一、Cursor

Cursor 是在 IDE 中深度集成的 AI 编程助手,适合日常开发场景。
1.1 Modes:四种工作模式
| 模式 | 适用场景 | 能力 | 工具 |
|---|---|---|---|
| Agent | 复杂功能、重构 | 自主探索、多文件编辑 | 启用全部工具 |
| Ask | 学习、规划、提问 | 只读探索,无自动修改 | 仅启用搜索工具 |
| Plan | 需要规划的复杂功能 | 执行前创建详细计划 | 启用全部工具 |
| Debug | 棘手 Bug、回归问题 | 生成假设、日志埋点、运行时分析 | 全部工具 + 调试服务器 |
1.2 Rules:让 AI 真正理解你的项目
由于 LLM 在不同补全之间不会保留记忆,Rules 在提示级别提供持久、可重用的上下文。
四种规则类型:
| 类型 | 位置 | 作用范围 | 特点 |
|---|---|---|---|
| 项目规则 | .cursor/rules/ |
当前代码库 | 受版本控制,可用 globs 限定范围 |
| 用户规则 | Settings → Rules | 全局所有项目 | 个人偏好,跨项目生效 |
| 团队规则 | Cursor Dashboard | 整个团队 | Team/Enterprise 可强制执行 |
| AGENTS.md | 项目根目录 | 当前项目 | 简洁 Markdown,无复杂配置 |
项目规则示例(Linus Torvalds 风格):
文件:.cursor/rules/codereview.mdc
1 | --- |
最佳实践:
- ✅ 规则控制在 500 行以内,大规则拆分
- ✅ 用
@file.ts引用文件而非复制内容 - ❌ 避免照搬风格指南(用 linter)
- ❌ 不记录常见命令(Agent 已了解 npm/git)
AGENTS.md 示例(简化版):
文件:AGENTS.md(项目根目录)
1 | # 灵播资金管理系统 - AI 编码指南 |
二、Claude Code / Codex

命令行环境下的 AI 助手,适合 SSH 服务器、批量处理、自动化脚本等无 GUI 场景。
2.1 常用技巧
| 命令 | 作用 |
|---|---|
!bash <cmd> |
直接执行 shell 命令 |
@file / #file |
引用文件,减少搜索 |
/model <name> |
切换模型(sonnet/opus) |
/skills |
查看可用技能 |
--plan |
只规划不执行 |
-a / --apply |
自动确认改动 |
2.2 安全红线
- ⚠️ 危险操作(rm、DROP TABLE)必须二次确认
- ⚠️ 敏感文件(.env、密钥)加入忽略列表
- ⚠️ 不在生产环境直接 auto-edit
2.3 Commands:快捷指令
把常用操作流程封装成 /command-name 一键执行。
示例:创建合并请求
~/.claude/commands/yunxiao/merge-to-develop.md:
1 | --- |
使用:/merge-to-develop
2.4 Skills:能力扩展包
把特定领域的工具、知识打包成可复用模块。
目录结构:
1 | my-skill/ |
示例:SQL Expert Skill
- SKILL.md:定义允许查询的表、参数化规范、脱敏规则
- scripts/query.py:封装数据库连接,内置只读限制
- references/schema.md:表结构文档
使用:直接说「查浦江区的租户」,AI 自动查 schema → 生成 SQL → 执行 → 脱敏返回。
Command vs Skill:
| Command | Skill | |
|---|---|---|
| 定位 | 快捷指令 | 能力模块 |
| 触发 | /name 主动调用 |
AI 根据上下文判断 |
| 场景 | 固定流程 | 需要专业知识的任务 |
| 本质 | 快捷方式 | 工具箱 |
2.5 Agent:自主执行任务的智能体
什么是 Agent
Agent 是能够自主规划和执行任务的 AI 实体。与单次对话不同,Agent 可以:
- 拆解复杂任务为多个步骤
- 自主调用 Tools/Skills 完成子任务
- 根据执行反馈调整策略
- 持续运行直到目标达成
典型 Agent 工作流:
1 | 用户目标 → Agent 规划 → 步骤1 → 步骤2 → 步骤3 → 结果验证 → 完成 |
示例:自动化数据分析 Agent
1 | 目标:分析本月销售数据并生成报告 |
2.6 SubAgent:分而治之的协作模式
什么是 SubAgent
当任务过于复杂时,主 Agent 可以创建多个 SubAgent 并行处理子任务,最后整合结果。
使用场景:
- 大型代码库重构(按模块分配)
- 多源数据分析(各 SubAgent 处理不同数据源)
- 批量任务处理(并行加速)
工作模式:
1 | 主 Agent(协调者) |
能力对比:
| 能力 | Command | Skill | Agent | SubAgent |
|---|---|---|---|---|
| 触发方式 | 手动 /cmd |
AI 判断 | 目标驱动 | 主 Agent 分配 |
| 复杂度 | 单步操作 | 领域任务 | 多步骤任务 | 并行子任务 |
| 自主性 | 无 | 低 | 高 | 分布式 |
| 典型场景 | 快捷操作 | 工具调用 | 端到端任务 | 大规模处理 |
三、N8N

