企业官网建设流程全解析

通义千问 Qoder AI Coding 最佳实践分享：上下文工程在个人与企业级项目的应用

引言

演讲者分享了在使用阿里通义千问Qoder（AI 代码编辑器）过程中的惊喜发现，特别是仓库 Wiki功能，以及结合项目规则（Rules）、MCP（Model Control Protocol）和其他上下文工程技巧，在 AI 辅助编码（AI Coding）中的强大效果。针对早期 AI Coding 体验爽快，但代码量增大后出现功能实现不佳、误改现有代码等问题，演讲者提供了系统化的解决方案，并通过两个实际项目案例进行演示。

核心观点：上下文工程是提升 AI Coding 效果的关键，包括源码、仓库 Wiki、项目规则（Rules）、提示词优化、MCP 等元素的综合运用。

案例一：个人兴趣项目 —— 文案仿写工具

项目描述

• 一个有趣的 AI 项目：模仿特定风格（如“临沂”风格）的文案生成。
• “临沂”风格特点：诗意、感性、哲理，例如：
  • “为什么很多朋友在不知不觉中都不联系了”
  • “有些人光是遇见你就是幸运，有些人最后离开了也是天意，所以不要悲伤，也别去抱怨，无法决定的事情就让它随遇而安吧。”
• 功能演示：用户选择风格、输入主题（如“陪伴是最长情的告白”），AI 生成对应风格的仿写文案。
• 示例输出：“我本以为人间最长情的告白是山盟海誓，刻骨铭心，后来才知道誓言有时难守，海市也会随潮起潮落，唯有陪伴如一盏长明灯，照亮彼此的岁月长河。”

Qoder 应用实践

• 项目结构分包清晰，有多个类和模块。
• 使用仓库 Wiki：
  • 将项目上传到 Qoder，生成全面的 Wiki 文档。
  • Wiki 内容包括：整体架构、技术栈依赖、架构图、每个 API 的调用逻辑、设计模式实现（例如工厂模式）、提示词安排、运维指南、开发者指南等。
  • 优势：AI 能全面理解项目，生成的文档专业且丰富。
• 新功能迭代（续写功能）：
  • 结合 Wiki + 项目 Rules，实现完整功能开发（包括前端页面、后端逻辑、单元测试）。
  • 使用 Qoder 的提示词自动优化功能：AI 会参考源码和 Wiki，生成更精确、更专业的提示词。
  • AI 先制定计划、检索 Wiki 和历史对话，然后逐步实现。
  • 结果：页面风格一致、单元测试全通过、效果满意，开发时间大幅缩短（原本可能需 1-2 小时）。
• 项目 Rules 应用：
  • 设置个人/团队规范：如始终用中文输出、优先修改现有功能而非新建、强制添加注释、指定 README 放置目录等。

案例二：企业级复杂项目 —— 框架/中间件平台

项目痛点

• 代码复杂、难读（高度封装的中间件，非简单业务代码）。
• 文档缺失或不完整、上手成本高。
• 用户使用门槛高：需阅读多份语法手册、常见问题依赖技术支持、等待时间长、效率低下。

解决方案：上下文工程全面升级

• 仓库 Wiki 生成：使用 Qoder 生成专业、丰富的项目 Wiki，作为核心知识来源。
• 核心 Rules（项目规则）：
  • 将最关键的语法和原则压缩到 Rules 中（始终置于上下文，避免遗漏）。
  • 优势：即使知识库检索出错，核心信息也不会丢失。
• MCP 构建：
  • 将用户手册、常见问题 + Qoder 生成的 Wiki 合并成知识库。
  • 用 MCP 包装知识库（可自写或借助现有平台）。
  • 在 Rules 中明确指定：何时调用 MCP 获取额外信息。
• 效果提升：
  • 用户侧：一站式解决大多数问题（自动生成脚本、代码审查、Bug 修复、自助答疑），效率提升 200%+。
  • 开发者侧：风险评估、方案设计、研发任务、疑难杂症解决均可交给 AI。
  • 演示：数百行复杂脚本一次生成、自动 Bug 修复、版本升级风险评估（具体到类和修改建议）。

核心最佳实践总结：上下文工程关键要素

1. 源码：始终打开相关文件，提供直接上下文。
2. 仓库 Wiki：
   • 快速熟悉项目、文档化代码、作为答疑材料。
   • 成本低（二三十到四十 tokens），收益极高（包含专业架构图、API 说明等）。
3. Rules（项目规则）：
   • 公共提示词（例如实体类必须用 Lombok 注解）。
   • 行为约束（例如修改前必须给出计划并确认）。
   • 工具调用约束（例如何时调用 MCP）。
   • 关键语法/原则（精华压缩，防止幻觉）。
4. 提示词优化：
   • 使用 Qoder 自动优化功能，确保提示清晰、无歧义。
   • 细分文档需完整准确（AI 写代码所需信息比给人看更严苛）。
5. MCP：
   • 扩展能力边界：调用知识库、工作流、智能体、外部 API。
   • 推荐使用官方/社区提供的 MCP（如 Fetch、搜索等）。
6. 记忆功能：
   • 自动沉淀个人/团队偏好和规范，建议偶尔检查并清理不准确记忆。
7. 其他建议：
   • 选择更高级模型处理复杂项目。
   • 项目合理拆分（避免上下文过长导致模型能力下降）。
   • 思维转变：文档和提示从“给人看”转为“给 AI 看”（更精确、完整）。

结语

通过仓库 Wiki + Rules + MCP + 提示词优化等上下文工程手段，Qoder 的 AI Coding 能力从早期“爽快”转向可持续的高效，即使面对企业级复杂项目也能显著提效。演讲者已基本从“码农”转变为“提示词工程师”，大多数代码由 AI 完成。