        .map(char_width)
        .sum();
    (composer.prompt.len() + display_width + 2) as u16
}

技术亮点：

字节级光标位置（正确处理 UTF-8 多字节字符）
CJK 字符显示宽度计算
历史记录草稿备份
与 ratatui 的 Widget trait 集成

2. 自研欢迎页 (welcome.rs)

极简设计，无 ASCII art，启动时自动显示：

pub struct WelcomeWidget {
    title: String,
    subtitle: String,
}

impl WelcomeWidget {
    pub fn render(&self) -> Vec<Line<'static>> {
        vec![
            Line::from(""),
            Line::from(vec![
                Span::default(), /* ... 21 个 default spans 用于居中 ... */
                Span::styled(
                    "Welcome to IfAI",
                    Style::default()
                        .fg(Color::Cyan)
                        .add_modifier(Modifier::BOLD),
                ),
            ]),
            // 快捷键提示...
        ]
    }
}

实现细节：

空状态检测：app.is_empty() → 显示欢迎页
静态字符串满足 'static 生命周期
居中对齐算法（21 个 Span::default() 硬编码）

3. 自研快捷键帮助系统 (keybindings.rs)

声明式快捷键定义，分类展示：

pub struct KeybindingCategory {
    pub name: &'static str,
    pub bindings: Vec<KeyBinding>,
}

pub fn get_all_categories() -> Vec<KeybindingCategory> {
    vec![
        KeybindingCategory::new(
            "📝 输入操作",
            vec![
                KeyBinding { keys: "Enter", description: "提交输入" },
                KeyBinding { keys: "Ctrl+C", description: "清空输入 / 中断" },
            ],
        ),
        // ...
    ]
}

按 ? 键唤起帮助覆盖层，左对齐 + 缩进布局，比 Codex 的复杂边框更易读。

4. 实时搜索高亮算法

支持大小写不敏感匹配、循环导航、三种高亮样式：

fn highlight_search_term(
    line: &str,
    query: &str,
    is_current: bool,
    is_other: bool
) -> Line<'static> {
    let mut spans = Vec::new();
    let mut last_pos = 0;

    while let Some(pos) = line[last_pos..].to_lowercase()
        .find(&query.to_lowercase()) {

        let style = if is_current {
            Style::default().fg(Color::Black).bg(Color::Yellow)
        } else if is_other {
            Style::default().fg(Color::Black).bg(Color::White)
        } else {
            Style::default().fg(Color::Yellow)
        };

        spans.push(Span::styled(&line[pos..pos + query.len()], style));
        last_pos = pos + query.len();
    }

    Line::from(spans)
}

技术要点：

零配置：Ctrl+F 进入搜索模式
实时反馈：输入即显示
循环导航：↑/Enter / ↓/Shift+Enter
状态持久化：搜索结果在匹配项间切换

18000 行代码的工程奇迹

代码结构

src-tauri/src/bin/ifai/
├── main.rs                 (1065 行) — 入口 + 事件循环
├── tui.rs                  (896 行)  — TUI 核心
├── session.rs              (1788 行) — 会话管理
├── render.rs               (1148 行) — 渲染引擎
├── input_composer.rs       (661 行)  — 输入框
├── approval_overlay.rs     (777 行)  — 审批面板
├── permission_store.rs     (1078 行) — 权限存储
├── commands.rs             (1308 行) — 命令处理
├── event/
│   └── handlers.rs         (480 行)  — 事件处理器
├── token/
│   └── stream_status.rs    (795 行)  — Token 追踪
└── ... (20+ 其他模块)

总计：18013 行纯手工打造的 Rust 代码

测试覆盖

$ cargo test -p ifainew
test result: ok. 404 passed; 0 failed; 9 ignored

404 个单元测试，100% 通过率，涵盖：

UTF-8 字符边界处理
CJK 宽度计算
事件处理器责任链
搜索高亮算法
权限规则匹配

技术亮点

1. 责任链模式事件系统

每个事件处理器都是独立的 struct，实现了 EventHandler trait：

pub trait EventHandler<E> {
    fn handle(&mut self, event: &E, app: &mut App) -> ControlFlow;
}

pub enum ControlFlow {
    Continue,  // 继续传递给下一个处理器
    Break(AppResult),  // 停止处理并返回结果
}

优势：

单一职责：每个处理器只做一件事
可测试性：独立 struct，单元测试简单
可扩展性：添加新功能只需新增处理器

2. 零拷贝渲染

使用 Line<'static> 避免字符串分配：

pub fn render(&self) -> Vec<Line<'static>> {
    vec![
        Line::from("Welcome to IfAI"),  // &'static str
        Line::from(vec![
            Span::styled("快捷键：", Style::default().fg(Color::Yellow)),
        ]),
    ]
}

3. 多模态智能切换

自动检测图片内容并切换到视觉模型：

pub fn select_model_with_multimodal_support(
    request: &StreamRequest
) -> String {
    let has_multimodal = request.messages.iter()
        .any(|msg| matches!(msg.content, MessageContent::Image { .. }));

    if has_multimodal {
        if !model.contains("4v") && !model.contains("5v") {
            return "glm-4.5v".to_string();
        }
    }

    request.model.clone()
}

4. Claude Code 风格审批系统

底部弹出面板 + 数字选项选择 + 持久化白名单：

pub enum ApprovalDecision {
    ApproveOnce,         // 本次允许
    ApproveAlways,       // 持久化白名单（Bash 工具）
    ApproveSession,      // 会话级允许（文件编辑）
    Deny,                // 拒绝
    Abort,               // 中止请求
}

持久化到 ~/.ifai/permissions.toml：

[[allow]]
tool = "bash"
pattern = "git diff:*"

[[deny]]
tool = "bash"
pattern = "rm -rf /*"

通宵重构的经验总结

如果你也想挑战一夜重构，这几点经验或许有用：

✅ DO - 应该做的

写测试先行 - 元编程的 bug 往往更难调试
保持责任链简洁 - 每个处理器只做一件事
善用 IDE - Rust-Analyzer 对宏支持很好
记录设计决策 - 为第二天重构的自己留文档

❌ DON'T - 避免做的

不要过度抽象 - 表驱动不是万能药
不要忽视性能 - 元数据加载也有开销
不要忘记 Windows - 条件编译要测试
不要牺牲可读性 - 代码是写给人看的

性能数据

指标	v0.4.3	v0.4.4	改善
二进制大小	3.2 MB	3.1 MB	-3%
编译时间	45s	38s	-16%
内存占用	12 MB	10 MB	-17%
启动时间	80ms	65ms	-19%

为什么 Rust + 元编程是未来？

1. 编译时计算替代运行时开销

Rust 的宏系统 + 零成本抽象，让元编程不像反射那样拖累性能。

2. 类型安全的动态配置

表驱动设计在动态语言中很常见，但 Rust 带来了类型安全 + 内存安全的双重保障。

3. 符合 AI 时代的开发范式

当你在写 AI 代码生成工具时，元编程思维是必备技能。因为：

🤖 AI 本质上是 "元"（Meta）的 - 代码生成代码
📊 表驱动是 AI 配置的基础
🔄 可扩展性决定了 AI 工具的上限

结语

凌晨 5 点，当最后一杯咖啡喝完，我看到测试通过的绿色输出：

test result: ok. 404 passed; 0 failed; 9 ignored

这种满足感，是任何技术热点都给不了的。

因为我知道：这不仅是一个工具，更是对未来开发范式的一次探索。

IfAI CLI v0.4.4 是一次通宵重构的成果，更是对"如何构建优雅的 AI 工具"的一次回答。

完全自研的 TUI 架构，不是炫技，而是对用户体验的极致追求。

试用 & 参与

如果你对 IfAI CLI 感兴趣，欢迎：

⭐ GitHub：github.com/peterfei/ifai
brew 下载：brew install ifai
🐛 提 Issue 或者回复：任何问题都有反馈
💬 加微信群：和更多技术爱好者交流

如果你也想打造自己的 AI CLI，或者对元编程架构有疑问，欢迎在评论区讨论！

作者：peterfei

全栈工程师 / AI 架构师 / Rust 爱好者 / 通宵战士/ IFAI 作者

#AI 工具 #Rust 编程 #TUI 开发 #元编程 #通宵重构 #CLI 工具

一个 Tauri + Rust AI 编辑器是怎么同时适配 5 家 AI 大厂的？IfAI v0.4.3 架构拆解

peterfei — Fri, 24 Apr 2026 17:52:27 +0800

一份 YAML 文件搞定一家 AI 提供商。IfAI Editor v0.4.3 用元数据驱动架构同时接入 OpenAI、DeepSeek、智谱、Kimi、Gemini 五家大模型厂商共 53 个模型，一行配置即可扩展新 Provider。本文拆解其架构设计、多模态统一抽象、SSE 流解析关键 Bug 修复，以及国际化工程化实践。

五家 AI 大厂，一个编辑器

2026 年的大模型战场，没有一家通吃。

厂商	代表模型	优势场景
OpenAI	GPT-5.4, O1, O3	最强推理、视觉理解、工具调用
DeepSeek	DeepSeek V3.2	极致性价比，$0.028/千 Token
智谱 AI	GLM-5.1, GLM-4.5V	中文优化、视觉模型、Flash 高速推理
Kimi（月之暗面）	K2.6, K2.5	Thinking 思维链、256K 超长上下文、多模态
Google Gemini	Gemini 3.1, 2.5 Pro	百万级上下文、原生多模态、免费 API

这五家提供商，协议各不相同：OpenAI 一套、Gemini 一套、DeepSeek 和 Kimi 虽然走 OpenAI 兼容格式但字段有差异。

做一个 AI 编辑器，最痛苦的事不是写前端 UI、不是做工具调用审批——是每接入一个新的 AI 提供商，就要手写 500 行适配代码。模型列表硬编码、请求格式手动转换、SSE 解析各写各的。

IfAI Editor v0.4.3 的核心目标只有一个：消灭这种重复。

元数据驱动：用 YAML 替代 500 行 Rust 代码

我们的方案是元数据驱动的 Provider 架构。每个 AI 提供商不再需要手写 Rust 客户端，而是用一个 YAML 文件描述全部信息：

metadata:
  id: kimi-official
  name: Kimi 官方
  provider_type: ai

api_spec:
  base_url: https://api.moonshot.cn/v1
  endpoint: /chat/completions
  auth:
    type: bearer_header
    header_name: Authorization
    format: "Bearer {key}"

models:
  - id: kimi-k2.6
    name: Kimi K2.6
    context_tokens: 256000
    capabilities: [tools, streaming, vision, thinking, json_output]

后端通过 Rust 的 generate_provider_client! 宏，在编译期自动生成客户端代码。前端读取同一份 YAML 配置，自动渲染 Provider 选择界面和模型列表。

效果：

指标	重构前	重构后
单个 Provider 代码量	~500 行	~150 行
接入新 Provider 耗时	数天	数分钟
重复代码率	~95%	~0%

多模态：一张图、一个 PDF、一段代码，怎么统一？

多模态输入是 2025 年 AI 编辑器的标配。但不同提供商的多模态传输格式完全不同：

OpenAI：content: [{type: "image_url", image_url: {url: "base64..."}}]
Gemini：inline_data: {mime_type: "image/png", data: "base64..."}
Kimi/DeepSeek：走 OpenAI 兼容格式，但支持的字段有差异

IfAI v0.4.3 的做法是统一内容抽象——所有输入被归一化为 MultimodalContent 格式：

// 统一的多模态内容表示
interface MultimodalContent {
  type: 'text' | 'image' | 'pdf' | 'code';
  content: string;
  metadata?: {
    filename?: string;
    language?: string;
    mimeType?: string;
    size?: number;
  };
}

// 发送时，FormatAdapter 自动转换为各提供商格式
const message = [
  { type: 'text', content: '分析这张架构图' },
  { type: 'image', content: 'data:image/png;base64,...' },
  { type: 'code', content: 'fn main() { ... }',
    metadata: { filename: 'main.rs', language: 'rust' } }
];

前端还实现了智能粘贴检测——用户粘贴截图、拖拽文件时，自动识别内容类型并转换为多模态格式。图片超过 5MB 自动压缩，相同图片 Base64 只编码一次（缓存命中省 40% 内存）。

那个让所有 Provider 都罢工的 SSE Bug

这是 v0.4.3 修复的最关键 Bug，影响所有 OpenAI 兼容提供商。

问题出在 SSE 流解析的 finish_reason 判断：

// Bug：finish_reason: null 也被判定为 finish 事件
let is_finish_event = json.get("finish_reason").is_some();
// 结果：所有内容事件被跳过，用户收到空响应

JSON 中 finish_reason: null 意味着"流还没结束"，但 Rust 的 json.get("finish_reason").is_some() 对 null 值也返回 true——于是每个 content chunk 都被错误识别为结束事件。

修复：

// 正确：null 不会通过 as_str()
let is_finish_event = json.get("finish_reason")
    .and_then(|v| v.as_str())
    .is_some();

一行修复，解决 Kimi、DeepSeek、智谱、OpenAI 以及所有使用 OpenAIFormatAdapter 的提供商的流式响应问题。

Kimi K2 的 Thinking 模式：双重内容流

Kimi K2 系列有个独特功能——SSE 流中同时返回思考过程和最终响应：

{
  "choices": [{
    "delta": {
      "reasoning_content": "让我分析一下用户的需求...",
      "content": "根据您的需求，建议如下..."
    },
    "finish_reason": null
  }]
}

IfAI v0.4.3 自动识别 reasoning_content 字段，将思考过程和正式响应分流显示。用户可以查看模型的"思维链"，同时获得干净的回答。

53 个模型，各有所长

v0.4.3 共接入 5 家提供商、53 个模型，覆盖从轻量到旗舰的全系列：

OpenAI（15 个模型）：从 GPT-3.5 Turbo 到 GPT-5.4，覆盖 O1/O3 推理系列。GPT-5.4 和 O3 支持最长 200K 上下文，适合复杂代码审查和长文档分析。

DeepSeek（1 个模型）：DeepSeek Chat V3.2，128K 上下文，支持工具调用和函数调用。关键是价格——缓存命中仅需 $0.028/千 Token，是日常编码助手的最佳选择。

智谱 AI（11 个模型）：GLM-5.1 为最新旗舰，GLM-4.5V 提供视觉理解能力，GLM-4.7 Flash 提供高速推理。中文场景表现突出，GLM-3 Turbo 提供 32K 上下文的轻量选择。

Kimi（12 个模型）：K2.6 为最新旗舰，支持 Thinking 模式和 256K 超长上下文。K2 Thinking 系列专门用于复杂推理，V1 系列提供 8K/32K/128K 三种上下文选择，还有 Vision Preview 版本支持图片理解。

Gemini（15 个模型）：从 1.5 到 3.1 三代产品。Gemini 1.5 Pro 拥有 2.8M 超长上下文（行业最长），3.1 系列支持图像生成预览。全部模型支持 1M 以上上下文，适合处理大型代码库和长文档。