- Workflow:把重复劳动固化(总结、通知、发布)
- 结构化:输入输出字段化,避免自由文本猜意图
- Chat:把 workflow 包装成一句话入口
四、Kiro

Kiro 是专为 AI 编程设计的 IDE,核心是两个互补的工作模式。
4.1 VibeCoding 模式
定位:快速原型、灵感验证、小工具开发
特点是「边想边做」,适合:
- 验证一个想法是否可行
- 写一次性脚本或内部工具
- 探索性编程,不确定最终形态
流程:描述需求 → AI 生成代码 → 试运行 → 调整描述 → 迭代
4.2 Spec 模式(SDD)
定位:复杂功能、团队协作、需要长期维护的代码
Spec-Driven Development(规格驱动开发):先写清楚「做什么」,再让 AI 生成「怎么做」。
SDD 流程:
graph LR
A[需求描述] --> B[编写 Spec]
B --> C{Spec 评审}
C -->|不通过| B
C -->|通过| D[AI 生成实现]
D --> E[测试验证]
E -->|失败| F[调整 Spec]
F --> B
E -->|通过| G[代码入库]
Spec 包含什么:
1 | ## 功能名称 |
4.3 两种模式对比
| 维度 | VibeCoding | Spec 模式 |
|---|---|---|
| 适用场景 | 原型、探索、小工具 | 复杂功能、团队协作 |
| 前置工作 | 一句话描述 | 详细的 Spec 文档 |
| 代码质量 | 能用就行 | 可维护、可测试 |
| 迭代方式 | 边做边改 | Spec 评审后再实现 |
| 适合谁 | 个人快速验证 | 正式项目开发 |
建议:用 VibeCoding 探索思路,确定可行后切换到 Spec 模式落地。
五、Clawdbot / OpenClaw

5.1 解决了什么问题
现有 AI 工具大多是「黑盒」或「单机版」:
- ChatGPT/Claude:网页对话,无法连接你的系统
- Cursor/Codex:个人开发工具,不能服务团队
- N8N: Workflow 工具,但 AI 能力弱
Clawdbot 定位:可配置的智能体框架,让你自建 AI 助手:
- 多渠道接入:同时连接 Telegram、Slack、钉钉、飞书等,一处配置多端可用
- Tools 生态:Skills 模块化,按需加载(数据库查询、文件操作、API 调用等)
- Cron 定时:自动执行定时任务(日报、监控、提醒)
- 权限边界:细粒度控制谁可以用什么功能
5.2 核心架构
1 | WhatsApp / Telegram / Discord / iMessage (+ plugins) |
架构特点:
- Gateway 为核心:单一长连接进程管理所有渠道和 WebSocket 控制面
- 多渠道接入:WhatsApp、Telegram、Discord、iMessage 等统一处理
- 多终端支持:Web、桌面、移动端均可接入
- 本地优先:默认监听 ws://127.0.0.1:18789,支持 Tailscale 远程访问
5.3 适用场景
- 团队内部助手:部署在公司服务器,连接内部系统(Git、DB、监控)
- 客户服务机器人:接入钉钉/飞书/Slack,自动回答常见问题
- 自动化运维:定时检查服务状态,异常时告警
- 个人知识库:私有化部署,连接本地文件和笔记
总结
| 场景 | 推荐工具 | 关键能力 |
|---|---|---|
| 日常编码 | Cursor | Modes + Rules |
| 服务器/脚本 | Claude Code/Codex | Commands + Skills |
| 自动化流程 | N8N | Workflow + 结构化 |
| 快速原型 | Kiro | Vibe |
| 自定义智能体 | Clawdbot | 模块化框架 |
一、Cursor

