Kapitel 2

KI-Benutzerhandbuch

Verstehen Sie die wirtschaftlichen Prinzipien der KI-Programmierung, bauen Sie Standard-Workflows auf, richten Sie eine effiziente Entwicklungsumgebung ein und lassen Sie die KI besser für Sie arbeiten.

Die Ökonomie der KI-Programmierung

Grundprinzip: Tokens sind Geld

Jedes Mal, wenn Sie die KI Projektdateien lesen, Code durchsuchen oder Antworten generieren lassen, entstehen reale Kosten.Je größer der Kontext, desto höher sind die Kosten. Das gesamte Projekt zu lesen vs. nur eine Datei zu lesen, ist ein Unterschied um Größenordnungen.

Aber noch wichtiger ist —Präziser Kontext spart nicht nur Kosten, sondern macht die Ausgaben auch genauer. Die Optimierung von Prompts bedeutet nicht, „die Formulierung zu verfeinern“, sondern den Kontextumfang zu reduzieren, den die KI lesen muss.

Präzise Kontextstrategie

❌ Vage Beschreibung

„Bitte schau dir das Projekt an und prüfe, ob es Probleme gibt“

→ Die KI muss das gesamte Projekt lesen, was eine große Anzahl von Tokens verbraucht

✅ Präzise angeben

"Die Anmeldelogik in `src/utils/auth.ts` prüfen"

→ Die KI liest nur die relevanten Dateien und reduziert den Tokenverbrauch um 90 %

Optimierungstipps

  • Dateipfad angeben: besser als eine vage Beschreibung
  • Den Funktionsumfang klar definieren: fokussierter als pauschal zu sagen „Das Projekt hat Probleme“
  • Höfliche Floskeln entfernen: keine Expertenrolle festlegen, sondern die Aufgabe direkt mitteilen
  • Zusammenfassungen verwenden: Bei langen Dokumenten Zusammenfassungen statt des Volltexts verwenden
  • Überwachungsnutzung:Die Token-Nutzungsstatistiken regelmäßig prüfen, um Verschwendung zu erkennen

Beispiel zur Kostenoptimierung

Das gesamte Projekt lesen (100+ Dateien)~50,000 Tokens
Nur die relevanten Dateien lesen (3–5 Dateien)~5,000 Tokens
💡 Präziser Kontext kann sparen 90 % der Kostenwährend die Ausgabegenauigkeit verbessert wird

VibeCoding-Workflow

Kerninsight: Der Kern von Vibecoding ist der Workflow und nicht der Prompt

Früher bist du einfach losgegangen, wie es dir gerade einfiel, und hast die KI direkt schreiben lassen, aber das führt oft zu Nacharbeit. Wahre Experten verlassen sich nicht auf Konfiguration, sondern aufDie Kunst des SprechensundStandardprozess

Der KI einen „Ausweg“ geben

Manchmal kennt die KI die Antwort nicht, erfindet aber trotzdem etwas. Sagen Sie ihr: „Wenn du dir nicht sicher bist, sag das klar und warte auf meine Bestätigung, anstatt etwas zu erfinden.“

Beispiel-Prompt:
„Wenn Sie sich bei einem bestimmten Implementierungsdetail nicht sicher sind, kennzeichnen Sie es bitte klar mit [Muss bestätigt werden],
und erläutern Sie Ihre Annahmen; warten Sie dann auf meine Bestätigung, bevor Sie fortfahren."

Fünfstufiger Standardprozess

1

Projektstruktur erkunden

Zuerst die Projektstruktur verstehen, um zu vermeiden, dass man mitten im Arbeiten feststellt, dass die Datei bereits geschrieben wurde

2

Die Umsetzungsschritte planen

Listen Sie die Umsetzungsschritte auf, damit die KI den Plan ausführt, statt einfach drauflos zu schreiben

3

Code-Implementierung

Funktionen schrittweise gemäß dem Plan umsetzen und nach jedem Schritt validieren

4

Testvalidierung

Überprüfen, ob die Funktion ordnungsgemäß funktioniert, und Grenzfälle sowie die Fehlerbehandlung prüfen

5

Code einreichen

Nach Fertigstellung jeder einzelnen Funktion Code committen, um einen Versionsverlauf aufzubauen

Wie man Nacharbeit vermeidet

  • Erst erkunden, dann programmieren: Beginnen Sie mit dem Schreiben von Code, nachdem Sie die Projektstruktur verstanden haben
  • Die Umsetzungsschritte planen:Listen Sie die Schritte auf, damit die KI den Plan ausführt
  • Schrittweise Validierung: Nach jedem Schritt überprüfen, nicht bis zum Schluss warten
  • Pünktlich einreichen: Nach jeder fertiggestellten Funktion committen, um das Zurücksetzen zu erleichtern

Erweiterung: Multi-Agenten-Systeme

Sobald Sie den Kern-Workflow sicher beherrschen, können Sie Multi-Agenten-Systeme erkunden: Lassen Sie mehrere KI-Systeme zusammenarbeiten – eine schreibt Code, eine andere prüft ihn; eine schreibt Tests, eine andere Dokumentation. Sie können parallel arbeiten, um die Effizienz zu steigern, oder sequenziell, um die Qualität sicherzustellen.