国际化工程化：2749 个键，三种语言，怎么保证一致性？

v0.4.3 新增俄语支持，现在覆盖中/英/俄三种语言，共 2749 个翻译键。

真正的难点不是翻译本身，而是一致性保障。2749 个键分布在 3 个 JSON 文件中，手动对齐几乎不可能出错。

我们用工程化手段解决：

自动化校验脚本：check-i18n-parity.mjs 在每次 commit 时自动比对三个语言文件的键集合，发现不一致直接阻止提交（退出码 1）
硬编码扫描：scan-hardcoded-strings.mjs 扫描源码中未走 i18n 的中文硬编码
Pre-commit Hook：husky + lint-staged，修改 locales/*.json 时自动触发校验
CI 门禁：GitHub Actions 中 TypeScript 类型检查 + i18n 一致性校验 + 单元测试三道关卡

数据总览

v0.4.3 版本的工程数据：

指标	数据
AI 提供商	5 家（OpenAI、DeepSeek、智谱、Kimi、Gemini）
模型总数	53 个
最长上下文	2.8M (Gemini 1.5 Pro)
最短上下文	8K (GLM-3 Turbo, Moonshot V1 8K)
支持视觉	4 家（OpenAI、智谱、Kimi、Gemini）
支持工具调用	5 家（全部）
支持 Thinking	2 家（OpenAI O1/O3、Kimi K2）
协议	OpenAI Standard（4 家）+ Gemini Custom（1 家）
i18n	2,749 键，中/英/俄 100% 对齐
测试	1155 单元测试通过，417 E2E 测试零失败
代码变更	+5,500 / -2,000 行

写在最后

AI 编辑器的竞争，正在从"能不能用"转向"好不好接"。

元数据驱动架构的核心思想其实很简单：把变化的部分从代码中抽离出来，变成数据。Provider 会越来越多，模型会越来越快，协议会不断演进——但只要描述这些变化的元数据格式稳定，代码就不用改。

这是 v0.4.3 最重要的架构决策：让配置做配置的事，让代码做代码的事。

*IfAI Editor 是基于 Tauri 2.0 + Rust 构建的跨平台 AI 代码编辑器，开源地址见 GitHub。 *

开源地址:Ifai

Vibe coding 友好：开发环境专用网关，mDNS 发布主机名本地访问，一键 Cloudflare Tunnel 共享

ratazzi — Sat, 28 Feb 2026 11:00:56 +0800

做了一个本地开发网关 Coulson，灵感来自早年 macOS 上的 Pow，用 Rust 重写并大幅扩展。

核心思路：告别 localhost:端口号，每个项目一个 .local 域名，链接即用。

解决什么问题

本地开发经常遇到：

同时跑好几个项目，记不住谁是哪个端口
想在手机上测试，得查 IP、开防火墙
想给同事/甲方看一眼效果，搞内网穿透折腾半天
调试 webhook 回调，需要一个公网能访问的地址，请求失败了还得让对方重发

Coulson 用一套方案覆盖这些场景。

使用方式

安装：下载 Coulson.app 打开即可，守护进程自动启动。

1. 端口代理 — 一行搞定

已有服务跑在 3000 端口：

echo 3000 > ~/.coulson/myapp
# 访问 http://myapp.coulson.local:18080/

文件名就是域名前缀，写入端口号就完事了。

2. Python / Node.js — 首次访问自动启动

软链接项目到 ~/.coulson/，Coulson 自动识别并管理进程：

ln -s ~/Projects/hello ~/.coulson/hello
# 访问 http://hello.coulson.local:18080/

Python：检测到 app.py + pyproject.toml → 自动用 uvicorn/granian 启动
Node.js：检测到 package.json → 自动识别包管理器（bun/pnpm/yarn/npm），运行 dev 脚本

空闲 15 分钟自动回收，下次访问再拉起。

3. 手机/局域网 — mDNS 直连

在 Web 控制台或菜单栏应用中给项目开启「LAN Access」，.local 域名通过 mDNS 发布，同网段的手机、平板等设备即可直接访问。

4. 公网分享 — 一条命令

coulson tunnel start myapp

生成公网链接（基于 Cloudflare Tunnel），发给任何人即可访问。支持快速隧道（随机 URL）和命名隧道（自有域名泛解析，新增项目即时可达）。

5. 请求记录与重放

对项目开启 Inspect，网关自动记录每个请求的完整信息，可在 Web 控制台回看并一键重放。调试 webhook 不用再让对方重发。

为什么说 Vibe coding 友好

在外面用手机或平板 SSH 到开发机，通过 Claude Code、OpenCode、Codex 这些终端工具 vibe coding，服务跑起来了但没法预览。开一条 Tunnel，项目即时获得公网地址，在手机浏览器里直接看效果。

其他特性

Web 控制台 + macOS 菜单栏应用
sudo coulson trust 一键信任本地 CA，开启 HTTPS
sudo coulson trust --pf 接管 80/443，省略端口号
同域名多路由（按路径前缀分发到不同后端）
配置变更 2 秒内自动生效

技术栈

Rust + Pingora（Cloudflare 开源的反向代理库）、Swift（macOS 菜单栏应用）。

GitHub: https://github.com/ratazzi/coulson

IfAI v0.3.0 - Multimodal Intelligence 发布

peterfei — Fri, 16 Jan 2026 09:48:21 +0800

IfAI v0.3.0 - Multimodal Intelligence 发布说明

发布日期: 2026-01-14 版本代号: Multimodal Intelligence 核心主题: 从"文本"到"多模态"的感知升级

🎯 版本概述

v0.3.0 实现了从纯文本交互到多模态感知的重大飞跃。AI 不再只能理解代码，现在可以直接"看到"图片、理解视觉内容，同时具备强大的代码分析和重构能力。

五大核心升级:

文本对话 → 多模态对话: 支持拖拽图片直接对话，AI 可理解视觉内容
单一调度 → 混合调度: 本地 LLM + 远程 API 灵活切换
基础补全 → 智能导航: Go to Definition / Find References 支持 35+ 主流语言
手动重构 → AI 重构: 自动检测代码异味并生成重构方案
新手友好 → 零门槛: 新手引导 Tour 系统，5 分钟上手

✨ 核心功能

1️⃣ 多模态 Vision LLM (Multimodal Understanding)

突破: AI 现在可以直接"看"到图片并理解视觉内容。

功能	描述
图片拖拽上传	直接拖拽图片到聊天区域，自动转为 base64
截图快捷上传	系统截图后直接粘贴 (Cmd+V) 到编辑器
视觉内容理解	AI 分析图片中的 UI、代码、架构图
多图片附件	支持一次对话上传多张图片
自动清理机制	发送后自动清除图片附件，保持界面整洁

技术实现:

Base64 编码处理图片数据
自动检测 Vision API 模型 (Claude 3.5 Sonnet / GPT-4V)
Token 计数自适应图片大小
支持 PNG、JPG、JPEG、GIF、WebP 格式

测试覆盖: MM-UI-01 ~ MM-UI-05 (5 个测试全通过)

2️⃣ 本地/远程混合调度 (Hybrid LLM Scheduling)

突破: 不再依赖单一 API，灵活调度本地和远程模型。

功能	描述
Ollama 本地模型	支持 llama3、qwen2.5 等本地部署模型
远程 API 支持	Anthropic Claude, OpenAI GPT-4
智能路由	根据任务类型自动选择最适合的模型
降级保护	远程 API 失败时自动降级到本地模型
成本优化	简单任务用本地模型，复杂任务用云端

配置示例:

{
  "llm": {
    "provider": "anthropic",
    "model": "claude-3-5-sonnet-20241022",
    "fallback": {
      "provider": "ollama",
      "model": "llama3.1"
    }
  }
}

测试覆盖: MM-UI-01, MM-UI-03 (真实 AI 验证通过)

突破: 支持 35+ 主流语言的符号级导航。

功能	描述
Go to Definition	跳转到函数/变量/类的定义位置
Find References	查找符号在项目中的所有引用
跨语言支持	TypeScript、Rust、Python、Go、Java、C++、Ruby、PHP 等
LSP 集成	基于 Language Server Protocol 标准实现
项目范围索引	自动索引当前工作区所有文件

快捷键:

F12 / Cmd+Click: 跳转到定义
Shift+F12 / Right-click: 查找所有引用

支持的语言 (35+): JavaScript, TypeScript, Python, Rust, Go, Java, C, C++, C#, PHP, Ruby, Swift, Kotlin, Dart, Lua, Scala, Groovy, PowerShell, Shell, YAML, JSON, Markdown, HTML, CSS, Vue, Svelte, etc.

测试覆盖: DEF-01 ~ DEF-05 (5 个测试全通过), REF-01 ~ REF-04 (4 个测试全通过)

4️⃣ AI 代码重构 (AI-Powered Refactoring)

突破: AI 自动检测代码异味并生成重构方案。

功能	描述
代码异味检测	自动识别长函数、重复代码、复杂条件等问题
结构化重构	一键将复杂代码拆分为清晰的函数/类结构
智能建议	AI 分析代码上下文，生成符合最佳实践的重构方案
预览模式	Diff 视图预览重构变更，Accept/Reject 控制
Undo 支持	完整的撤销支持，不满意可随时回退

检测的代码问题:

长函数 (Long Function)
重复代码 (Code Duplication)
复杂条件 (Complex Conditionals)
魔法数字 (Magic Numbers)
不一致的命名 (Inconsistent Naming)

测试覆盖: REF-001, REF-002 (代码分析重构相关测试)

5️⃣ 新手引导 Tour (Interactive Onboarding)

突破: 零门槛上手，5 分钟快速掌握核心功能。

功能	描述
首次启动引导	新用户首次启动自动播放 Tour
分步教程	分步骤介绍聊天、多模态、行内编辑等核心功能
高亮提示	自动高亮相关 UI 元素，配合文字说明
跳过/重播	支持跳过 Tour，通过帮助菜单重新播放
进度记忆	记录用户完成状态，避免重复打扰

引导内容:

欢迎页面介绍
聊天功能演示
多模态图片上传
行内编辑 (Cmd+K)
快捷键说明
帮助与文档入口

测试覆盖: TOUR-E2E-01 ~ TOUR-E2E-04 (4 个测试全通过)

6️⃣ UI 加载反馈 (Loading Feedback)

突破: 实时加载动画，告别"空白等待"焦虑。

功能	描述
聊天加载动画	"IFAI 正在思考..." + 旋转 Spinner
行内编辑加载	"IFAI 正在处理..." + 输入框禁用保护
Pulse 动画	平滑的脉冲动画，视觉反馈清晰
状态管理	Zustand 全局状态统一管理加载状态
自动清理	AI 响应完成后自动清除加载状态

测试覆盖: MM-UI-01 ~ MM-UI-05, IE-LOAD-01 ~ IE-LOAD-04 (9 个测试全通过)

7️⃣ 多工作区支持 (Multi-Workspace Support)

突破: 同时管理多个项目，无缝切换上下文。

功能	描述
多目录索引	同时索引多个工作区目录
智能路径解析	自动处理跨文件引用路径
项目切换	快速切换不同项目的上下文
符号跨项目查找	在多个项目中查找符号定义和引用

8️⃣ Tauri 外链支持 (External Links)

突破: 桌面应用原生打开外部链接。

功能	描述
Shell API 集成	使用 Tauri Shell API 打开系统浏览器
降级保护	API 失败时降级到 window.open()
帮助菜单链接	文档、GitHub、Issues 等外部链接
关于页面链接	Wiki、Repository、Discussions

测试覆盖: ABOUT-01 ~ ABOUT-05 (5 个测试全通过)

🛠 技术改进

多模态处理

Base64 编码优化: 高效的图片编码处理，内存占用优化
Token 计数自适应: 根据图片分辨率自动估算 token 消耗
Vision API 检测: 自动识别支持视觉的 LLM 模型

编辑器增强

符号索引系统: 基于 tree-sitter 的多语言符号解析
LSP 客户端集成: 标准化 Language Server Protocol 支持
跨工作区路径解析: 智能处理多项目符号引用

UI/UX 优化

Zustand 全局状态管理: 统一的加载状态管理
Tauri Shell API: 原生外部链接打开支持
加载反馈动画: Pulse + Spinner 组合动画

测试覆盖

36/36 E2E 测试全部通过
真实 AI 验证: 包含真实 API 调用的端到端测试
多模态测试: 5/5 测试通过
代码分析测试: 9/9 测试通过
帮助页面测试: 5/5 测试通过

📊 性能表现

指标	v0.2.9	v0.3.0	改进
E2E 通过率	100% (23/23)	100% (36/36)	+56% 测试数
符号索引速度	~1s	~0.5s	50% 提升
多模态响应延迟	N/A	~2s	新增功能
图片上传处理	N/A	<100ms	新增功能

🐛 Bug 修复

Issue	描述	修复方式
MM-001	多模态图片 token 计数异常	修正 Base64 编码后的 token 计算公式
MM-002	多模态图片不能识别	添加 Vision API 模型检测逻辑
EDT-001	行内编辑后无加载反馈	添加 isProcessing 状态和动画
LNK-001	Tauri 应用外链点击无反应	使用 Shell API 替代 window.open()

🔄 升级指南

从 v0.2.9 升级

更新依赖:

npm install
cd src-tauri && cargo update

配置文件更新: 如需使用多模态功能，确保配置支持 Vision API 模型（如 Claude 3.5 Sonnet）
重新构建:
```
npm run tauri build
```
首次启动: v0.3.0 首次启动会自动播放新手引导 Tour

📝 已知问题

图片大小限制: 单张图片建议不超过 5MB，过大可能导致 token 溢出
本地模型多模态: Ollama 本地模型暂不支持 Vision，多模态功能需使用远程 API
跨语言符号查找: 部分语言的 LSP 支持有限，符号查找可能不完整

🚀 下版本预告 (v0.3.1)

v0.3.1 将继续优化多模态和代码分析体验：

视频理解支持: 支持短视频帧分析
代码补全增强: 基于多模态的 UI 代码智能补全
符号搜索改进: 模糊匹配和驼峰拆分搜索
更多 LSP 语言: 扩展到 50+ 语言支持

🙏 致谢

感谢所有参与 v0.3.0 测试和反馈的用户，特别是：

多模态功能测试的贡献者
代码分析功能的反馈者
Bug 报告和功能建议的用户
社区的持续支持

下载: https://github.com/peterfei/ifai/releases/tag/v0.3.0

完整文档: https://docs.ifai.today/

讨论区: https://github.com/peterfei/ifai/discussions

IfAI v0.2.6 性能压测与稳定性报告

peterfei — Thu, 08 Jan 2026 15:26:50 +0800

测试时间：2026-01-07 版本对比：v0.2.5 vs v0.2.6 测试环境：Apple M1 Max (32GB RAM) / macOS Darwin 25.0.0 测试团队：IfAI 性能实验室

执行摘要

IfAI v0.2.6 在渲染性能、Agent 稳定性和资源占用三个核心维度均实现了显著提升。通过引入虚拟滚动、路径感知和内存管理优化，v0.2.6 成为 IfAI 发布以来最稳健、响应最快的版本。

核心结论：

渲染流畅度提升 120%
Agent 自主性提升 85%
CPU 占用降低 30%
综合评分：9.25/10

1. 核心渲染压测 (Rendering Stress Test)

1.1 Snippet Manager 万级列表滚动

测试场景：在代码片段管理器中模拟加载 10,000 条独立代码块。

测试结果：

指标	v0.2.5	v0.2.6	提升幅度
批量插入耗时	3200ms	1004ms	⚡ +68%
全文检索延迟	N/A	480ms	🎯 首次支持
滚动帧率 (FPS)	60-80	110-120	🚀 +50%+
内存占用 (峰值)	~450MB	~280MB	💾 -38%

技术原理：通过 @tanstack/react-virtual 实现的虚拟滚动技术，仅渲染可见区域的 DOM 节点。对于 10,000 条数据，实际渲染的 DOM 节点数量稳定在 20-30 个，大幅降低了浏览器的重绘压力。

代码片段：

// 核心实现逻辑
const virtualizer = useVirtualizer({
  count: snippets.length,
  getScrollElement: () => parentRef.current,
  estimateSize: () => 120, // 每个snippet高度
  overscan: 5 // 预渲染数量
});

结论：✅ 通过 VirtualScroll 技术的深度集成，海量数据的内存占用和渲染压力已不再是瓶颈。

1.2 高速流式响应 (High-speed Streaming)

测试场景：模拟 AI 以 50 tokens/sec 的超高速持续输出长代码（5000+ 行）。

测试结果：

指标	v0.2.5	v0.2.6	改进
UI 响应延迟	30-50ms	< 15ms	💎 零感卡顿
CPU 占用	基准	-30%	🔋 节能优化
内存增长速率	~15MB/sec	~5MB/sec	📉 -67%
长对话稳定性	偶尔卡顿	完全流畅	✅ 稳定

技术原理：引入 VirtualMessageList 组件，配合 React 的 useTransition 和 useDeferredValue，实现了低优先级更新的自动调度。历史消息的重绘被完全隔离，新消息的渲染优先级得到保证。

火焰图对比：

v0.2.5:
[Script] ████████████████████ 85%
[Rendering] ████████████████ 70%
[Idle] ███ 5%

v0.2.6:
[Script] ███████████ 50%
[Rendering] ████████ 35%
[Idle] ████████████ 50%

结论：✅ VirtualMessageList 的引入有效隔离了历史消息的重绘压力，长对话场景下的响应稳定性极大提升。

2. Agent 系统负载测试 (Agent System Load)

2.1 Bash 工具高频并发

测试场景：模拟 Agent 在 5 秒内连续触发 10 次 echo 与文件检查操作。

测试结果：

指标	结果
任务成功率	100% (10/10)
路径校准耗时	< 1ms (平均 0.6ms)
死循环发生率	0%
路径偏移错误	0 次

并发压测脚本：

# 模拟并发场景
for i in {1..10}; do
  echo "Test $i" && ls -la && pwd
done

技术原理： Rust 层的 calibrate_project_root 函数实现了根目录校准的防御逻辑：

pub fn calibrate_project_root() -> PathBuf {
    let mut current = std::env::current_dir().unwrap();

    // 检测陷阱目录
    while is_trap_directory(&current) {
        current = current.parent().unwrap().to_path_buf();
    }

    current
}

fn is_trap_directory(path: &Path) -> bool {
    let name = path.file_name().unwrap().to_str().unwrap();
    matches!(name, "src-tauri" | "target" | "node_modules")
}

结论：✅ Rust 层的路径校准防御逻辑在复杂并发环境下表现完美，未发生死循环或路径偏移。

2.2 错误自愈能力测试

测试场景：人为修改 package.json 路径，诱导 Agent 失败。

测试序列：

1. Agent 执行 npm install
2. 故意删除 package.json
3. 观察 Agent 的反应

测试结果：

阶段	Agent 行为	评价
失败检测	捕获 [System Hint]	✅ 敏捷
重试策略	停止循环，执行 ls 寻找正确路径	✅ 智能
恢复时间	< 2 秒	✅ 高效
用户体验	主动提示用户修正	✅ 友好

stderr 分析能力：

// Bash stderr 智能分析
if stderr.contains("package.json not found") {
    return Suggestion::Execute("ls -la to find package.json");
}

结论：✅ Agent 具备了错误自愈能力，能够根据 stderr 反馈主动调整策略。

3. 系统稳定性与鲁棒性 (Stability)

3.1 RAG 索引热重置

测试场景：在多个大型项目（>50K 行代码）间快速切换，强制触发索引销毁与重建。

测试结果：

指标	结果
状态清理准确性	100% (验证了 `*guard = None` 修复)
内存回归速度	< 500ms 切换后释放旧索引
索引重建时间	~3-5 秒（50K 行代码）
数据残留	0 次

内存泄漏检测：使用 Chrome DevTools Memory Profiler 进行 10 次项目切换循环：

初始内存: 120MB
第1次切换后: 135MB (+15MB)
第2次切换后: 137MB (+2MB)
第3次切换后: 136MB (-1MB) ← 内存回归
...
第10次切换后: 138MB

结论：✅ 内存管理稳定，无泄漏，切换项目后 500ms 内释放旧索引。

3.2 长时间运行稳定性

测试场景：持续运行 8 小时，模拟真实开发工作流（代码生成、文件操作、Agent 对话）。

测试结果：

指标	结果
崩溃次数	0 次
内存增长速率	< 5MB/小时
FPS 稳定性	稳定在 110-120
响应延迟	始终 < 20ms

结论：✅ v0.2.6 具备工业级长时间运行稳定性。

4. 综合评估

4.1 评分矩阵

┌────────────────┬────────────────────────────┬───────────────────────┐
│ 评估维度       │ 评分 (1-10)                │ 相比 v0.2.5 提升      │
├────────────────┼────────────────────────────┼───────────────────────┤
│ 渲染流畅度     │ ⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐ 10/10 │ +120% (虚拟滚动功劳)  │
│ Agent 自主性   │ ⭐⭐⭐⭐⭐⭐⭐⭐⭐ 9/10    │ +85% (Shell 能力解锁) │
│ 路径感知准确度 │ ⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐ 10/10 │ N/A (新引入核心机制)  │
│ 资源占用率     │ ⭐⭐⭐⭐⭐⭐⭐⭐ 8/10      │ +30% (内存管理优化)   │
│ 错误自愈能力   │ ⭐⭐⭐⭐⭐⭐⭐⭐⭐ 9/10    │ N/A (新增能力)        │
├────────────────┼────────────────────────────┼───────────────────────┤
│ 综合评分       │ ⭐⭐⭐⭐⭐⭐⭐⭐⭐ 9.25/10 │ —                    │
└────────────────┴────────────────────────────┴───────────────────────┘

4.2 版本对比总结

维度	v0.2.5	v0.2.6	关键改进
核心能力	文件操作	Shell 执行	路径感知
性能表现	良好	优秀	虚拟滚动 +68%
稳定性	稳定	工业级	内存管理优化
用户体验	流畅	丝滑	110-120 FPS

5. 技术亮点总结

5.1 虚拟滚动 (@tanstack/react-virtual)

10,000 条数据仅渲染 20-30 个 DOM 节点
内存占用降低 38%
滚动帧率提升至 110-120 FPS

5.2 路径感知 (Path Perception)

自动识别陷阱目录（src-tauri、node_modules）
路径校准耗时 < 1ms
并发测试 100% 成功率

5.3 内存管理优化

项目切换后 500ms 内释放旧索引
长时间运行内存增长 < 5MB/小时
无内存泄漏

5.4 流式渲染优化

UI 响应延迟 < 15ms
CPU 占用降低 30%
零感卡顿体验

6. 结论与建议

6.1 核心结论

IfAI v0.2.6 是发布以来最稳健、响应最快的版本。通过虚拟滚动、路径感知和内存管理优化三大技术创新，实现了：

✅ 渲染流畅度提升 120% - 110-120 FPS 极致体验 ✅ Agent 自主性提升 85% - Shell 能力解锁 ✅ 资源占用降低 30% - 内存管理优化 ✅ 工业级稳定性 - 零崩溃、零泄漏

6.2 升级建议

强烈建议所有用户立即升级，特别是：

🔧 管理大型代码库（>10K 文件）
⚡ 追求极致响应速度
🛡️ 注重系统稳定性
💰 关注 API 成本管理

6.3 未来优化方向

[ ] 多 Agent 并发协作
[ ] WebAssembly 后端
[ ] 云端同步加速

报告生成时间：2026-01-07 测试负责人：IfAI 性能实验室 报告版本：v1.0

附录

A. 测试环境详情

硬件: Apple M1 Max (10核)
内存: 32GB Unified Memory
存储: 1TB SSD
操作系统: macOS Darwin 25.0.0
Node.js: v20.x
Rust: 1.75.x

B. 测试工具链

性能分析: Chrome DevTools Performance
内存分析: Chrome DevTools Memory Profiler
帧率测试: FPS Meter (Chrome Extension)
并发测试: 自定义 Bash 脚本
压测工具: Apache Bench (ab)

C. 相关文档

标签：#性能测试 #压测报告 #IfAI #AI 编辑器 #性能优化 #虚拟滚动 #Rust #Tauri

原生 AI 编辑器若爱 IfAI Editor v0.2.4 发布

peterfei — Wed, 31 Dec 2025 15:51:07 +0800

IfAI Editor v0.2.4 发布说明

发布日期：2025-12-31

📋 版本概述

v0.2.4 是 IfAI Editor 迄今最重大的版本更新之一，包含 28 个文件变更，新增 1455 行代码，删除 387 行代码。

本次更新实现了两大核心目标：

对话管理工业化 - 将会话管理提升至 VSCode、Cursor 等工业标准
Windows 完美适配 - 彻底解决 Windows 平台的所有已知问题

🚀 核心功能：对话管理工业化

1. 双击重命名会话

双击会话标签即可进入编辑模式
自动聚焦并全选文本，符合直觉
Enter 保存 / Esc 取消 / 失焦自动保存
空标题验证，防止误操作

2. F2 快捷键重命名

按 F2 键快速重命名当前活动会话
符合工业标准快捷键习惯（VSCode、Cursor 同款）
与双击编辑共享同一套逻辑

3. Ctrl+P 统一快速搜索

同时支持文件和会话搜索
前缀过滤模式：
- @关键字 - 只搜索文件
- #关键字 - 只搜索会话
- 无前缀 - 同时搜索两者
搜索结果显示：
- 📄 文件图标 + 文件路径
- 💬 会话图标 + 会话标题 + 消息数 + 时间戳
选择会话后自动切换，无缝衔接

4. 增强右键上下文菜单

右键点击会话标签显示完整操作菜单：

功能	说明
✏️ 重命名 (F2)	触发编辑模式
📌 置顶/取消置顶	重要会话置顶显示
🏷️ 添加标签	打开完整 TagManager
📋 复制标题	一键复制会话名称
ℹ️ 会话详情	查看完整统计信息
🗑️ 删除 (Ctrl+W)	删除会话（含确认）

会话详情对话框展示：

会话 ID
消息数量
创建时间
最后活跃时间
关联标签
会话描述

5. 会话时间戳显示

CommandPalette 中会话结果显示最后活跃时间
智能相对时间格式：
- 刚刚 - 1 分钟内
- X分钟前 - 1 小时内
- X小时前 - 24 小时内
- X天前 - 30 天内
- 月-日 - 超过 30 天

🛠 Windows 平台关键修复

修复 1: 历史对话无法显示核心修复

问题：Windows 下重启应用后历史对话无法显示

根本原因：

threadPersistence.ts 使用 setActiveThread() 只设置活动线程 ID
setActiveThread() 不会将历史消息加载到 useChatStore.messages 数组
AIChat 组件从 useChatStore.messages 读取消息显示
结果：历史对话存在但无法显示，只显示空白对话

修复方案：

使用 switchThread() 替代 setActiveThread()
switchThread() 会正确地将目标线程消息加载到 messages 数组

影响：

✅ Windows/macOS/Linux 重启后历史对话正确显示
✅ 线程切换消息加载正常

修复 2: Windows 流式代码生成闪屏问题核心修复

问题：Windows 下流式代码生成时屏幕闪烁、抖动、位置偏移

修复方案：

彻底移除有问题的节流机制
优化渲染顺序和状态更新逻辑
添加初始隐藏策略，避免启动闪屏

影响：

✅ 流式代码生成丝滑流畅
✅ 无屏幕闪烁和位置偏移
✅ 低端设备也能正常运行

修复 3: Agent 工具调用系统优化

问题：

"unknown" 工具调用
工具调用参数命名不一致
工具 ID 不一致导致重复创建
工具自动批准死循环

修复方案：

前端过滤无效的 Agent 工具调用
统一工具调用参数命名规范
修复工具调用 ID 生成逻辑
优化自动批准机制

影响：

✅ Agent 工具调用更稳定
✅ 减少无效调用和重复创建
✅ 避免死循环和资源浪费

📊 变更统计

文件变更

src/components/AIChat/ThreadContextMenu.tsx | 357 +++++++++++++++++++++++ (新建)
src/hooks/useThrottle.ts                     |  71 ++++++ (新建)
src/components/AIChat/ThreadTabs.tsx         | 170 ++++++++++-
src/components/CommandPalette/CommandPalette.tsx | 206 ++++++++++---
src/components/AIChat/MessageItem.tsx        | 131 ++++-----
src/components/AIChat/ToolApproval.tsx        |  70 ++---
src/stores/agentStore.ts                     |  45 ++-
src/stores/settingsStore.ts                  |  77 ++++
src/stores/persistence/threadPersistence.ts   |  47 ++-
src-tauri/src/agent_system/runner.rs        |  10 +-
src-tauri/src/agent_system/tools.rs         |  88 ++++--
... (共 28 个文件变更)

代码统计

新增: +1455 行
删除: -387 行
净增: +1068 行

⬆️ 升级指南

Windows 用户（强烈推荐）

本次更新修复了多个 Windows 平台的关键问题：

历史对话无法显示
流式生成时的屏幕闪烁
Agent 工具调用不稳定

建议所有 Windows 用户立即升级！

所有用户

升级后可体验全新的会话管理系统：

双击会话标签快速重命名
使用 F2 快捷键快速编辑
使用 Ctrl+P 搜索历史会话（支持 # 前缀）
右键访问完整会话操作菜单

🔗 相关链接

若爱 (IfAI) - 不只是编辑器，更是你的 AI 编程伙伴

"用工业标准打磨每一个细节，让 AI 编程体验真正触手可及"

AI Agent Team v1.0.3 正式发布

peterfei — Wed, 26 Nov 2025 14:40:44 +0800

🎉 重大里程碑

AI Agent Team v1.0.3 正式发布！这是一个革命性的 AI 开发团队工具，集成了三大智能 Skill 和六大专业 AI 智能体，为开发者提供前所未有的开发效率提升。

✨ 核心更新亮点

🆕 SoftCopyright Skill - 智能软著材料生成工具

一键生成软件著作权申请材料，让软著申请变得简单高效！

🔥 核心功能突破

智能项目分析：自动识别项目类型、技术栈和架构模式
软著说明书生成：自动生成 2000-3000 字详细说明书
源代码文档生成：生成 60 页源代码文档，每页 50 行
智能注释清理：自动移除单行注释、多行注释、空白行、版权声明等
页数控制逻辑：
- ≤60 页：完整显示所有代码
- > 60 页：显示前 30 页 + 后 30 页，中间省略
多语言支持：JavaScript、Python、Java、C、Go、Rust、Swift、Kotlin 等 20+ 语言
中文完美支持：原生 HTML 格式，中文显示无乱码，完美打印支持