Cursor 是在 IDE 中深度集成的 AI 编程助手,适合日常开发场景。
1.1 Modes:四种工作模式
| 模式 | 适用场景 | 能力 | 工具 |
|---|---|---|---|
| Agent | 复杂功能、重构 | 自主探索、多文件编辑 | 启用全部工具 |
| Ask | 学习、规划、提问 | 只读探索,无自动修改 | 仅启用搜索工具 |
| Plan | 需要规划的复杂功能 | 执行前创建详细计划 | 启用全部工具 |
| Debug | 棘手 Bug、回归问题 | 生成假设、日志埋点、运行时分析 | 全部工具 + 调试服务器 |
1.2 Rules:让 AI 真正理解你的项目
由于 LLM 在不同补全之间不会保留记忆,Rules 在提示级别提供持久、可重用的上下文。
四种规则类型:
| 类型 | 位置 | 作用范围 | 特点 |
|---|---|---|---|
| 项目规则 | .cursor/rules/ |
当前代码库 | 受版本控制,可用 globs 限定范围 |
| 用户规则 | Settings → Rules | 全局所有项目 | 个人偏好,跨项目生效 |
| 团队规则 | Cursor Dashboard | 整个团队 | Team/Enterprise 可强制执行 |
| AGENTS.md | 项目根目录 | 当前项目 | 简洁 Markdown,无复杂配置 |
项目规则示例(Linus Torvalds 风格):
文件:.cursor/rules/codereview.mdc
1 | --- |
最佳实践:
- ✅ 规则控制在 500 行以内,大规则拆分
- ✅ 用
@file.ts引用文件而非复制内容 - ❌ 避免照搬风格指南(用 linter)
- ❌ 不记录常见命令(Agent 已了解 npm/git)
AGENTS.md 示例(简化版):
文件:AGENTS.md(项目根目录)
1 | # 灵播资金管理系统 - AI 编码指南 |
二、Claude Code / Codex

命令行环境下的 AI 助手,适合 SSH 服务器、批量处理、自动化脚本等无 GUI 场景。
2.1 常用技巧
| 命令 | 作用 |
|---|---|
!bash <cmd> |
直接执行 shell 命令 |
@file / #file |
引用文件,减少搜索 |
/model <name> |
切换模型(sonnet/opus) |
/skills |
查看可用技能 |
--plan |
只规划不执行 |
-a / --apply |
自动确认改动 |
2.2 安全红线
- ⚠️ 危险操作(rm、DROP TABLE)必须二次确认
- ⚠️ 敏感文件(.env、密钥)加入忽略列表
- ⚠️ 不在生产环境直接 auto-edit
2.3 Commands:快捷指令
把常用操作流程封装成 /command-name 一键执行。
示例:创建合并请求
~/.claude/commands/yunxiao/merge-to-develop.md:
1 | --- |
使用:/merge-to-develop
2.4 Skills:能力扩展包
把特定领域的工具、知识打包成可复用模块。
目录结构:
1 | my-skill/ |
示例:SQL Expert Skill
- SKILL.md:定义允许查询的表、参数化规范、脱敏规则
- scripts/query.py:封装数据库连接,内置只读限制
- references/schema.md:表结构文档
使用:直接说「查浦江区的租户」,AI 自动查 schema → 生成 SQL → 执行 → 脱敏返回。
Command vs Skill:
| Command | Skill | |
|---|---|---|
| 定位 | 快捷指令 | 能力模块 |
| 触发 | /name 主动调用 |
AI 根据上下文判断 |
| 场景 | 固定流程 | 需要专业知识的任务 |
| 本质 | 快捷方式 | 工具箱 |
2.5 Agent:自主执行任务的智能体
什么是 Agent
Agent 是能够自主规划和执行任务的 AI 实体。与单次对话不同,Agent 可以:
- 拆解复杂任务为多个步骤
- 自主调用 Tools/Skills 完成子任务
- 根据执行反馈调整策略
- 持续运行直到目标达成
典型 Agent 工作流:
1 | 用户目标 → Agent 规划 → 步骤1 → 步骤2 → 步骤3 → 结果验证 → 完成 |
示例:自动化数据分析 Agent
1 | 目标:分析本月销售数据并生成报告 |
2.6 SubAgent:分而治之的协作模式
什么是 SubAgent
当任务过于复杂时,主 Agent 可以创建多个 SubAgent 并行处理子任务,最后整合结果。
使用场景:
- 大型代码库重构(按模块分配)
- 多源数据分析(各 SubAgent 处理不同数据源)
- 批量任务处理(并行加速)
工作模式:
1 | 主 Agent(协调者) |
能力对比:
| 能力 | Command | Skill | Agent | SubAgent |
|---|---|---|---|---|
| 触发方式 | 手动 /cmd |
AI 判断 | 目标驱动 | 主 Agent 分配 |
| 复杂度 | 单步操作 | 领域任务 | 多步骤任务 | 并行子任务 |
| 自主性 | 无 | 低 | 高 | 分布式 |
| 典型场景 | 快捷操作 | 工具调用 | 端到端任务 | 大规模处理 |
三、N8N

