我不断演进的AI开发工作流：结合Claude进行规范规划，GPT-4o/Cursor进行编码，Aider进行重构

本文是一位开发者分享的他当前用于软件开发的、一套不断演进的“AI开发技术栈”。其核心思想是 **“为正确的任务选择正确的AI工具”**，而不是依赖单一模型。

这套工作流将开发过程分解为三个主要阶段：

## 阶段一：高层次规划与规范制定 (使用 Claude 3 Opus)
这个阶段的目标是在编写任何代码之前，先创建一个极其详尽、清晰、无歧义的项目规范文档（Spec）。

*   **为什么选择 Claude?**: 作者强调，Claude 3 Opus 在这一阶段是无与伦比的，主要因为它拥有巨大的上下文窗口和强大的长文本理解与生成能力。
*   **工作流程**:
    1.  向 Claude 提供一个高层次的项目想法。
    2.  通过对话，不断地深入细节，让 Claude 提出问题、澄清需求、思考边界情况。
    3.  最终，让 Claude 生成一份完整的技术规范文档，内容包括：
        *   项目目标和范围
        *   详细的功能分解
        *   API 端点设计
        *   数据模型结构
        *   文件和目录结构
        *   关键函数的伪代码或逻辑描述
*   **核心收益**: 这个由AI生成的详尽规范文档，成为了后续所有编码工作的“单一事实来源”，极大地减少了在开发过程中的不确定性和方向错误。

## 階段二：编码与实现 (使用 GPT-4o + Cursor IDE)
在拥有了清晰的规范后，开发者进入实际的编码阶段。

*   **为什么选择 GPT-4o 和 Cursor?**: 作者认为 OpenAI 的 GPT-4o 在代码生成质量和遵循指令方面仍然是“黄金标准”。而 Cursor IDE 是一个“AI原生”的代码编辑器（VS Code 的一个分支），它深度集成了 AI 功能，非常适合执行编码任务。
*   **工作流程**:
    1.  将 Claude 生成的规范文档的相关部分，逐一喂给 Cursor IDE 中的 GPT-4o。
    2.  让 AI 根据规范生成具体的文件和代码。例如：“根据规范创建 `user_service.py` 文件，并实现其中的 `create_user` 函数”。
    3.  利用 Cursor 的“代码库感知”功能，AI 可以理解整个项目的上下文，进行更智能的代码生成和修改。
*   **核心收益**: 这个阶段变得非常高效和机械化。开发者不再需要从零开始思考逻辑，而是扮演一个“监督者”的角色，指导AI根据预先制定的蓝图来填充代码。

## 階段三：测试、调试与重构 (使用 Aider)
当代码的初步版本完成后，需要进行迭代和优化。

*   **为什么选择 Aider?**: Aider 是一个基于命令行的AI编码工具。它的独特优势在于能够很好地与本地文件系统、Git版本控制和命令行工具（如测试框架）集成。
*   **工作流程**:
    1.  在终端中启动 Aider，并告诉它要处理哪些文件。
    2.  直接在命令行中发出指令，例如：“运行测试，修复所有失败的测试用例”或“将 `user_service.py` 中的数据库逻辑重构到一个新的 `database.py` 模块中”。
    3.  Aider 会直接读取、修改本地文件，并可以自动提交 Git commit。
*   **核心收益**: 对于小范围、精确的修改和重构任务，Aider 提供了一个比在IDE中来回切换更快速、更流畅的体验。

## 结论
这套混合工作流充分利用了当前不同AI工具的独特优势：用Claude进行宏观的战略规划，用GPT-4o/Cursor进行微观的代码实现，再用Aider进行快速的迭代重构。它展示了一种现代、高效的软件开发新范式——开发者从“编码者”转变为“AI系统架构师和指挥官”。