🛠️ 技术规格

源码展示格式：每页 50 行，自动分页，行号显示
注释处理规则：
- 多行注释：/\*(.|\\r\\n|\\n)*?\\*/
- 单行注释：//.*
- 空白行：^\\s*(?=\\r?$)\\n
- 版权声明：自动移除 copyright、author、license 等
版本自动识别：从 package.json、setup.py、Cargo.toml 等配置文件自动读取版本号
页眉页脚支持：打印时自动添加"软件名称_版本号"和页码

💡 使用方法

# 在Claude中直接使用
"帮我生成软著材料"
"生成软件著作权申请文档"
"软著"  # 关键词触发

# 命令行工具
~/.claude/skills/softcopyright/softcopyright-generate --project /path/to/project

📸 实际效果

真实源码展示：显示实际的.js、.py、.java 等源代码内容
专业格式：符合软著申请的文档标准
完美中文支持：HTML 格式，浏览器打印为 PDF 无乱码
自动化流程：从项目扫描到材料生成，一键完成

🔧 关键问题修复

🐛 源代码文档生成修复

问题：生成 HTML 模板代码而非真实源代码 解决方案：

修复文件路径错误：将file.path（相对路径）改为file.fullPath（绝对路径）
增强错误处理：添加文件存在性验证和内容为空检查
统一路径处理：确保路径显示一致性

修复前后对比：

修复前：显示<span class="code-line"><span class="line-number">712:</span> 文件: ${file.relativePath}
修复后：显示真实源代码如function calculatePages(totalLines, linesPerPage = 50)

🛠️ CLI 工具优化

修复 help 命令显示问题：解决ai-agent-team help命令无法正确显示帮助信息
colorize 函数调用修正：修复多处colorize()函数参数传递错误
统一输出格式：统一所有命令的输出格式和颜色显示

📦 全局安装修复

npm 全局安装错误修复：解决npm install -g时的权限冲突问题
备份逻辑优化：使用复制而非重命名进行备份，增强错误处理
安装体验改善：提供清晰的安装进度提示和错误恢复机制

🧹 三大智能 Skill 完整集成

1. 📜 SoftCopyright Skill - 软著材料生成

智能分析：自动识别项目类型和技术栈
完整材料：生成软件说明书和源代码文档
格式标准：严格按照软著申请要求
效率提升：从手工准备到自动生成

2. 🧹 TidyMyDesktop Skill - 桌面整理

智能分类：文件自动分类到应用程序、文档、图片等文件夹
版本去重：识别软件版本号，保留最新版本
安全整理：dry-run 模式预览，用户确认后执行
详细报告：生成完整的 Markdown 格式整理报告

3. 🎨 DrawNote Skill - 笔记可视化

多彩风格：彩色手写、专业商务、科技创新等五种风格
智能生成：基于 AI 大模型，自动生成最适合的笔记结构
完美集成：与 Claude Code 完美集成，一键生成
高质量输出：自动生成 HTML 和 PNG 双格式文件

🤖 六大专业 AI 智能体

产品经理智能体 (`/pm`)

职责：产品规划、需求分析、用户研究、竞品分析
专长：敏捷开发、路线图制定、利益相关者管理
使用场景：功能需求分析、产品规划、用户体验设计

前端开发智能体 (`/fe`)

职责：UI 实现、组件开发、用户体验优化
专长：React/Vue/Angular、响应式设计、性能优化
使用场景：页面开发、组件设计、前端架构

后端开发智能体 (`/be`)

职责：API 设计、数据库优化、服务器端逻辑
专长：Node.js/Python/Java、数据库设计、API 架构
使用场景：API 开发、数据库设计、系统集成

测试工程师智能体 (`/qa`)

职责：功能测试、自动化测试、质量保证
专长：单元测试、集成测试、端到端测试
使用场景：测试设计、自动化测试、缺陷管理

DevOps 工程师智能体 (`/ops`)

职责：部署运维、基础设施、CI/CD 流水线
专长：Docker、Kubernetes、云服务、监控告警
使用场景：系统部署、运维监控、性能优化

技术负责人智能体 (`/tl`)

职责：技术决策、团队协调、架构设计
专长：系统架构、技术选型、团队管理
使用场景：架构评审、技术选型、团队规划

🚀 使用场景

🏢 企业级项目开发

产品团队：快速完成产品规划、需求分析、技术选型
开发团队：24/7 开发支持，大幅提升开发效率
测试团队：自动化测试策略，质量保证
运维团队：CI/CD 流水线，自动化部署

👨 个人开发者

快速原型：从概念到原型的快速验证
学习项目：完整的项目开发流程支持
技术文档：自动生成技术文档和软著材料
代码质量：最佳实践指导，代码审查

📝 软著申请

材料准备：一键生成符合要求的软著申请材料
格式标准：严格按照软著申请格式要求
效率提升：从手工准备到自动生成，节省大量时间

📊 性能指标

扫描性能

小项目 (<100 个文件): < 1 秒
中项目 (100-1000 个文件): 1-3 秒
大项目 (>1000 个文件): 3-10 秒

内存使用

基础运行: ~100MB
大项目处理: ~200MB
软著生成: ~50MB

文件处理

最大文件: 5MB
最大项目: 10000 个文件
代码行数: 无限制

🛠️ 技术规格

系统要求

Node.js: >= 14.0.0
Claude Code: 最新版本
操作系统: macOS、Linux、Windows
内存: 建议 4GB 以上

技术架构

原生集成: 基于 Claude Code 的原生智能体系统
模块化设计: 可扩展的 Skill 插件系统
CLI 工具: 便捷的命令行界面
跨平台支持: 支持主流操作系统

核心依赖

@anthropic-ai/sdk: AI 模型调用
commander: CLI 参数解析
inquirer: 交互式命令行界面
chalk: 终端颜色输出
fs-extra: 文件系统操作
glob: 文件模式匹配

🔗 快速开始

一键安装

npm install -g ai-agent-team

验证安装

ai-agent-team --help
ai-agent-team version

基础使用

# 六大智能体快捷命令
/pm '设计用户认证系统'    # 产品经理
/fe '创建登录页面'      # 前端开发
/be '实现JWT认证API'    # 后端开发
/qa '测试认证流程'      # 测试工程师
/ops '部署到生产环境'   # 运维工程师
/tl '评估系统架构'      # 技术负责人

# 三大Skill命令
skill drawnote "AI发展历程信息图"         # 智能笔记
skill softcopyright "生成项目软著材料"     # 软著材料
skill tidymydesktop "整理桌面和下载目录"    # 桌面整理

📋 完整更新日志

🆕 新增功能

SoftCopyright Skill：全新软著材料生成工具
智能源代码展示：每页 50 行真实代码，自动分页
完美软著支持：符合软著页数要求和格式标准
中文完美支持：HTML 格式，无乱码，完美打印

🔧 核心改进

CLI 工具修复：修复 help 命令显示问题
错误处理增强：改进权限配置和错误提示
用户体验优化：更友好的交互界面和指导
性能优化：更快的扫描和分析速度

🐛 问题修复

修复全局安装时的目录权限问题
修复源代码文档生成 HTML 模板代码问题
修复 CLI 命令行参数处理错误
优化用户交互流程和错误提示

🎯 致谢

感谢所有参与测试和反馈的开发者！v1.0.3 是 AI Agent Team 的一个重要里程碑，标志着从实验工具到生产级产品的转变。

特别感谢：

所有提供 bug 报告和功能建议的用户
软著申请用户提供的实际需求反馈
开源社区的技术支持和灵感

🔮 下一步计划

[ ] 支持更多编程语言的智能体
[ ] 添加更多 DrawNote 风格模板
[ ] 支持自定义智能体配置
[ ] 集成更多开发工具
[ ] 提供 Web 界面管理

📞 获取帮助

GitHub 仓库: https://github.com/peterfei/ai-agent-team
问题反馈: https://github.com/peterfei/ai-agent-team/issues
讨论交流: https://github.com/peterfei/ai-agent-team/discussions
邮箱联系: peterfeispace@gmail.com

📄 许可证

MIT License - 允许商业和个人使用

AI Agent Team v1.0.3 - 让 AI 成为您的开发伙伴！ 🤖✨

【AI Agent Team1.0.2 发布】TidyMyDesktop Skill - 智能桌面整理工具

peterfei — Sat, 15 Nov 2025 10:02:42 +0800

AI Agent Team 1.0.2

npm install -g ai-agent-team 一键安装，开发效率飙升 200%！

🧹 TidyMyDesktop Skill - 智能桌面整理工具

✨ 让您的桌面和目录焕然一新！智能分类、版本去重、安全整理

🌟 核心功能特色

🎯 智能文件分类	🔄 版本自动去重	🔍 未知软件识别	🛡️ 安全整理保障
应用程序、文档、图片、视频等自动分类	识别软件版本号，保留最新版本，清理旧版本	通过网络搜索识别不熟悉软件的用途	dry-run 模式预览，用户确认后执行
创建分类文件夹，整洁有序	智能比较版本新旧，避免误删	标记需要人工审核的项目	所有删除操作需要明确确认

💡 实用整理场景

🏠 桌面整理	📁 目录整理	🧹 版本清理	📊 整理报告
一键整理桌面，告别混乱文件	整理指定目录，提高工作效率	自动识别软件版本，清理冗余文件	生成详细报告，记录整理过程

🛠️ 使用方法

简单三步，智能整理

🏠 整理桌面

用户: "帮我整理桌面"
Claude: 自动扫描 → 生成计划 → 用户确认 → 执行整理 → 生成报告

📁 整理目录

用户: "帮我整理当前目录"
Claude: 确认路径 → 扫描分析 → 生成计划 → 用户确认 → 整理执行

🔍 智能识别

自动识别文件类型、软件版本、未知用途
提供整理建议，确保安全可靠

📂 智能分类规则

应用程序: 开发工具、办公软件、设计工具、通讯工具、娱乐软件、系统工具
文档: PDF 文档、Word 文档、Excel 表格、文本文件
媒体文件: 图片（照片、截图、设计稿）、视频、音频
其他: 压缩包、代码项目、未分类文件

⚡ 技术特性

跨平台支持: macOS、Windows、Linux
Node.js 驱动: 高性能文件操作
智能算法: 版本号识别（semver）
安全机制: dry-run 模式，完整备份提醒
详细报告: Markdown 格式，包含整理统计

🎨 DrawNote Skill - 智能笔记可视化工具

✨ 让您的笔记变得生动有趣！将文字内容转换为精美图片

🌟 核心功能特色

🎨 多彩风格模板	📋 内置模板系统	🤖 智能内容生成	🔗 无缝集成
彩色手写笔记、专业商务、科技创新、自然清新等多种风格	内置提示词模板和样式模板，无需外部文件	基于AI 大模型，自动分析内容并生成最适合的笔记结构	与Claude Code完美集成，一键生成，自动保存

📝 使用方法详解

简单四步，创建精美笔记

📝 提供内容

skill: "drawnote"
内容: "人工智能发展历程" 或具体笔记内容

🎨 选择风格

"请使用彩色手写笔记风格" 或 "请生成学习笔记风格的信息图"

🤖 AI 自动生成

自动保存: drawnote_YYYYMMDD_HHMMSS.html

📸 截图输出

自动保存: drawnote_YYYYMMDD_HHMMSS.png

💡 实用应用场景

📚 学习笔记总结	💼 商务报告可视化	🔧 技术文档整理	📊 知识梳理总结
荧光笔高亮、彩色标注等学习元素	数据分析、项目报告、战略规划	技术架构、API 文档、开发指南	时间线、流程图、对比表等形式

🎯 五种精美风格

彩色手写笔记风格 ⭐ 推荐
- 适用场景：学习笔记、读书总结、知识整理
- 特点：温馨自然、易于记忆
专业商务风格（默认）
- 适用场景：商业报告、数据分析、项目演示
- 特点：简洁专业、数据驱动
科技创新风格
- 适用场景：技术文档、产品介绍、创新展示
- 特点：现代科技、未来感强
自然清新风格
- 适用场景：环保主题、健康生活、自然科学
- 特点：清新淡雅、亲和力强
现代简约风格
- 适用场景：极简设计、艺术展示、高端品牌
- 特点：简约大气、设计感强

🚀 快速开始

🎯 六大专业智能体 - 产品经理、前端开发、后端开发、测试工程师、DevOps 工程师、技术负责人
🧹 TidyMyDesktop Skill - 智能桌面整理，文件分类，版本去重，安全整理
🎨 DrawNote Skill - 智能笔记可视化，多彩风格模板，一键生成精美图片
⚡ 原生集成 - 完全基于 Claude Code 的原生智能体系统
🚀 一键安装 - 支持 npm 全局安装，自动配置智能体环境
⚡ 快捷命令 - 简化的命令行调用方式，提升开发效率
🔄 完整工作流 - 支持完整的产品开发流程和团队协作
📚 详细文档 - 包含使用指南、最佳实践和示例
🛠️ 易于扩展 - 模块化设计，支持自定义智能体

🚀 快速开始

系统要求

Claude Code (已安装并配置)
Git

一键安装

方式 1：npm 安装（推荐）

npm install -g ai-agent-team

方式 2：Shell 脚本安装 (macOS/Linux)

curl -fsSL https://raw.githubusercontent.com/peterfei/ai-agent-team/main/install.sh | bash

方式 3：PowerShell 安装 (Windows)

powershell -Command "irm 'https://raw.githubusercontent.com/peterfei/ai-agent-team/main/install.ps1' | iex"

方式 4：批处理安装 (Windows)

curl -fsSL https://raw.githubusercontent.com/peterfei/ai-agent-team/main/install.bat -o install.bat && install.bat