- Workflow:把重复劳动固化(总结、通知、发布)
- 结构化:输入输出字段化,避免自由文本猜意图
- Chat:把 workflow 包装成一句话入口
四、Kiro

Kiro 是专为 AI 编程设计的 IDE,核心是两个互补的工作模式。
4.1 VibeCoding 模式
定位:快速原型、灵感验证、小工具开发
特点是「边想边做」,适合:
- 验证一个想法是否可行
- 写一次性脚本或内部工具
- 探索性编程,不确定最终形态
流程:描述需求 → AI 生成代码 → 试运行 → 调整描述 → 迭代
4.2 Spec 模式(SDD)
定位:复杂功能、团队协作、需要长期维护的代码
Spec-Driven Development(规格驱动开发):先写清楚「做什么」,再让 AI 生成「怎么做」。
SDD 流程:
graph LR
A[需求描述] --> B[编写 Spec]
B --> C{Spec 评审}
C -->|不通过| B
C -->|通过| D[AI 生成实现]
D --> E[测试验证]
E -->|失败| F[调整 Spec]
F --> B
E -->|通过| G[代码入库]
Spec 包含什么:
1 | ## 功能名称 |
4.3 两种模式对比
| 维度 | VibeCoding | Spec 模式 |
|---|---|---|
| 适用场景 | 原型、探索、小工具 | 复杂功能、团队协作 |
| 前置工作 | 一句话描述 | 详细的 Spec 文档 |
| 代码质量 | 能用就行 | 可维护、可测试 |
| 迭代方式 | 边做边改 | Spec 评审后再实现 |
| 适合谁 | 个人快速验证 | 正式项目开发 |
建议:用 VibeCoding 探索思路,确定可行后切换到 Spec 模式落地。
五、Clawdbot / OpenClaw

5.1 解决了什么问题
现有 AI 工具大多是「黑盒」或「单机版」:
- ChatGPT/Claude:网页对话,无法连接你的系统
- Cursor/Codex:个人开发工具,不能服务团队
- N8N: Workflow 工具,但 AI 能力弱
Clawdbot 定位:可配置的智能体框架,让你自建 AI 助手:
- 多渠道接入:同时连接 Telegram、Slack、钉钉、飞书等,一处配置多端可用
- Tools 生态:Skills 模块化,按需加载(数据库查询、文件操作、API 调用等)
- Cron 定时:自动执行定时任务(日报、监控、提醒)
- 权限边界:细粒度控制谁可以用什么功能
5.2 核心架构
1 | WhatsApp / Telegram / Discord / iMessage (+ plugins) |
架构特点:
- Gateway 为核心:单一长连接进程管理所有渠道和 WebSocket 控制面
- 多渠道接入:WhatsApp、Telegram、Discord、iMessage 等统一处理
- 多终端支持:Web、桌面、移动端均可接入
- 本地优先:默认监听 ws://127.0.0.1:18789,支持 Tailscale 远程访问
5.3 适用场景
- 团队内部助手:部署在公司服务器,连接内部系统(Git、DB、监控)
- 客户服务机器人:接入钉钉/飞书/Slack,自动回答常见问题
- 自动化运维:定时检查服务状态,异常时告警
- 个人知识库:私有化部署,连接本地文件和笔记
总结
| 场景 | 推荐工具 | 关键能力 |
|---|---|---|
| 日常编码 | Cursor | Modes + Rules |
| 服务器/脚本 | Claude Code/Codex | Commands + Skills |
| 自动化流程 | N8N | Workflow + 结构化 |
| 快速原型 | Kiro | Vibe |
| 自定义智能体 | Clawdbot | 模块化框架 |