mirror of https://github.com/tradecatlabs/vibe-coding-cn.git synced 2026-07-27 18:57:50 +00:00

Files

T

tradecatlabs f1f0b9fe75 refactor: move research domain to repository root (#58 )

Move the complete research domain from docs/research to root-level research, update indexes and path-aware tooling, and align raw snapshot governance and CODEOWNERS.\n\nVerified with make test and GitHub CI.

2026-07-11 22:18:37 +08:00

4.0 KiB

Raw Permalink Blame History

luzhenqian/ai-coding-lab 深度研究

研究级别

当前级别：L2 源码/结构深度研究。
研究对象：luzhenqian/ai-coding-lab。
证据来源：本目录 raw/ 下的 GitHub 元数据、README 快照和本地仓库工作树。
观察日期：2026-07-03。

L2 结论

luzhenqian/ai-coding-lab 是项目实验室型仓库。它用多个独立项目覆盖 Vibe Coding、Skills、RAG、 Chatbot、Agent、creative 等方向，核心价值是把 AI Coding 学习从“读概念”转成“选项目、跑项目、改项目”的实践矩阵。

对本仓最有价值的是项目分组和难度梯度；最明显的问题是各项目质量和完成度可能不均，必须逐项目验证，不能因为目录完整就默认可用。

源码证据

raw/repository/README.md：项目矩阵入口，按方向、难度和产出组织。
raw/repository/vibe-coding/bio-link-page/README.md：零基础个人主页项目。
raw/repository/vibe-coding/nextjs-blog/：Next.js 博客项目。
raw/repository/vibe-coding/nextjs-blog-comment/：博客评论项目。
raw/repository/vibe-coding/flow-board/：看板项目。
raw/repository/skills/README.md：Claude Skills 实战。
raw/repository/skills/packages/：打包后的 skills。
raw/repository/skills/prompts/：skills 评测提示词。
raw/repository/rag/ask-book/：RAG 问答项目。
raw/repository/chatbot/mnemo/：记忆聊天助手项目。
raw/repository/agent/repo-analyzer/README.md：仓库分析 Agent 教学项目。
raw/repository/agent/mastra-orchestration/：Agent 编排项目。
raw/repository/creative/cover-generator/README.md：封面生成器项目。

关键机制

项目矩阵优先于线性课程

这个仓库允许读者按兴趣选择项目，不强制从第一章读到最后一章。它适合已经知道方向、想直接动手的读者，也适合作为教程仓库的实践层。

难度和产出写在入口

README 中每个项目都有难度和“你将做出什么”。这比只列目录更有效，因为读者能立即判断投入成本和产出价值。

Skills 被做成独立实践对象

skills/ 不只是解释概念，还包含 Skill 源文件、打包 zip、评测提示词和 API 调用 demo。这对本仓很重要：skill 应该有可验证产物，而不是只写一段方法论。

Agent 项目强调模式教学

agent/repo-analyzer/README.md 明确标出 Tool Calling、Workflow 和 Human-in-the-Loop，说明好项目不是只展示成品，还要把背后的 agent 模式讲清。

可迁移模式

本仓可以建立“实践项目矩阵”，按 Vibe Coding、Skills、RAG、Agent、Workflow、Ops 分类。
每个实践项目必须写清难度、产出、前置条件、运行命令和验收方式。
Skills 目录应补齐测试提示词、打包产物说明和调用示例。
Agent 示例应显式标注 Tool Calling、Workflow、HITL、Memory、RAG 等模式。
项目型资料进入本仓前必须跑最小验证，不能只凭 README 判断。

对本仓的影响

本仓当前更强的是知识、研究和治理；AI Coding Lab 更强的是项目样例。合理结合方式是：

concepts 解释概念。
workflow 给流程。
references 给模板。
research 保留研究。
新增或强化 practice/examples 层承载可运行项目。

如果暂不新增目录，也可以先在 docs/workflow/ 或 docs/getting-started/ 中增加实践索引。

风险和待验证项

本轮没有逐个运行项目。
部分目录可能保留 create-next-app 默认 README，说明项目文档完成度不均。
多技术栈项目会引入较高维护成本，本仓不应直接复制代码。

下一步 L3 验证任务

优先验证 skills/ 和 agent/repo-analyzer/ 两个项目，因为它们最贴近本仓方向。
建立本仓实践项目准入清单：能运行、能解释、能验收、能维护。
从 skills/ 抽取 Skill 打包和评测模式，回补本仓 skills/ 治理。
将项目矩阵结构沉淀为 docs/references/ 中的实践项目模板。

4.0 KiB Raw Permalink Blame History Unescape Escape