方式 5：手动安装

克隆仓库

git clone https://github.com/peterfei/ai-agent-team.git
cd ai-agent-team

安装智能体配置

# 复制智能体配置到您的Claude配置目录
cp -r .claude/* ~/.claude/

验证安装

# 测试智能体是否正常工作
claude -p "/agent product_manager '测试功能'"

快速使用

🧹 TidyMyDesktop Skill 使用示例

# 整理桌面 - 最常用的功能
帮我整理桌面

# 整理当前目录
帮我整理当前目录

# 整理指定目录（会要求确认路径）
帮我整理下载文件夹

# 智能整理建议
帮我分析一下这个目录的文件结构，给出整理建议

# 安全预览整理计划
帮我看一下整理桌面会执行哪些操作，不要真的执行

# 针对特定类型文件整理
帮我整理桌面上的应用程序文件

🎨 DrawNote Skill 使用示例

# 基础使用
请帮我创建一个关于"人工智能发展历程"的信息图

# 指定风格
请使用彩色手写笔记风格生成"机器学习算法分类"的信息图

# 复杂内容
请创建一个关于"微服务架构设计模式"的流程图，使用科技创新风格

# 学习笔记
请用专业商务风格创建"React Hooks"的技术文档

# 知识总结
请创建一个关于"Python数据结构"的学习总结，使用自然清新风格

🤖 AI 智能体使用示例

# 产品经理 - 需求分析
/pm "设计用户认证系统"

# 前端开发 - UI实现
/fe "创建登录页面组件"

# 后端开发 - API开发
/be "实现JWT认证接口"

# 测试工程师 - 质量保证
/qa "测试用户认证流程"

# 运维工程师 - 部署运维
/ops "部署到生产环境"

# 技术负责人 - 架构设计
/tl "评估系统架构"

📁 项目结构

ai-agent-team/
├── .claude/
│   ├── agents/                  # 智能体配置文件
│   │   ├── product_manager.md   # 产品经理智能体
│   │   ├── frontend_dev.md      # 前端开发智能体
│   │   ├── backend_dev.md       # 后端开发智能体
│   │   ├── qa_engineer.md       # 测试工程师智能体
│   │   ├── devops_engineer.md   # 运维工程师智能体
│   │   ├── tech-leader.md       # 技术负责人智能体
│   │   └── cli.sh              # CLI工具脚本
│   ├── commands/               # 快捷命令配置
│   │   ├── pm.md              # 产品经理快捷命令
│   │   ├── fe.md              # 前端开发快捷命令
│   │   ├── be.md              # 后端开发快捷命令
│   │   ├── qa.md              # 测试工程师快捷命令
│   │   ├── ops.md             # 运维工程师快捷命令
│   │   ├── tl.md              # 技术负责人快捷命令
│   │   └── README.md          # 命令说明文档
│   ├── skills/               # 智能技能集合
│   │   ├── drawnote/         # DrawNote智能笔记技能
│   │   │   ├── scripts/      # 脚本文件
│   │   │   ├── styles/       # 风格模板
│   │   │   ├── SKILL.md      # 技能说明
│   │   │   └── package.json  # 依赖配置
│   │   └── tidymydesktop/    # TidyMyDesktop桌面整理技能
│   │       ├── scripts/      # 整理脚本（scan, organize, classify）
│   │       ├── tidy-*        # 可执行工具脚本
│   │       ├── SKILL.md      # 技能说明文档
│   │       ├── TEST_REPORT.md # 测试报告
│   │       └── package.json  # 依赖配置
│   ├── CLAUDE.md              # 项目说明文档
│   └── settings.local.json   # 本地配置文件
├── docs/                      # 文档目录
│   └── BEST_PRACTICES.md      # 最佳实践指南
├── examples/                  # 示例项目和截图
│   ├── web-app/               # Web应用开发示例
│   └── tidymydesktop.png      # TidyMyDesktop效果截图
├── scripts/                   # 辅助脚本
│   └── install.sh            # 安装脚本
├── bin/                       # 可执行文件
│   └── ai-agent-team.js      # CLI工具
├── install.sh                 # Shell安装脚本 (macOS/Linux)
├── install.ps1                # PowerShell安装脚本 (Windows)
├── install.bat                # 批处理安装脚本 (Windows)
├── test-windows-compatibility.ps1  # Windows兼容性测试脚本
├── package.json               # npm包配置
├── README.md                  # 项目说明
├── LICENSE                    # 开源许可证
├── CONTRIBUTING.md            # 贡献指南
└── CHANGELOG.md               # 更新日志

## 📦 npm包信息

- **包名**: `ai-agent-team`
- **版本**: 1.0.2
- **安装**: `npm install -g ai-agent-team`
- **npm页面**: https://www.npmjs.com/package/ai-agent-team

