---
id: ai.ai-coding.workflow-rules-skills
title: AI 编程工具工作流：Claude Code / Cursor / Codex、规则文件、Skills 和 MCP
type: lesson
domain: ai
stack: [ai-coding]
tags: [AI 编程, Claude Code, Cursor, Codex, AGENTS.md, 规则文件, Skills, MCP, Vibe coding]
level: basic
prerequisites: []
est_hours: 2.5
related: [ai.ai-coding.verify-evidence, ai.agent-design.context-skills-multiagent, ai.mcp.protocol-server, ai.ai-coding.interview]
week: [1, 8, 10]
order: 1
---

# AI 编程工具工作流：Claude Code / Cursor / Codex、规则文件、Skills 和 MCP

> BOSS直聘 2026-10-23 的调研中，约 16 个岗位提到 AI 编程工具（Claude Code / Cursor / Codex / Vibe coding），不少岗位要求附上“用 AI 做过的项目 + 怎么确认它有效”，有的要求编写 Skills、沉淀开发工作流。工具更新非常快，功能和配置文件格式以各工具官方文档为准。

## 解释说明

### 工具形态

| 形态 | 代表 | 特点 |
| --- | --- | --- |
| IDE 内的 Agent | Cursor | 在编辑器里对话、改多文件、运行命令，结合代码补全 |
| 终端 Agent | Claude Code、Codex CLI | 在终端里读代码、改文件、跑测试，适合脚本化和大改动 |
| 云端 / 后台 Agent | 各工具的云端代理 | 在远程环境里异步完成任务，提交分支或 PR |

岗位关心的不是“用过哪个工具”，而是**能不能用它稳定地交付正确的代码**。

### 一个可靠的工作流

1. **先给上下文**：需求、相关文件、约定（规则文件）、完成标准。
2. **先计划后执行**：让 AI 先列出计划和要改的文件，你审核后再执行；大任务拆成小步。
3. **小步提交**：每完成一步就运行测试并提交，出问题容易回退。
4. **验证**：测试、类型检查、自己读代码、真实环境运行（见下一课）。
5. **沉淀**：AI 反复犯的错、团队的约定，写进规则文件或 Skill，下次自动遵守。

### 规则文件和 Skills

| 文件 | 作用 |
| --- | --- |
| `AGENTS.md`（Cursor、Codex 等支持）/ `CLAUDE.md`（Claude Code） | 项目说明：技术栈、常用命令、约定、完成标准。每次会话自动读取 |
| `.cursor/rules/*.mdc` | Cursor 的规则，可以按文件路径（globs）生效 |
| Skills（如 `SKILL.md`） | 某类任务的操作手册，按需加载：例如“新增接口的步骤”“发版检查清单” |
| MCP 服务 | 让 AI 工具访问外部系统：数据库结构、工单、文档、浏览器 |

Skills 的原理（只放描述、需要时加载全文）见 [Agent 设计专题](../agent-design/02-context-skills-multiagent.md)。写 Skill 的过程本身就是“把团队经验变成可复用工作流”，这正是部分岗位要求的能力。

### 什么时候不该让 AI 写

- 你自己完全不懂的领域的核心逻辑（无法验证就无法负责）；
- 涉及密钥、生产数据的操作；
- 需要深度理解业务上下文、而上下文无法提供给 AI 的部分。

## 案例

为订单服务新增“优惠价格计算”接口：在 `AGENTS.md` 写明金额用 Decimal、新接口必须有测试；调用 `add-api-endpoint` Skill；AI 先给出计划（schema → service → route → tests），审核后执行。AI 的第一版在“优惠券大于订单金额”时返回负数——这是由补充的边界测试发现的。修复后把“金额计算必须测试边界值”加进规则文件。

## 代码示例

示例目录 [examples/ai-workflow](examples/ai-workflow/)：

- [AGENTS.md](examples/ai-workflow/AGENTS.md)：项目说明、命令、约定、完成标准
- [.cursor/rules/backend-api.mdc](examples/ai-workflow/.cursor/rules/backend-api.mdc)：按路径生效的规则
- [skills/add-api-endpoint/SKILL.md](examples/ai-workflow/skills/add-api-endpoint/SKILL.md)：新增接口的操作手册

`AGENTS.md` 的核心部分：

```markdown
## 常用命令
- 测试：`uv run pytest -q`
- 检查：`uv run ruff check . && uv run mypy app`

## 约定
- 新接口必须有 pydantic 请求 / 响应模型和至少一个测试。
- 不要在代码、测试、日志中写入真实密钥、内网地址、客户数据。
- 每次改动后运行测试；测试不通过不要说“完成了”。
```

## 易错点

- 一次让 AI 完成一个很大的功能，结果难以审查，出错难以定位。
- 不给上下文就让 AI 写，它会按“常见写法”猜你的项目约定。
- AI 说“已完成、测试通过”就相信：要自己运行确认。
- 规则文件写得太长、互相矛盾，或者长期不更新。
- 把公司代码、密钥、客户数据粘贴到未经公司允许的 AI 工具中：先确认公司的使用政策。
- 依赖 AI 写自己看不懂的代码，面试被追问时讲不清。

## 面试常问

- 你平时怎么用 AI 编程工具？讲一个具体的例子。
- 你怎么让 AI 遵守项目的约定？
- 你写过 Skill / 规则文件吗？