软件工程组织方式的演进。 软件开发范式的演进可以概括为一组随工程复杂度提升而逐步形成的设计思想与组织方式，而非严格的历史线性阶段或全球统一的标准分期。 主要演进方向 面向过程编程 以执行流程为核心，将代码按照步骤、函数和过程进行组织，强调程序逻辑的顺序性与可执行性。 面向对象编程 将数据与行为封装为对象，通过类、对象、继承、多态等机制组织系统结构，提高代码的封装性、复用性和可维护性。 面向接口

自顶向下、自底向上与分而治之的组合使用。 软件工程中的自顶向下、自底向上和分而治之，是三种经典的问题分析与系统构建方法。 一、自顶向下：先看整体，再拆细节自顶向下的核心思路是：先明确系统整体要做什么，再逐层拆分成子系统、模块、类、函数，最后落实到具体代码实现。 比如要开发一个在线购物系统，采用自顶向下的方法时，通常会先问： 这个系统的总体目标是什么？ 它需要支持哪些核心业务？ 整体架构应该如何

复用成熟能力，用胶水代码连接、编排、适配业务流程。成熟能力解决通用问题，胶水代码连接业务流程，自研只服务真正不可替代的差异。 关系定位拼好码不是替代胶水编程，而是胶水编程的超集。 胶水编程关注的是“如何用最少胶水代码把成熟模块连接起来”；拼好码在此基础上继续向前、向后扩展： 向前：从用户意图出发，先判断需求能否被成熟能力覆盖。 中间：选择成熟方案，设计适配边界，用胶水代码完成连接与编排。 向

目标、现状、差距、标准、约束、对象与路径。 不会操作？先让网页 AI 生成逐步执行版如果你不知道如何实践本文档，打开 ChatGPT / Claude / Gemini 网页版，把下面提示词和本文档全文一起粘贴进去： 12345678910111213141516我正在学习下面这份文档。请你根据我的情况，把它转成一步一步可执行的学习/实践流程。我的情况是：____我的目标是

前言在集成 LSP 之前，Claude Code 仅能依赖 grep 进行文本匹配，如同“盲人摸象”，常因无法区分代码语义而产生误报或幻觉。集成 LSP 后，它瞬间获得了 IntelliJ IDEA 级别的“全知视角”——精准跳转、安全重构与实时诊断。这一变革让 AI 从基于概率的“猜测”进化为基于事实的“确证”，以极小的配置成本换取了开发效率与准确性的质变，真正实现了从“搜索工具”到“智能代理”

C盘爆了,发现vscode的插件占了好几个G，好淦！！！！！ 前言使用4种方法修改 Visual Studio Code 插件的安装位置。 修改环境变量 Portable mode 命令行参数 符号链接 插件默认安装位置： Windows %USERPROFILE%\.vscode\extensions macOS ~/.vscode/extensions Linux ~/.vscode

很多人说自己的AI宛如人工智障，而别人的AI宛如爱因斯坦。 除了你的模型降智，另一个可能的原因是与AI交流的姿势不对。 其实关于如何撰写更好的提示词，OpenAI和Gemini等官方都有说明文档：OpenAI提示词文档&Gemini提示词文档&微软提示词文档。 结合这些文档和我自己的使用经验，总结下如何更加高效地与AI交流。 令置顶 + 分隔上下文把任务与规则写在最前面，用 &qu

概述Claude Code默认需要直接连接到Anthropic的API服务器，但在某些情况下，如A畜对国内用户就不太友好，那我们可能就不能使用Claude Code默认的模型，上文介绍了使用修改配置文件的形式来使用国内的大模型，但是这个配置是反人类的，同时随着现在CLI工具的普及和一些协议的规范，其已经形成一套约定俗称配置信息，那也就延伸出了一些可视化的管理工具这里着重介绍一下我使用的cc-swi

概述随着国内大模型技术的快速发展，越来越多的国内大模型平台推出了Coding Plan，支持Claude Code的接入和使用。这些国内大模型通常具有更低的使用成本和更好的本地化支持，为用户提供了更多选择。本节将介绍如何在Claude Code中使用国内大模型，包括支持的平台和配置方法。 支持的国内大模型目前，以下国内大模型平台支持Claude Code的接入和使用： GLM Coding Pla

命令行工具安装概述Claude Code提供了命令行工具，允许开发者在终端或命令提示符中使用Claude Code的功能。命令行工具特别适合那些更喜欢使用终端进行开发的开发者，或者需要在CI/CD流水线中集成Claude Code的场景。 安装命令行工具使用npm安装（推荐）Claude Code的命令行工具可以通过npm全局安装： 1npm install -g claude-code