### 常见问题

**Q: PowerShell 执行策略限制怎么办？**
```powershell
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

Q: 杀毒软件报误怎么办？ 将以下目录添加到白名单：

%USERPROFILE%\.claude\
安装目录

Q: Node.js 安装失败怎么办？

手动下载安装 Node.js: https://nodejs.org/
或使用 winget: winget install OpenJS.NodeJS

❓ 常见问题

智能体无响应怎么办？ 1. 检查 Claude Code 是否正确安装：`claude --version` 2. 验证配置文件是否存在：`ls ~/.claude/agents/` 3. 测试基础功能：`claude -p "测试连接"` 4. 重新安装配置：`./scripts/install.sh` 如何提高任务完成质量？ 1. 提供详细的任务描述和上下文 2. 分步骤分解复杂任务 3. 明确指定技术栈和约束条件 4. 提供示例和参考资料支持哪些编程语言和框架？智能体支持主流的编程语言和框架： - 前端：React, Vue, Angular, Svelte 等 - 后端：Node.js, Python, Java, Go, PHP 等 - 数据库：MySQL, PostgreSQL, MongoDB, Redis 等 - 云服务：AWS, Azure, GCP, 阿里云等

🤝 贡献指南

我们欢迎所有形式的贡献！

贡献方式

报告问题 - 在 Issues 中提交 bug 报告或功能建议
提交代码 - Fork 项目并提交 Pull Request
完善文档 - 改进文档质量和完整性
分享经验 - 分享使用案例和最佳实践

开发流程

Fork 项目 (在 https://github.com/peterfei/ai-agent-team)
创建功能分支：git checkout -b feature/new-feature
提交更改：git commit -m 'Add new feature'
推送分支：git push origin feature/new-feature
创建 Pull Request

📄 许可证

本项目采用 MIT License 开源许可证。

🙏 致谢

感谢 Anthropic 提供强大的 Claude Code 平台
感谢所有贡献者和用户的支持和反馈
感谢开源社区的技术和灵感

📝 更新日志

查看详细的版本更新历史：

CHANGELOG.md - 完整的版本更新记录
v1.0.2 发布日志 - 最新版本的详细发布说明
v1.0.1 发布日志 - 上一版本的发布说明

📞 联系我们

Email: peterfeispace@gmail.com
Issues: GitHub Issues

AI Agent Team：让你的开发效率飙升 200% 的黑科技工具

peterfei — Sat, 08 Nov 2025 11:04:52 +0800

一句话总结：安装一个 npm 包，立即拥有产品经理 + 前后端 + 测试 + 运维 + 技术负责人的完整 AI 开发团队

🚀 项目亮点

⭐ GitHub - 完全开源觉得有用请点个 Star 支持一下
📦 npm 官方发布 - npm install -g ai-agent-team
🎯 6 大专业角色 - 覆盖完整开发流程
🇨🇳 中文友好 - 支持中文命令和专业术语
⚡ 秒级安装 - 一行命令拥有 AI 团队

项目地址: https://github.com/peterfei/ai-agent-team

国内镜像地址：https://gitee.com/peterfei_1109/ai-agent-team

💡 这个工具解决了什么问题？

程序员的日常痛苦

传统开发流程：
我自己 → 需求分析 + 前端 + 后端 + 测试 + 部署 = 累死😅

AI Agent Team 解决方案

新开发流程：
产品经理分析需求 + 前后端并行开发 + 专业测试 + 自动部署 = 轻松😎

核心价值

专业分工 - 每个 AI 角色都有专业技能
效率提升 - 并行开发，减少思维切换
质量保证 - 专业测试和架构指导
学习成长 - 了解各角色的专业思维

🎯 6 大 AI 角色介绍

1. 🎯 产品经理 (`/pm`)

职责: 需求分析、竞品研究、产品设计 使用场景:

/pm "设计一个程序员笔记应用的功能需求"
# 输出：用户故事、功能规格、验收标准

2. 🎨 前端开发 (`/fe`)

职责: UI 设计、组件开发、性能优化 使用场景:

/fe "创建现代化的登录页面，包含表单验证"
# 输出：React组件代码 + 样式设计 + 交互逻辑

3. ⚙️ 后端开发 (`/be`)

职责: API 设计、数据库优化、业务逻辑 使用场景:

/be "实现用户认证API，支持JWT和OAuth2"
# 输出：RESTful API + 数据库设计 + 安全措施

4. 🧪 测试工程师 (`/qa`)

职责: 测试设计、自动化测试、质量保证 使用场景:

/qa "设计用户认证系统的完整测试方案"
# 输出：测试用例 + 自动化脚本 + 性能测试

5. 🔧 运维工程师 (`/ops`)

职责: 部署运维、CI/CD、监控告警 使用场景:

/ops "配置生产环境部署，支持Docker和CI/CD"
# 输出：Dockerfile + CI配置 + 监控方案

6. 👨‍💼 技术负责人 (`/tl`)

职责: 架构设计、技术选型、团队协调 使用场景:

/tl "为SaaS产品设计可扩展的多租户架构"
# 输出：架构设计 + 技术选型 + 实施路线图

⚡ 快速上手体验

1. 安装（10 秒搞定）

npm install -g ai-agent-team

2. 立即使用

# 体验产品经理
/pm "分析一下TikTok的成功因素，设计一个短视频应用的MVP"

# 体验前端开发
/fe "创建一个短视频的推荐页面，支持无限滚动"

# 体验后端开发
/be "设计短视频推荐系统的API架构"

# 体验测试工程师
/qa "为短视频推荐系统设计压力测试方案"

# 体验运维工程师
/ops "设计高可用的短视频系统部署方案"

# 体验技术负责人
/tl "评估短视频系统的技术架构，提出优化建议"

3. 看看实际效果

输入: /pm "设计一个用户管理系统"

AI 产品经理输出:

## 用户管理系统需求分析

### 核心功能模块
1. 用户注册登录
   - 邮箱/手机号注册
   - 社交媒体登录（微信、GitHub）
   - 双因素认证（2FA）

2. 用户信息管理
   - 个人资料编辑
   - 头像上传
   - 账户安全设置

3. 权限管理
   - 基于角色的权限控制（RBAC）
   - 用户组管理
   - 操作日志记录

### 用户故事
- 作为新用户，我想要快速注册并开始使用系统
- 作为管理员，我想要管理用户权限和查看用户活动
- 作为用户，我想要安全地管理我的个人信息

### 验收标准
- 用户可以在30秒内完成注册流程
- 系统支持至少3种登录方式
- 所有敏感操作都有日志记录

📊 效果对比

传统开发 vs AI Agent Team

对比项	传统方式	AI Agent Team
需求分析时间	2-4 小时	15 分钟
技术选型时间	1-2 天	30 分钟
开发效率	基准线	+40%
代码质量	基准线	+50%
测试覆盖率	60-70%	90%+
部署规范性	60 分	90 分

实际用户反馈

"简直神器！开发效率提升了至少 40%，而且代码质量明显提高。" - @前端架构师

"作为产品经理转技术，最痛苦的就是技术实现细节，现在有技术负责人和运维工程师帮忙，感觉踏实多了。" - @全栈开发者

"测试一直是我比较薄弱的环节，现在有测试工程师专业指导，测试覆盖率从 60% 提升到了 95%。" - @后端工程师

🎯 适合哪些人使用？

1. 独立开发者/自由职业者 ⭐⭐⭐⭐⭐

痛点：一个人承担所有角色，精力有限
收益：拥有专业团队协作，提升项目质量

2. 全栈开发者 ⭐⭐⭐⭐⭐

痛点：缺少各领域的专业视角
收益：学习各角色思维，提升整体能力

3. 初创团队 ⭐⭐⭐⭐

痛点：团队小，缺乏各领域专家
收益：AI 补充专业角色，完善团队结构

4. 技术学习者 ⭐⭐⭐⭐

痛点：学习单一技术，缺乏项目经验
收益：学习完整开发流程，理解团队协作

5. 产品经理 ⭐⭐⭐

痛点：不了解技术实现，沟通困难
收益：了解技术细节，提升产品设计能力

🚀 进阶使用技巧

1. 项目完整流程示例

# 项目：开发一个在线教育平台

# 1. 产品规划
/pm "设计在线教育平台的MVP功能，包括课程管理、用户学习、支付系统"

# 2. 技术架构
/tl "为教育平台设计可扩展的微服务架构，支持高并发访问"

# 3. 并行开发
/be "实现课程管理API，支持视频上传、进度跟踪" &
/fe "创建课程学习界面，支持视频播放和笔记功能" &

# 4. 质量保证
/qa "设计完整的测试方案，包括单元测试、集成测试、端到端测试"

# 5. 部署运维
/ops "配置生产环境，支持CDN加速和自动扩容"

2. 团队协作模式

# 让AI角色互相协作，模拟真实团队
/pm "设计用户认证需求"
/tl "基于需求设计技术方案"
/be "实现后端API时参考技术方案"
/fe "前端开发时调用后端API"
/qa "测试前后端集成"
/ops "部署到生产环境"

3. 技术学习模式

# 学习新技术栈，比如Go语言
/tl "评估Go语言在Web开发中的优势和适用场景"
/be "使用Gin框架实现RESTful API"
/fe "创建简单的前端界面调用Go API"
/qa "为Go应用编写完整的测试用例"

🎪 项目特色功能

1. 中文命令支持

# 完全中文，对国内开发者友好
/pm "分析用户需求"
/fe "创建用户界面"
/be "实现后端接口"
/qa "设计测试方案"
/ops "配置部署环境"
/tl "评估技术架构"

2. 智能上下文理解

# AI可以理解上下文，进行连续对话
/pm "设计一个博客系统"
/tl "基于刚才的产品需求，设计技术架构"
/fe "配合刚才的架构，创建博客前端界面"

3. 专业术语库

# 每个角色都有自己的专业术语和知识体系
/be "使用DDD设计用户领域模型"  # 懂领域驱动设计
/fe "实现SSR渲染，优化首屏加载"  # 懂前端优化
/ops "配置K8s集群，实现服务发现"  # 懂容器编排

4. 多语言支持

# 支持中英文切换
/agent product_manager "Design user authentication system"
/agent frontend_dev "Create responsive login interface"

🎯 为什么这个项目值得关注？

1. 技术前沿

基于最新的 Claude Code 技术
探索 AI 辅助开发的新模式
开源社区活跃，持续创新

2. 实用性强

不是玩具，是真正可用的工具
解决开发者的实际痛点
立即上手，立即见效

3. 社区友好

中文文档完善
积极响应用户反馈
欢迎各种形式的贡献

4. 商业价值

提升开发效率 = 节约成本
提高代码质量 = 减少维护成本
学习专业知识 = 提升个人价值

🤝 邀请你参与

我们需要什么帮助？

使用体验 - 试用后分享感受
问题反馈 - 报告 bug 和建议
功能建议 - 提出新的功能想法
文档贡献 - 完善使用指南
代码贡献 - 参与项目开发

参与方式

# 1. 试用项目
npm install -g ai-agent-team

# 2. 加入社区
GitHub: https://github.com/peterfei/ai-agent-team

# 3. 分享体验
在社交媒体分享使用感受

贡献者福利

🏆 贡献者展示 - 项目中显示贡献者
📈 个人成长 - 参与前沿 AI 项目
💼 简历亮点 - 开源项目经验
🤝 技术交流 - 与优秀开发者交流

🚀 立即开始

一键安装

npm install -g ai-agent-team

体验 AI 团队

/pm "设计一个你感兴趣的项目需求"
/fe "创建这个项目的前端界面"
/be "实现后端API"
/qa "设计测试方案"
/ops "配置部署"
/tl "评估整体架构"

加入我们

🌟 GitHub: https://github.com/peterfei/ai-agent-team
💬 微信群: 评论区获取
📧 邮箱: peterfeispace@gmail.com

🎉 总结

AI Agent Team是一个真正革命性的开发工具，它让每个开发者都能拥有专业的 AI 团队协作。

如果你是：

独立开发者，想要提升项目质量
全栈开发者，想要专业团队协作
技术学习者，想要学习完整流程
团队管理者，想要提升团队效率

强烈建议你试试这个工具！

npm install -g ai-agent-team

#AI 开发 #开源项目 #全栈开发 #效率工具 #ClaudeCode

🔥 项目地址：https://github.com/peterfei/ai-agent-team

🔥 国内镜像地址：https://gitee.com/peterfei_1109/ai-agent-team

📦 npm 安装：npm install -g ai-agent-team

⭐ 觉得有用请点个 Star 支持一下！

Vim Elysium: 终极 Vim 配置，一键变身现代 IDE (2025 版)

peterfei — Mon, 20 Oct 2025 17:02:25 +0800

你是否也曾陷入这样的“Vim 困境”？

一方面，你迷恋于 Vim 纯粹、高效的文本编辑哲学，指尖在键盘上飞舞，体验着无与伦比的掌控感。

另一方面，你又羡慕现代 IDE (如 VSCode/IntelliJ) 那种开箱即用、功能完备的开发体验：智能的代码补全、精准的定义跳转、方便的图形化调试……

难道拥有极致的编辑速度，就必须放弃现代化的开发能力吗？

不！今天，我向你隆重介绍 Vim Elysium —— 一个旨在终结这场“战争”的专业级 Vim 配置方案。它将 Vim 的速度与现代 IDE 的智慧完美融合，让你鱼与熊掌，皆可兼得。

✨ Vim Elysium 的核心亮点

Vim Elysium 通过精心挑选和配置 23 个业界顶级的插件，为你打造了一个零冲突、高性能的集成开发环境。

1. 真正的 IDE 级智能编码 (`coc.nvim`)

忘掉那些反应迟钝、配置复杂的补全插件吧！Vim Elysium 以 coc.nvim 为核心，提供了完整的语言服务器协议 (LSP) 支持。这意味着：

毫秒级响应：拥有媲美 VSCode IntelliSense 的智能补全、诊断和重构能力。
开箱即用：已预装 coc-pyright, coc-tsserver, coc-java 等多种语言扩展，支持 Python, JS/TS, C/C++, Java, PHP 等主流语言。
代码质量保证：集成了 ALE 进行实时语法检查和自动修复，让你的代码永远保持专业水准。

2. Vim 内置的图形化调试器 (`vimspector`)

这是 Vim Elysium 的王牌功能之一。你再也无需为了调试而痛苦地切换到其他工具。

完整调试体验：直接在 Vim 中设置断点、单步执行、监视变量、查看调用栈。
多语言支持：完美支持 C++, Python, Go, PHP, Java 等多种语言的调试。
沉浸式开发：从编码到调试，所有工作流都在 Vim 内部闭环完成，让你保持专注。

3. 闪电般的文件与代码导航 (`LeaderF`)

在庞大的项目中，定位文件和代码的速度决定了你的效率。

超快速模糊搜索：无论是文件名、函数、缓冲区还是代码行，LeaderF 都能在瞬间帮你找到。
经典文件树：集成了 NERDTree，提供了直观易用的文件系统浏览器。

4. 优雅而强大的多光标编辑 (`vim-visual-multi`)

谁说 Vim 不能像 Sublime Text 或 VSCode 那样优雅地进行多光标操作？

智能多光标：一键选中所有匹配项，进行同步编辑、添加、删除，极大提升了批量重构的效率。
零快捷键冲突：经过精心设计，与 Vim 及其他插件的核心快捷键完美兼容。

5. 深度集成的 Git 工作流 (`vim-fugitive`)

Vim Elysium 将 Git 深度整合到你的编辑体验中。

Gutter 实时差异：通过 vim-gitgutter 在侧边栏清晰地展示代码的增、删、改。
Vim 内执行 Git 命令：无需离开编辑器，即可执行 Git blame, Git diff, Git commit 等所有操作。

🚀 性能与架构

模块化设计：所有插件配置都拆分在 vimrc/ 目录下的独立文件中，结构清晰，极易维护和定制。
性能优化：广泛采用插件延迟加载 (Lazy Loading) 技术，确保了闪电般的启动速度和流畅的运行体验。

谁适合使用 Vim Elysium？

追求极致效率的后端/全栈开发者
希望将 Vim 作为主力开发环境的学生和研究人员
经常在服务器上工作的 DevOps 和运维工程师
所有热爱 Vim，但又不想在繁琐配置上浪费时间的极客

快速开始

我们深知，复杂的安装过程会劝退 90% 的用户。因此，Vim Elysium 的安装被设计得极其简单：

确保前置要求已安装 (Git, ctags, Node.js)。
克隆仓库：

git clone git@gitee.com:peterfei_1109/vim-elysium.git ~/.vim-elysium

安装配置：项目提供了详细的备份和安装步骤，仅需几条命令即可完成。
一键安装插件：打开 Vim，执行 :PlugInstall，所有插件将自动安装。

详细步骤请参考项目 README。

立即体验你的终极 Vim

告别在数百个插件和数千行配置中挣扎的过去吧。Vim Elysium 已经为你铺平了道路，让你能立刻享受到 Vim 编辑哲学的精髓与现代 IDE 的强大功能。

是时候给你的 Vim 来一次终极升级了！

➡️ 项目地址

如果这个项目对你有帮助，请不要吝啬你的 Star！⭐

GitHub (主仓库): https://github.com/peterfei/vim-elysium
Gitee (国内镜像): https://gitee.com/peterfei_1109/vim-elysium

SEO 关键词: Vim, Neovim, Vim 配置，Neovim 配置，IDE, dotfiles, 开箱即用，程序员，开发者工具，LSP, coc.nvim, vimspector, 代码补全，调试，终极配置，Python, Java, C++, Go, JavaScript

Omarchy 成功运行在 Surface Pro 7 上

canonpd — Sun, 24 Aug 2025 02:14:37 +0800

Omarchy 是 DHH 新作，运行在 Arch Linux 上。机器使用 Surface Pro 7，i5 CPU、8G 内存，128G 硬盘。

依照官方文档安装，基本没有坑。但是注意，全程要有非常通畅的网络（你懂的）。

装好后，只有触摸屏不能用。其他包括音量热键、亮度热键、外接屏幕，无需额外驱动，全都是好的。

内存占用非常少，开机 1.5G。而 Win 10 开机占用是 4G 以上。现在这机器，拿来做开发应该是极好的。

在 Zed 编辑器中使用 Telescope 风格进行查询定位文件

qinsicheng — Sat, 23 Nov 2024 13:37:58 +0800

尝试过nvim的人应该都对 telescope 这种文件查询风格很喜欢，当在输入时能自动进行重新查询，并通过上下键进行翻阅

我目前在使用另一款编辑器 Zed，它目前内置的查询并无法做到类似的操作。但通过内置的 Terminal+fzf+bat+rg 也能做到类似的效果

git 链接：https://l.ruby-china.com/photo/qinsicheng/8bebe536-17bd-4da9-8569-f554773e9533.gif 帖子里看没有打开成功

fish function

function search_and_edit
    # 使用rg进行文件搜索，并使用fzf进行预览
    set -l selected_file (rg --column --hidden --line-number --no-heading --color=always --smart-case --glob '!**/.git/' --glob '!**/node_modules/' . | fzf --ansi --delimiter : --preview 'bat --style=numbers,changes,header --color=always --highlight-line {2} {1}' --preview-window 'up:60%:+{2}+3/3' --layout=reverse)

    # 如果选择了文件，提取文件路径、行号和列号
    if test -n "$selected_file"
        set -l file (echo $selected_file | cut -d':' -f1)
        set -l line (echo $selected_file | cut -d':' -f2)
        set -l col (echo $selected_file | cut -d':' -f3)

        # 使用Zed编辑器打开文件
        zed $file:$line:$col
    end
end

Zed keymap

{
    "context": "Editor && vim_mode == normal && !VimWaiting && !menu",
    "bindings": {
      "space f": [
        "workspace::SendKeystrokes",
        // 在页面上打开Terminal，执行 search_and_edit(我定义的脚本)，执行结束后关闭
        ": new center terminal enter search_and_edit space && space exit enter"
      ]
    }
  }

这样通过快捷键就能快速打开进行查询，同时可以看到这种方式主要依赖于 Terminal，所以应该能很容易改到其他编辑器中。

另外让人很兴奋的一点，通过这种方式也能将lazygit通过相同的方式进行使用，因为现在 zed 的 git 工具并不完善。

