适用人群
软件工程师、数据工程师、DevOps、安全工程师核心场景
场景 1: 快速原型开发(自动接受模式)
真实案例: 产品团队使用”自动接受模式”让 AI 独立构建 Vim 模式,70% 的代码由 AI 完成。在 Happycapy 中的做法
步骤 1: 从干净的 Git 状态开始
步骤 1: 从干净的 Git 状态开始
开始前确保工作目录干净:
步骤 2: 给出详细但抽象的任务
步骤 2: 给出详细但抽象的任务
描述你想要什么,而不是如何构建:
步骤 3: 在 80% 时检查进度并接手
步骤 3: 在 80% 时检查进度并接手
- Happycapy 自动运行测试并修复错误
- 你专注于最后 20% 的核心业务逻辑
最佳实践
适合用于
- 边缘功能
- 实验性原型
- 不熟悉的技术栈
不适合用于
- 核心业务逻辑
- 安全关键代码
场景 2: 调试复杂问题
真实案例: 安全团队将事件解决时间从 10-15 分钟缩短到 5 分钟。在 Happycapy 中的做法
提供全面的上下文以加快调试:Happycapy 的优势
自动代码阅读
自动读取相关代码文件
理解堆栈
理解复杂的调用堆栈
可运行的修复
提供可以直接运行的修复代码
文档记录
生成 runbook 供将来参考
场景 3: 测试驱动开发 (TDD)
真实案例: 推理团队使用 AI 生成全面的单元测试,自动覆盖边缘情况。在 Happycapy 中的做法
遵循 TDD 红-绿-重构循环:TDD 工作流
- Happycapy 先写测试 (TDD 红灯)
- 然后写实现 (TDD 绿灯)
- 自动运行测试 并修复发现的问题
- 你审查代码 并进行最终优化
好处
- 更全面的测试覆盖
- 减少遗漏边界情况
- 更好的代码质量
场景 4: 快速理解陌生代码库
真实案例: API 团队将代码库探索作为”第一站”,大幅减少上下文收集时间。在 Happycapy 中的做法
请求代码库的导览:Happycapy 会做什么
架构图
生成代码库架构图
依赖关系
显示文件之间的依赖
通俗解释
用简单语言解释复杂逻辑
精确定位
直接定位关键代码行 (file.ts:123)
场景 5: 安全审查和基础设施变更
真实案例: 安全团队使用 AI 快速审查 Terraform 计划。在 Happycapy 中的做法
生成 Terraform 计划
生成 Terraform 计划
首先,在本地生成计划:
上传并请求审查
上传并请求审查
上传到 Happycapy 并询问:
Happycapy 帮你
- 识别高风险操作(删除数据库、修改防火墙规则)
- 检查权限配置是否符合最佳实践
- 生成审查清单
- 建议更安全的替代方案
开发者专属建议
1. 建立自验证循环
创建包含自动验证的提示:2. 培养任务分类直觉
异步自主
- 边缘功能
- 原型
- 不熟悉的技术
同步监督
- 核心业务逻辑
- 安全关键代码
- 生产环境
3. 编写清晰详细的提示
- 当仓库有相似名称时给出明确的文件路径
- 说明你的编码风格偏好(例如,“函数式编程,避免类”)
- 提供上下文(例如,“这个项目使用 TypeScript + React + Zustand”)
4. 使用多个实例进行并行工作
Happycapy 支持多个标签页,每个标签页是独立的会话:- 一个标签页处理前端,另一个处理后端
- 每个会话保持完整上下文
- 切换无压力
5. 像”老虎机”一样对待重构
步骤 1: 保存当前状态
步骤 1: 保存当前状态
步骤 2: 让 Happycapy 工作
步骤 2: 让 Happycapy 工作
让 Happycapy 自主工作 30 分钟
步骤 3: 评估结果
步骤 3: 评估结果
- 如果满意结果,接受它
- 如果不满意,重新开始: