Lab 1：配置你的 AI 开发环境
面向人群：完成《进阶篇》环境搭建的开发者 项目周期：约 1 小时 最终交付：配置好的 TalkCoach 项目骨架 + CLAUDE.md
前置要求
在开始之前，请确保你已经完成了 进阶篇第 2 章：AI 调优指南 的学习。本 Lab 会直接运用那一章讲到的 CLAUDE.md、Rules 配置和 Plan 模式等核心概念。
你还需要准备好：
- Node.js 20+ 和 pnpm
- Claude Code 或 Cursor 等 AI 编码工具
- 一个空的项目目录
Step 1：创建 CLAUDE.md 项目声明
还记得第 2 章讲的"给 AI 一份项目说明书"吗？CLAUDE.md 就是你和 AI 之间的契约。打开终端，初始化项目并创建这个文件：
mkdir talkcoach && cd talkcoach
pnpm init在项目根目录创建 CLAUDE.md，写入以下内容：
# TalkCoach - AI 对话训练平台
## 技术栈
- Next.js 15 (App Router) + React 19 + TypeScript
- Tailwind CSS 4 + shadcn/ui
- PostgreSQL (Neon) + Drizzle ORM
- Better Auth 认证
- GLM/OpenAI API + SSE 流式输出
## 项目约束
- 包管理器：pnpm（禁止使用 npm/yarn）
- 样式方案：Tailwind CSS 4，不使用 CSS Modules
- ORM：Drizzle（禁止使用 Prisma）
- 状态管理：优先使用 React 19 内置能力（use、Server Actions）这份声明让 AI 在后续所有对话中都知道你的技术选型，不会给你推荐 Prisma 或者 yarn。
Step 2：配置 Rules 规则文件
在项目中创建 .claude/rules/ 目录，分别写两个规则文件。这些规则会在每次对话中自动注入，相当于给 AI 设定了"行为准则"。
coding-style.md — 编码风格约束：
# 编码风格
- 使用不可变模式：NEVER mutate objects, always spread
- 函数体不超过 50 行，文件不超过 800 行
- 组件按功能拆分，一个文件一个职责
- 使用 zod 做运行时类型校验security.md — 安全规则：
# 安全规则
- API Key 只能从 process.env 读取，禁止硬编码
- 所有用户输入必须经过 zod 校验
- 数据库查询使用参数化，禁止字符串拼接
- .env 文件必须在 .gitignore 中Step 3：用记忆命令建立项目上下文
在 AI 对话中输入以下内容（注意开头的 # 号，这是记忆命令的语法）：
# 本项目是 TalkCoach —— AI 对话训练平台，支持多场景角色扮演训练。
# 内置 4 个场景：前端面试（技术面试官）、英语口语（英语老师）、产品路演（投资人）、客服训练（愤怒客户）。
# 每个场景有独立的评分维度，训练结束后生成报告。这样 AI 在后续对话中会始终记住项目的核心定位，不需要你每次都重复解释。
Step 4：用 Plan 模式分析项目需求
切换到 Plan 模式，输入：
请分析 TalkCoach 项目的技术方案，输出：
1. 目录结构建议
2. 核心页面路由设计
3. 数据模型概要
4. API 端点列表
5. 第三方依赖清单Plan 模式的价值在于——AI 不会直接动手写代码，而是先给你一份完整的技术蓝图。你可以在这个阶段纠正方向，比代码写完再改便宜得多。
TIP
仔细审查 AI 输出的方案。重点关注：路由设计是否合理、数据模型是否遗漏了关键实体、依赖是否有更轻量的替代品。
Step 5：用 Bug Fix 模板演练 AI 调试
为了体验 AI 的调试能力，我们故意引入一个类型错误。创建 src/types/scenario.ts：
// 故意写错：difficulty 应该是联合类型，这里写成了 number
interface Scenario {
id: string
title: string
description: string
difficulty: number // BUG: 应该是 'easy' | 'medium' | 'hard'
icon: string
}
const scenarios: Scenario[] = [
{ id: '1', title: '前端面试', description: '模拟技术面试', difficulty: 'medium', icon: '💻' }
]然后告诉 AI：
这段代码有类型错误，请帮我诊断并修复。请说明错误原因和修复方案。观察 AI 是否能准确定位问题（difficulty 的类型定义与实际赋值不匹配），并给出合理的修复方案。这就是第 2 章讲的"AI 调试工作流"的实战演练。
交付物检查清单
- 项目根目录有
CLAUDE.md -
.claude/rules/下有coding-style.md和security.md - AI 记忆中包含 TalkCoach 项目上下文
- Plan 模式输出了完整的技术方案
- 成功用 AI 修复了类型错误
下一步
环境配置好了，接下来我们要把脑海中的想法变成一份正式的产品需求文档。前往 Lab 2：从想法到 PRD。