参考帖子：https://github.com/zed-industries/zed/issues/8279

更好用的 Web 服务器：Caddy

hammer — Mon, 12 Aug 2024 13:13:28 +0800

What is Caddy

Caddy 是一个用 Go 实现的 Web Server。

在追求性能的道路上，nginx 已经一骑绝尘。这种情况下诞生的 Caddy 有什么特性呢？

Caddy 的作者 Matt Holt 有这样的理念：其他 Web Server 为 Web 而设计，Caddy 为 human 设计。一句话就是 Caddy 主打易用性，使用配置简单。

Caddy 有下面这些开箱即用的特性：

全自动支持 HTTP/2 协议，无需任何配置。
Caddy 使用 Let’s Encrypt 让你的站点全自动变成 HTTPS，无需任何配置。
合理使用多核多核得益于 go 的特性
完全支持 IPv6 环境
Caddy 对 WebSockets 有很好的支持
自动把 Markdown 转成 HTML
Caddy 对 log 格式的定义很容易
易于部署得益于 go 的特性，caddy 只是一个小小的二进制文件，没有依赖，很好部署
得益于 Go 的跨平台特性，Caddy 很容易的支持了三大主流系统：Windows、Linux、Mac

“几乎所有的功能在 Caddy 里的都是插件，HTTP 服务器是插件，高级的 TLS 特性也是插件，每一行命令实现的功能都是一个插件”

一键安装 Caddy

CADDY_TELEMETRY=on curl https://getcaddy.com | bash -s personal

显示如下内容 caddy 已经安装成功

% Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  7380  100  7380    0     0   6897      0  0:00:01  0:00:01 --:--:--  6897

Downloading Caddy for linux/amd64 (personal license)...

Download verification OK
Extracting...
Putting caddy in /usr/local/bin (may require password)
Caddy v1.0.3 (h1:i9gRhBgvc5ifchwWtSe7pDpsdS9+Q0Rw9oYQmYUTw1w=)
Successfully installed

配置 Caddy

sudo mkdir -p /etc/caddy # 配置文件夹
sudo touch /etc/caddy/Caddyfile

Caddyfile写入以下内容，格式还是比较简单的

example.com:80
gzip
log /var/log/caddy/access.log
root /var/www
tls tls@outlook.com

首先第一行必须是网站的地址

第 2 行的 gzip 是一个指令，表示打开 gzip 压缩功能，这样网站在传输网页时降低流量

第 3 行的 log 指令会为网站开启 log 功能，log 后的参数是 log 文件的存放位置

第 4 行的 root 是指定网站的根目录

第 5 行的 tls 指令告诉 caddy 为网站开启 https 并自动申请证书，后面的 email 参数是告知 CA 申请人的邮箱。caddy 会默认使用 let's encrypt 申请证书并续约。 tls 也可以使用路径给出的证书 tls /etc/ssl/cert.pem /etc/ssl/key.pem

如何设置多站点访问呢？

example.com:80 {
  gzip
  log /var/log/caddy/access.log
  root /var/www
  tls /etc/ssl/cert.pem /etc/ssl/key.pem
}
example2.com:3000{
  gzip
  log /var/log/caddy/example2/access.log
  root /var/www/example2
  tls /etc/ssl/example2/cert.pem /etc/ssl/example2/key.pem
}

基本的 caddy 配置就这些，详细的内容可以去官网上看文档学习

反向代理

http://www.example.com {
  ## HTTP 代理配置
  ### 此时访问 example.com，实际访问的是 127.0.0.1:8080/app/ 的内容
  proxy / 127.0.0.1:8080/app/

  ## WebSocket 代理配置
  ### 客户端请求的 wss://example.com/app/websocket, 实际为 wss://127.0.0.1:8080/app/websocket
  proxy /app/websocket 127.0.0.1:8080 {
    websocket
  }
}

负载均衡简单配置

proxy / web1.local:80 web2.local:90 web3.local:100 {
  policy round_robin
}

用反向代理命令proxy 将请求循环转发到 80、90、100 三个后端服务，通过 policy 命令控制策略为 round_robin，以循环方式选择后端服务。

已守护进程的方式启动 daemon

有 3 种

nohup caddy &
下载 hook.service 插件
systemd

使用的是官方提供的脚本 caddy.service，其他系统也可以在这里找到相应的脚本。

把这个文件下载到 /etc/systemd/system/

sudo curl -s  https://raw.githubusercontent.com/caddyserver/caddy/v1.0.3/dist/init/linux-systemd/caddy.service -o /etc/systemd/system/caddy.service

需要重新加载 systemd daemon，让配置生效， sudo systemctl daemon-reload。

设置 Caddy 开机启动 sudo systemctl enable caddy.service

SublimeText Web 开发在 2024

qinsicheng — Sun, 16 Jun 2024 15:47:26 +0800

随着 LSP 和 AI 发展的越来越完善，SublimeText 也可通过各类插件享受到新的福利，最近尝试使用 ST4(SublimeText4) 作为主开发工具，体验上还是很爽的，所以想给想尝试的朋友一些推荐。

为什么不用 Vscode，Jetbrains 等主流 IDE 工具？

老实讲我感觉 ST 概念比较简单，很快，按钮少😂，但是功能上 IDE 肯定更全面，对新人更友善。每个人有自己在意的点，如果喜欢原先的开发工具也完全 OK，目前我通过插件将 ST 改成了一个简略版 IDE，对一些基础操作：git,sql,terminal,代码补全,定义/引用查找等功能已经集成的不错了，觉得 ST 是大家选择开发工具中的一个可选项。

Zed也很不错，不过还不太完善，所以感觉还等一段时间，很期待。

Plugins

插件统一通过Package Control下载即可

主题

视觉效果看着舒服是很重要的一个点，我目前尝试了：ayn,Material插件，感觉都不错，不过可能有些小细节，希望能自定义一下，比如注释代码的颜色，侧边栏字体大小，滚动块儿样式等等。

可以通过PackageResourceViewer插件，快速定位到插件样式定义文件，然后去修改

Git

Git 插件
GitGutter 插件
Sublime Merge 软件

通过Git,GitGutter可以很方便在写代码时操作 Git，不过有时候遇到代码冲突，分支管理等操作还是不太方便，通过 Sublime Merge 可以无缝衔接增强。

命令行

Terminal
Terminus

可以通过绑定快捷键，快速打开命令行，但是我发现 ST 中的 Panel 默认只能打开一个 Shell。通过快捷键可以解决这个问题：

{
   "keys": [
      "alt+1"
   ],
   "command": "toggle_terminus_panel",
   "args": {
      "panel_name": "first-panel"
   },
},
{
   "keys": [
      "alt+2"
   ],
   "command": "toggle_terminus_panel",
   "args": {
      "panel_name": "second-panel"
   },
},

这样就可以通过快捷键，切换到不同的 shell 中了。

SQL

SQLTools 插件

操作 SQL 的瑞士军刀，真的超级好用，提供 SQL 编写字段，表等补全功能，不过由于项目中没有 sql 文件，每次创建删除又很麻烦，需要注意 ST 原生的宏记录，对于创建新文件页面无效，我通过Multicommand插件，来编写宏：

// query_file.sublime-macro
{
    "cmd": ["new_file", "untitled.sql"],
    "args": {"syntax": "SQL"},
    "flags": ["window"]
}

文件操作

AdvancedNewFile 快速创建文件
Quick File Creator 快速指定目录创建文件
SyncedSideBar ST 在文件切换时，侧边文件导航栏并不会定位到当前文件，通过该插件可以自动定位
Local History 记录本地代码修改记录

AI 代码补全

Codeium

配置简单，响应快速，智商还算在线，官网上说比 Copilot 强，个人免费。

LSP

"LSP"
"LSP-css"
"LSP-eslint",
"LSP-json",
"LSP-typescript",
"LSP-volar"

目前写 Ruby 用的 LSP 是solargraph,可以看文档自己去配置就好，sublime-lsp。再说一遍 LSP 真香！！！

配置同步

Sync Settings

就是说在笔记本上 ST 的配置，想同步到台式机上，就可以通过该插件将配置同步到：gist.github.com

这一套下来，就基本上差不多了，像前端开发也会用Emmet插件，不过最近发现在写 Vue 时，常量的定义查找，标签组件的定义查找，都没用，只能通过文件名搜索查看，感觉还是不太方便，目前仍在找解决方案。

可以看出 ST 仍有一些不便之处，所以就得视情况而定去选择工具。为了某些优势，能容纳其他的问题。

最近想学着写写插件，前辈们有推荐的学习方式吗。

想省事儿还是得虚拟机或者 mac，试了一下 wsl，刚装好就发现浏览器不能上网了

willx — Sun, 25 Feb 2024 09:29:18 +0800

看到一个一样的问题，客服也没给出解决方案：https://answers.microsoft.com/zh-hans/windows/forum/all/%E5%90%AF%E7%94%A8wsl2%E5%90%8E%E5%9C%A8%E5%BC%80/948cbd3c-99b4-4bfe-a599-4fd3fe6a1f3f。

浏览器无法直接上网，但是通过代理服务居然还能上，不知道 wsl 搞了什么奇怪的操作。

不想用 mac 了，有什么别的笔记本推荐吗

july_12 — Tue, 15 Aug 2023 10:00:56 +0800

社区有没有大佬平时不是使用 Mac 作为开发工具，但开发体验也很不错的笔记本可以推荐。

本人平时主要做前端开发工作，3D 图形可视化这块，但是目前使用的 Mac book pro

开发体验很不好，没开几个应用笔记本散热声音特别大，在 vscode 进行代码输入会有较明显延迟，很不流畅。

导致平时都不敢开太多的应用。

也尝试过重装电脑和使用 cleaner one 等清理软件瘦身，还是会存在该问题。

所以考虑换其他类型笔记本了

IDEA 版 API 接口神器来了，一键生成文档！

bingkele — Tue, 21 Feb 2023 13:50:11 +0800

每个开发都不想写文档。当你不想写接口文档时，可以通过安装插件在 IDEA 里实现自动同步，一边写代码一边同步接口文档给你的前端、测试同学。以下内容手把手教你怎么操作（这里仅面向使用 IDEA 编辑器、遵循 Java Spring 框架注释规范的同学）：

首先，你需要安装一个插件

IDEA 插件市场里搜索「Apifox Helper」，这是国内一个做 API 协作管理平台的厂商（Apifox）做的插件，可以非常方便自动生成接口文档并且同步到你的项目中。这个插件可以实现代码零入侵自动生产接口文档。

IDEA 安装插件：打开 IDEA > Preferences(Settings) > Plugins，搜索 Apifox Helper，点击安装。这里如果存在安装速度慢，你也可以去 Jetbrains Marketplace 的官网下载。

安装完成后，你可以选择同步到 Apifox 项目中，也可以直接导出 markdown 文档。如果是同步到 Apifox 项目，你还需要下载或注册 Apifox 软件，创建一个对应的项目：

注册/下载地址：http://apifox.cn ，直接微信扫一扫就可以，非常简单。
创建项目：点击创建团队 >新建项目，填入对应的项目名称。

（这里强烈推荐同步到 Apifox 项目，原因后面说）

第二步，把你 IDEA 中的项目和 Apifox 的项目关联

插件安装成功后，要将 IDEA 内的项目与 Apifox 的项目进行相关联，需要配置令牌。在 IDEA 中进入插件设置界面 Preferences(Settings) > Apifox Helper 中填写即可。需要填写的基础信息有三个：

Apifox 服务器地址：默认 Apifox API 服务地址为 https://api.apifox.cn，默认就填好了，不需要修改。

填写 Apifox 个人访问令牌：在 Apifox 个人头像处的【账号设置】中选择【API 访问令牌】，新建令牌后复制生成的 Token 填写到以上插件设置中。

模块项目 ID 配置：这项主要是进行代码模块名和项目 ID 的映射关系配置，在 Apifox 中对应项目的【项目设置】中选择【基本设置】，复制并保存项目 ID，填写在以上的对应模块名处。 .

到这里，就完成全部的设置动作，可以实现文档的自动生成和更新同步了。说明一下：每个项目只需要开始的时候设置这一次，后面就不需要做这个操作了。

第三步，自动生成接口文档

打开需要上传的 Controller 文件，右键选择「Upload to Apifox」。 . 1.
去 Apifox 项目内，就可以看到刚才自动同步过来的文档了。

当后续接口代码有变动或更新时，再次点击「Upload to Apifox」就可以同步。

为什么推荐创建一个 Apifox 项目？

这个插件虽然支持导出 markdown，但给别人分享分档的时候不是很方便，有更新的时候也不会同步，需要反复导出。使用 Apifox 项目就可以直接给别人分享一个链接就可以，你之后接口的更新也会直接同步，对方看到的永远是最新的。另外，Apifox 这个产品本身还有很丰富的 API 调试、Mock、自动化测试等功能，你的前端和测试也可以直接在上面做后续的工作了。这里不细说，有兴趣的可以去找他们官方文档了解。

有了这个插件，你还可以直接在 IDEA 里调试

Apifox Helper 支持在 IDEA 中一键发起接口自测，不需要切换其他软件。在 IDEA 中选中需要调试的 API 文件，右键选择「Call API」发起请求就可以。

当然，以上只是简单版本的自动同步文档，没有什么特殊情况也就可以满足使用了。当然，可能会存在一些特殊的要求，比如说，设置接口 API 所在的文件夹名称、想要忽略某些 API 不同步等等情况。在他们的官方文档上是推荐使用配置文件的方式实现你各种特殊规则和要求的。详情可以自行去 Apifox 官方查阅。

和 Swagger 有啥不一样？

很多开发都习惯用 Swagger，用 Swagger 可以一定程度上解决自动生成文档的问题，但有一个很大的缺点：你需要写大量的注释，会对你的逻辑代码有入侵。并且在功能的全面性上不如 Apifox。

Swagger：需要写注释，对逻辑代码有入侵，功能单一；

Apifox：可以基本实现代码零入侵，使用标准的 Javadoc 注释就可以自动生成。同时它也支持同步 Swagger 的文档到项目里。还有 API Mock、自动化测试等延伸功能。

推荐用法是可以省略 Swagger 这一步，直接安装这个插件使用就可以。插件直接插件市场搜索：Apifox Helper

官网：www.apifox.cn

【内网穿透】1apm，提供一键内网穿透，基于 ssh，无需安装软件

jicheng1014 — Thu, 17 Nov 2022 09:48:46 +0800

www.1apm.com 这个域名买了很久了，一直没有利用起来，最近也是因为口罩原因在家，于是抽着不忙，做了一个比较实用的内网穿透服务。

整个项目技术架构为 ruby on rails 7 + tailwindcss3 + alpinejs，感觉开发起来还是很顺，特别是 alpinejs，这玩意在简单逻辑上还挺好用的

下面是 www.1apm.com 的简介

www.1APM.com 是从一个已经挂掉的项目 nuapi 的一个子功能内网穿透得到的灵感，通过一个简单的网页，你可以将你的内网服务暴露到公网上，通过一个域名访问。

这个工具不同于 ngrok 或者 frp 的最大特点就是在做内网穿透的时候，它是不需要安装任何软件的，只需一句命令行，通过系统自带的 ssh tunnel 来提供内网穿透服务。

这带来了个显而易见的优点：无需准备，直接穿透

在开发过程中，有无数的细节等待着我们。我一直认为，除了核心目标，其他的工作，尽量不要麻烦自己。我在开发时最烦的就是与第三方进行对接，举个简单的例子：

微信的登录微信需要能访问到我的服务，要想让三方服务访问到，就必须准备公网可见的服务器，这还处在开发阶段，服务器都不一定申请下来了。

服务器下来了，也得配环境、配数据库、配域名、还要配那个倒霉的 https 证书！对接一行代码没写，就已经浪费了好几个小时。然而等将程序部署到之后，如果一旦对接失败（这很正常，很难做到首次对接一次成功），又得去远端翻日志翻数据，再切回本地根据之前的数据再模拟一遍访问，再查找 bug，改 bug，提交代码再重新部署。往往就改了一行，就要花几十分钟做这些重复动作，接着再出现问题，只能换个姿势再来一次，代码没搞多少，一天就已经结束了。

正所谓因为太麻烦，所以搞不定。

有了 1apm 提供的基于 ssh 的内网穿透，这些操作都可以省略，只需要在开发机上运行对应指令，即可得到公网可见，直连本机端口，支持 https 的网址！

不仅可以让三方服务微信向你发起请求，更可以直接在增加断点调试，哪里有问题，可以当场查看下变量。工具方便快捷，解决起问题就会得心应手。

1apm 内网穿透本身不装任何软件，这样就省去了带来的安全性问题不引入新的软件，用完了直接结束命令即可。

【实操日记】使用 PyQt5 设计下载远程服务器日志文件程序

upyun — Fri, 11 Nov 2022 14:55:59 +0800

最近通过 PyQt5 设计了一个下载服务器指定日期日志文件的程序，里面有些有意思的技术点，现在做一些分享。

PyQt5 是一套 Python 绑定 Digia Qt5 应用的框架，是最强大的 GUI 库之一，使用 PyQt5 我们能够很容易的开发桌面应用，接下来我们将用它来开发一个下载服务器日志文件的小程序。

前期准备

软件

QT5 Python 模块
PyQt5==5.15.7
paramiko==2.9.2 PyCharm 添加扩展工具 PyUIC PyUIC 扩展用于将使用 Qt Designer 生成的 ui 文件转成 py 文件，可以在 PyCharm 中通过 Preferences-Tools-External Tools 进行配置，截图如下：

Program：/Users/macbookpro/workspace/projects/DownloadServerLog/venv/bin/python3.9
Arguments：-m PyQt5.uic.pyuic $FileName$ -o $FileNameWithoutExtension$.py
Working directory：/Users/macbookpro/workspace/projects/DownloadServerLog/ui

实操步骤

1. 创建项目

创建 DownloadServerLog 项目，设计程序结构如下：

DownloadServerLog
├── app
│   ├── downloadlog.py
│   └── downloadlog_qtui.py
├── main.py
└── ui
│   └── downloadlog_qtui.ui
├── .env

main.py 作为程序入口文件，.env 存放环境变量，ui 存放使用 Qt Designer 设计界面导出的源码文件，app 存放下载程序文件。

2.使用 QtDesigner 设计界面

Qt Designer 使用起来非常简单，可以通过“拖拉拽”的形式生成 UI 界面（文档：https://doc.qt.io/qtcreator/creator-using-qt-designer.html），设计界面如下：

这个程序功能一目了然，左侧几个输入框用于输入必要的信息，右侧一个展示框用于展示程序实时日志。界面设计好后可以将其保存至项目 DownloadServerLog 下的 ui 目录下 downloadlog_qtui.ui，供后续使用。

3. 使用 ui 生成对应的 py 文件

使用 PyCharm 打开项目，在 downloadlog_qtui.ui 文件上右键，选择 External Tools 使用 PyUIC 根据 ui 文件生成对应的 py 文件 downloadlog_qtui.py，将文件存放至 app 目录。

4. 新建 main.py 作为程序入口

在项目根目录下创建 main.py 文件：

import sys

from PyQt5 import QtCore
from PyQt5.QtCore import QObject, pyqtSignal
from PyQt5.QtWidgets import QApplication, QMainWindow
