AI 编程团队规则模板

同一个团队用同一个 AI 工具，效率差距可以到 3 倍以上。原因不是工具本身，是规则的工程化沉淀。

当团队规范、代码风格、领域知识、安全约束都写进 .cursor/rules（Cursor）或 .claude/skills（Claude Code）后，AI 生成的代码自然遵守这些约束，新人也直接受益。这是「会用」和「用得好」的分水岭。

• 代码风格规则：命名约定、注释风格、错误处理模板、日志格式
• 架构约束规则：分层调用规则、模块依赖方向、接口设计模式
• 领域语义规则：业务术语词典、领域模型 schema、领域事件命名
• 测试规则：单测覆盖最低门槛、Mock 策略、集成测试模板
• 安全合规规则：敏感信息处理、外部依赖审计、权限边界

Java 后端：包结构（controller/service/repository）、Lombok 使用边界、事务注解规则、异常分级、日志埋点规范。

Python AI/数据栈：Pydantic 强类型、Pandas/NumPy 高性能模式、模型推理资源管理、实验目录组织。

React/Next.js 前端：组件目录结构、状态管理边界、Server/Client Component 选择、性能优化模式。

• 提炼：从近 3 个月 Code Review 评论里抽出反复出现的问题，转化为规则
• 编写：每条规则用 1 句话描述 + 1-2 行正例 + 1-2 行反例
• 分发：Cursor 用 .cursor/rules/*.mdc；Claude Code 用 ~/.claude/skills/* 或团队共享仓库
• 校验：用真实任务测试 AI 是否在新规则下输出符合规范的代码
• 迭代：每 2-4 周复盘新出现的问题，回流到规则库

规则模板是活的资产。我们见过太多团队：写了 30 条规则，半年后没人维护，AI 行为漂移、新人不知道存在。红烁 AI 的企业内训会把「规则库的持续运营」作为陪跑期重点：每月复盘 1 次，每季度调整 1 次。

需要按企业真实代码定制规则模板，可以预约一次 30 分钟咨询。

→ Cursor 培训详情 · → Claude Code 培训详情 · → 企业内训方案