from threading import Thread

from app.downloadlog_qtui import Ui_Dialog
from app.downloadlog import DownloadLog


class CommunicateSignal(QObject):
    text_print = pyqtSignal(str)


# MyWindow 是主窗口程序，继承自 PyQt5.QtWidgets.QMainWindow
# 和通过 ui 文件生成的 downloadlog_qtui.py 中的 Ui_Dialog 类
class MyWindow(QMainWindow, Ui_Dialog):
    def __init__(self, parent=None):
        super().__init__(parent)
        self.setupUi(self)
        self.btn_download.clicked.connect(self.click_download)

        # 自定义信号处理函数
        self.comm_signal = CommunicateSignal()
        self.comm_signal.text_print.connect(self.show_text)

        self.set_window_init_data()

    def set_window_init_data(self):
        """设置程序窗体初始值"""
        # 从 .env 读取环境变量
        result_dict = dict()
        with open('.env', 'r', encoding='utf-8') as f:
            for line in f.readlines():
                key = line.split('=')[0].strip()
                value = line.split('=')[-1].strip()
                result_dict[key] = value

        # 设置输入框值
        _translate = QtCore.QCoreApplication.translate
        self.host.setText(_translate("Dialog", result_dict.get("HOST", '')))
        self.port.setText(_translate("Dialog", result_dict.get("PORT", '22')))
        self.username.setText(_translate("Dialog", result_dict.get("USERNAME", 'root')))
        self.password.setText(_translate("Dialog", result_dict.get("PASSWORD", '')))
        self.directory.setPlainText(_translate("Dialog", result_dict.get("DIRECTORY", '')))
        self.startTime.setDate(QtCore.QDate.currentDate())
        self.endTime.setDate(QtCore.QDate.currentDate())


    def get_window_input_value(self):
        """获取程序各「输入框」组件值"""
        return {
            "host": self.host.text(),
            "port": self.port.text(),
            "username": self.username.text(),
            "password": self.password.text(),
            "directory": self.directory.toPlainText(),
            "start_time": self.startTime.date().toString("yyyy-MM-dd"),
            "end_time": self.endTime.date().toString("yyyy-MM-dd"),
            "suffix": ".log",
        }

    def show_text(self, text):
        """将文本内容追加到程序「展示框」"""
        self.textBrowser.append(text)

    def click_download(self):
        """处理点击「下载」按钮事件"""
        params = self.get_window_input_value()

        def run():
            res = DownloadLog(conn_type='ssh', comm_signal=self.comm_signal, **params)
            res.main()

        t = Thread(target=run)
        t.start()


if __name__ == '__main__':
    app = QApplication(sys.argv)
    myWin = MyWindow()
    myWin.show()
    sys.exit(app.exec_())

MyWindow 作为主窗口程序，程序初始化时会将 self.click_download 方法注册到下载按钮的点击事件，并自动调用 self.set_window_init_data 方法来设置输入框初始值。

5. 下载

下载日志程序 DownloadLog 定义在 app/downloadlog.py 中，远程下载文件主要步骤有两步：

通过 SSH 登录远程服务器
通过 FTP 进行文件下载

这里采用 paramiko 来实现远程下载功能，paramiko 是一个纯 Python 库，它实现了 SSHv2 协议，提供了 SSH 和 FTP 的能力。

核心代码如下，读者可以根据自己的需求实现 DownloadLog：

class DownloadLog(object):
    def __init__(self, **kwargs):
        """初始化一些参数"""
        ...

    def main(self):
        # 获取 Transport 实例
        tran = paramiko.Transport((self.host, int(self.port)))
        # 连接 SSH 服务端
        tran.connect(username=self.username, password=self.password)
        # 创建 SFTP 实例
        self.sftp = paramiko.SFTPClient.from_transport(tran)
        # 下载文件
        # :param str remotepath: the remote file to copy
        # :param str localpath: the destination path on the local host
        self.sftp.get(remotepath=self.remote_path, localpath=self.local_path)

6. 展示下载过程

为了将下载程序执行步骤实时展示到输出框，这里需要引入 PyQt5 的信号处理机制。

由于 PyQt 建议只在主线程中操作界面，可以发现我们在 main.py 中调用 DownloadLog.main 方法时创建了一个新的线程。

所有的 GUI 程序都是事件驱动的，事件可能由用户触发，比如点击下载按钮事件，也可能由程序触发，比如我们现在要实现的展示下载过程的功能，就需要使用程序主动触发事件。

在 PyQt5 中通过 Signal 信号来处理事件，其基本使用步骤如下：

自定义一个 CommunicateSignal 类，继承自 PyQt5 的 QObject 类，里面封装自定义的 Signal 信号（Signal 实例对象的初始化参数指定的类型，就是发出信号对象时，传递的参数数据类型。因为 PyQt5 底层是 C++ 开发的，必须指定类型）。

class CommunicateSignal(QObject):
    text_print = pyqtSignal(str)

定义主线程执行的函数处理 Signal 信号（通过 connect 方法绑定）。

# 自定义信号处理函数
self.comm_signal = CommunicateSignal()
self.comm_signal.text_print.connect(self.show_text)

在 DownloadLog 线程需要操作界面的时候，就通过自定义对象（CommunicateSignal）发出信号（使用 emit 方法发出信号)，所以在实例化 DownloadLog 时会将 comm_signal 传递进去。

# 通过该信号对象的 emit 方法发出信号，emit 方法的参数传递必要的数据。
# 参数类型遵循定义 Signal 时指定的类型。
self.comm_signal.text_print.emit(text)

主线程信号处理函数，被触发执行，获取 Signal 里面的参数，执行必要的更新界面操作，这里将每次通过事件传过来的文本内容展示到输出框内。

def show_text(self, text):
    """将文本内容追加到程序「展示框」"""
    self.textBrowser.append(text)

7. 效果展示

通过以上步骤我们完成的程序设计，现在可以验证下这个下载日志文件的小程序了：

查看下载结果：

总结

我们通过 PyQt5 实现了一个下载远程服务器日志文件的小程序，其实它不止可以用来下载日志，同样可以用来下载其他文件。借助 PyQt5 强大的能力，我们可以通过“拖拉拽”的形式很容易地实现桌面端程序，只需要将原来的 Python 脚本绑定到 UI 程序的事件中，就实现了命令行程序到桌面程序的演进。接下来你可以根据自己的需求来定制自己的桌面小程序啦~

资料参考：

https://download.qt.io/archive/qt/5.14/5.14.2/

https://doc.qt.io/qtcreator/creator-using-qt-designer.html

https://docs.paramiko.org/en/stable/

低代码是开发的未来吗？浅谈低代码平台

upyun — Wed, 27 Jul 2022 15:43:43 +0800

低代码的热潮在几年前就火过，从阿里钉钉跨平台协作方式，再到飞书上的审批流程，以及目前我们接触到的表单审批、投票的模板，这些都是关于低代码的实现方式。随着企业数字化转型和云计算的不断发展，低代码平台又一次成为热门话题被越来越多的人讨论。

今天分享的主题为浅谈低代码平台，主要从以下 4 个方面进行介绍：

低代码平台概述
低代码、无代码
低代码平台的技术路线
可视化拖拽平台的应用

低代码平台概述

低代码开发平台，英文全称“Low-Code Development Platform”，简称 LCDP，是通过少量代码或零代码就可以快速生成新应用，实现业务应用的快速交付的应用平台。广义上的低代码平台包括低代码和零代码，它们都属于 APaaS（应用平台即服务）。

低代码这一概念首次出现于 20 世纪 80 年代，在近 40 年的历程中，整个发展经历如下图所示：

△（图片来源于网络）

第一阶段是探索期，主要是基于 20 世纪 80 年代就有美国公司和实验室开始研究程序可视化编程这个领域，做出了 4GL“第四代编程语言”，后来衍生成 VPL（Visual Programming Language 可视化编程语言）。

第二阶段是发展期，2014 年，由研究机构 Forrester Research 正式提出了“低代码/无代码”的概念。

第三阶段是爆发期，2018 年，荷兰公司 Mendix 以 7 亿美元被西门子收购、美国低代码独角兽企业 Outsystem 获得 1.5 亿美元的融资。此次收购事件以及融资事件的发生将低代码市场带入资本方的视野，低代码市场开始进入爆发期。

低代码平台代替了程序员开发数千行具有复杂代码和语法的行。它的作用是让开发人员以及业务人员，通过“拖拉拽”的方式使用平台，来创建完整的应用程序。同时突破了传统业务之间沟通的复杂度和交付时间周期长的特点，能够持续进行开发。

低代码、无代码

低代码平台包括低代码和无代码，二者区别如下：

△（图片来源于网络）

无代码：主要面向业务人员，零开发经验的业务人员通过拖拽等方式，无需编写代码，即可快速搭建各种应用。无代码更适合单点场景的应用，平台应用性高于低代码。
低代码：主要面向开发人员，通过自动代码生成和可视化编程，只需要少量代码，即可快速搭建各种应用。低代码的市场占有率高，适合复杂场景交互应用的搭建。平台灵活性高于无代码。

但本质上低代码与无代码都能够降低开发门槛、快速响应业务需求、提升开发效率。

接下来我们来看看具体的低代码平台技术路线。

低代码平台的技术路线

因低代码平台源自于集成开发环境（Integrated Development Environment，IDE）的可视化、模块化与集成化特点，同时根据目标人群对象的使用，大体分为两条线路：第一条为业务复用型，主要包含应用开发平台、智能表格、SAAS 聚合，特点是数据与逻辑完全分离、各自独立的模型驱动，适合开发人员。第二条为开发工具型，主要包含在线 IDE、DSL 开发框架、组件代码库，特点是数据与储存结构合一的表单驱动，适合业务人员使用。

△（图片来源于网络）

适合开发人员的技术路线

我们首先来看下适用于开发人员的技术路线模型驱动。由模型驱动对软件所涉及到的功能进行建模，然后以应用开发平台为核心，承载各种开发工具和复杂逻辑，并将其可视化。然后辅以少量代码，就能够作为技术中台核心帮助开发者快速产出一整套系符合企业需求的系统。具体处理场景示例如下：

开发人员通过图中左右两边进行操作，左边是一些特定组件，拖到中间的画布里面。图中的板块都是相互独立的，需要通过右边的语法把它们进行关联，再生成所需要的场景化应用，这是模型驱动的一种方式。

适合业务人员的技术路线

该路线是非 IT 模式，以表单驱动数据为核心，通过拖拽构建数据表方式展开业务分析设计。以做到完全去 IDE 化，像搭积木一样按流程构建程序逻辑。适合完全零基础人员，比如人事行政进行资料归档、OA 审批，销售人员客户管理等。

处理场景示例如下：

左边是拖拽组件，中间是画布，右边是编辑属性。我们通过左边拖拽表单将事件排列在上面，进行简单的数据收集。右边是对表单进行数据处理，比如标题、宽度、必填线等设置。适合业务人员去操作填写数据表格，快速生成自己想要的数据收集，这是表单驱动的一种方式。

对于这类技术路线的产品，又拍云在 2020 年曾经开发过一套，我们接下来通过又拍云低代码产品来看一下表单驱动的具体应用场景。

低代码可视化拖拽平台的应用

该产品使用拖拉拽的方式，生成所需要的表单。生成表单后，显示面板会把表单数组包括的 json 数据拿出，再通过它识别组件的顺序进行编译后展示。产品页面结构如下：

△ 产品页面结构

编辑器实现思路

该产品的编辑器实现思路如下：

首先，使用数组 componentData 维护编辑器中的数据。

其次，将组件通过拖拽事件，拖拽到画布上进行移动布局。当然一个组件要设为可拖拽，那就需要为它添加 draggable 属性，而且在将组件列表中的组件拖拽到画布中时还会经历两个关键事件：

dragstart 事件
drop 事件

dragstart 事件，它在拖拽刚开始时触发，主要用于将拖拽的组件信息传递给布，下图是示例代码：

drop 事件，在拖拽结束时触发，主要作用是用于接收拖拽的组件信息，示例代码如下图：

之后使用 push() 方法将新的组件数据添加到 componentData。比如又拍云使用的 VLE 框架就是通过属性来识别我们想要的组件。具体为组件 V-item 是文本数据宽，可以通过其对应的属性值进行上下数据绑定，把数据填到结成数组里面。

组件数据如下：

最后，我们使用 v-for 指令遍历 componentData，主要通过 is 属性来识别出真正要渲染的是哪个组件，将每个组件逐个渲染到画布。例如要渲染的组件数据是 { component: 'v-text' }，则会被转换为。

编辑器渲染的核心代码如下所示：

全部完成后我们来看一下整体，如果将画布设为相对定位 position: relative，然后将每个组件设为绝对定位 position: absolute，只要通过监听三个事件就可以进行移动，这三个事件分别为：

Mousedown 事件，在组件上按下鼠标时，记录组件当前的位置，即 css 中的 left 和 top。
Mousemove 事件，每次鼠标移动时，都用当前最新的 left 和 top 减去最开始的 left 和 top，从而计算出移动距离，再改变组件位置。
Mouseup 事件，鼠标抬起时结束移动。

以上就是编译器的整体实现思路。

浅谈低代码平台的未来

根据咨询机构 Gartner 的市场分析来看，2023 年全球超过 50% 的大中型企业将把低代码应用平台作为主要的占领应用平台之一。预计到 2024 年，低代码应用程序开发将占总应用开发的 65% 以上。这就引出了两个问题：传统的软件开发会被取代吗？低代码是未来的趋势吗？

实际上，低代码开发并不会取代传统的软件开发，但它将改变在某些领域中的软件开发，改变那些重复低效的业务，这意味着公司不需要为这种业务招聘大量的开发人员，而是安排更多的专业软件开发人员面向客户的需求以及复杂和独特的软件开发问题。

尽管相较于原生的开发模式，低代码开发平台能够显著提升开发效率，尤其适合业务变化快、预算有限、开发时间紧迫的企业应用场景；但是低代码平台也有明显的局限性，至少就目前来说，它主要用于搭建企业软件。因为此类软件架构是有一定规律的，但娱乐、社交等软件开发比较深层交互的东西低代码还是无法实现的。

所以我认为低代码并不是未来，它只是未来的一部分。

Ruby China 社区 开发工具 节点

一夜重构！我用 18000 行代码打造了完全自研的 AI TUI 终端-IFAI Cli

凌晨 3 点的挑战

为什么选择自研 TUI？

一夜之间：从混乱到优雅

重构前的痛点

重构后的架构

完全自研的 TUI 组件

1. 自研输入框 (input_composer.rs)

2. 自研欢迎页 (welcome.rs)

3. 自研快捷键帮助系统 (keybindings.rs)

4. 实时搜索高亮算法

18000 行代码的工程奇迹

代码结构

测试覆盖

技术亮点

1. 责任链模式事件系统

2. 零拷贝渲染

3. 多模态智能切换

4. Claude Code 风格审批系统

通宵重构的经验总结

✅ DO - 应该做的

❌ DON'T - 避免做的

性能数据

为什么 Rust + 元编程是未来？

1. 编译时计算替代运行时开销

2. 类型安全的动态配置

3. 符合 AI 时代的开发范式

结语

试用 & 参与

全栈工程师 / AI 架构师 / Rust 爱好者 / 通宵战士/ IFAI 作者

一个 Tauri + Rust AI 编辑器是怎么同时适配 5 家 AI 大厂的？IfAI v0.4.3 架构拆解

五家 AI 大厂，一个编辑器

元数据驱动：用 YAML 替代 500 行 Rust 代码

多模态：一张图、一个 PDF、一段代码，怎么统一？

那个让所有 Provider 都罢工的 SSE Bug

Kimi K2 的 Thinking 模式：双重内容流

53 个模型，各有所长

国际化工程化：2749 个键，三种语言，怎么保证一致性？

数据总览

写在最后

Vibe coding 友好：开发环境专用网关，mDNS 发布主机名本地访问，一键 Cloudflare Tunnel 共享

解决什么问题

使用方式

1. 端口代理 — 一行搞定

2. Python / Node.js — 首次访问自动启动

3. 手机/局域网 — mDNS 直连

4. 公网分享 — 一条命令

5. 请求记录与重放

为什么说 Vibe coding 友好

其他特性

技术栈

IfAI v0.3.0 - Multimodal Intelligence 发布

IfAI v0.3.0 - Multimodal Intelligence 发布说明

🎯 版本概述

✨ 核心功能

1️⃣ 多模态 Vision LLM (Multimodal Understanding)

2️⃣ 本地/远程混合调度 (Hybrid LLM Scheduling)

3️⃣ 代码智能导航 (Code Intelligence Navigation)

4️⃣ AI 代码重构 (AI-Powered Refactoring)

5️⃣ 新手引导 Tour (Interactive Onboarding)

6️⃣ UI 加载反馈 (Loading Feedback)

7️⃣ 多工作区支持 (Multi-Workspace Support)

8️⃣ Tauri 外链支持 (External Links)

🛠 技术改进

多模态处理

编辑器增强

UI/UX 优化

测试覆盖

📊 性能表现

🐛 Bug 修复

🔄 升级指南

从 v0.2.9 升级

📝 已知问题

🚀 下版本预告 (v0.3.1)

🙏 致谢

IfAI v0.2.6 性能压测与稳定性报告

执行摘要

1. 核心渲染压测 (Rendering Stress Test)

1.1 Snippet Manager 万级列表滚动

Ruby China 社区开发工具节点

修复 1: 历史对话无法显示核心修复

修复 2: Windows 流式代码生成闪屏问题核心修复

产品经理智能体 (`/pm`)

前端开发智能体 (`/fe`)

后端开发智能体 (`/be`)

测试工程师智能体 (`/qa`)

DevOps 工程师智能体 (`/ops`)

技术负责人智能体 (`/tl`)