Versionsverwaltung Git

KI-Programmierung ist sehr radikal und erfordert daher ein Sicherheitsnetz

KI kann drei alte Funktionen kaputt machen, nur um einen Bug zu beheben. Deshalb muss sie richtig konfiguriert werden Git、häufig genutzte erstellenLokale Versionshistorie

Strategie für häufige Commits

Immer wenn Sie die Entwicklung einer eigenständigen Funktion abgeschlossen haben oder nachdem Sie einen Bug behoben und die Verifizierung bestanden haben, führen Sie automatisch git commit aus, um den Code zu committen.

Standardprozess:
1. KI stellt die Funktion fertig → Verifizierung bestanden
2. Führen Sie `git add .` aus
3. `git commit -m "feat: Benutzeranmeldung hinzufügen"` ausführen
4. Mit der nächsten Funktion fortfahren

Commit-Message-Konventionen

Verwenden Sie eine prägnante chinesische Commit-Nachricht, die die Änderungen dieses Commits klar beschreibt.

✅ Gutes Beispiel
feat: Benutzer-Login-Funktion hinzufügen
fix: Stilproblem auf der Anmeldeseite behoben
refactor: Benutzer-Authentifizierungslogik umstrukturieren
❌ Schlechtes Beispiel
Code aktualisieren
fix bug
changes

Sie können jederzeit zurückrollen

Wenn der Code kaputtgeht, können Sie jederzeit zur vorherigen stabilen Version zurückkehren.

Rollback-Befehl:
# Commit-Historie anzeigen
git log --oneline
# Zum vorherigen Commit zurückkehren
git reset --hard HEAD~1
# Auf einen bestimmten Commit zurücksetzen
git reset --hard <commit-hash>

Konfigurationstipps

Neben der Wahl des richtigen Werkzeugs gibt es drei Tipps, mit denen KI noch nützlicher wird und Probleme wie schlechtes Gedächtnis und unsinniges Schreiben gelöst werden. Verschiedene Werkzeuge haben unterschiedliche Konfigurationsmethoden, daher stellen wir sie im Folgenden nach Werkzeugkategorien vor.

4.1 Cursor-Konfiguration

Projektregeln (.cursorrules)

Im Stammverzeichnis des Projekts erstellen .cursorrules Datei, definiere die Projektstandards.

Beispiel .cursorrules:
# Code-Richtlinien
- Die Verwendung des `any`-Typs ist verboten
- `pnpm` muss als Paketmanager verwendet werden
- Alle Komponenten müssen TypeScript verwenden
- Die ESLint- und Prettier-Konfiguration befolgen
- Funktionale Komponenten und Hooks verwenden
- Alle API-Aufrufe müssen eine Fehlerbehandlung enthalten

Skills erstellen

Skills werden gespeichert in .cursor/skills/ Verwenden Sie im Verzeichnis das Markdown-Format.

Erstellungsschritte:
  1. Erstellen .cursor/skills/ Inhaltsverzeichnis
  2. Erstellen skill-name.md Datei
  3. Skill-Beschreibungen und Anweisungen verfassen
  4. Skill in Cursor aufrufen
Beispiel-Skill:
# Code-Review-Skill ## Zweck Codequalität automatisch überprüfen ## Anweisungen Prüfen Sie, ob der Code den Teamstandards entspricht: - TypeScript-Typsicherheit - Vollständigkeit der Fehlerbehandlung - Lesbarkeit des Codes

MCP-Serverkonfiguration

in .cursor/mcp.json Konfigurieren Sie den MCP-Server in.

.cursor/mcp.json:
{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "your-token"
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem"],
      "env": {
        "ALLOWED_DIRECTORIES": ["/path/to/allowed"]
      }
    }
  }
}

Verwendung des Agent-Modus

In Cursor drücken Cmd/Ctrl + K Öffnen Sie den Agent-Modus oder verwenden Sie Cmd/Ctrl + L Chat-Modus öffnen.

  • Agent-Modus: KI kann mehrstufige Aufgaben automatisch ausführen und mehrere Dateien ändern
  • Chat-Modus: mit KI interagieren, um Vorschläge und Codeausschnitte zu erhalten
  • Composer: Mehrere Vorgänge kombinieren, um Aufgaben stapelweise zu verarbeiten

4.2 Claude Code-Konfiguration

MCP-Serverkonfiguration

Die MCP-Konfiguration von Claude Code ist ~/.claude/mcp.json oder des Projektverzeichnisses .claude/mcp.json

~/.claude/mcp.json:
{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "your-token"
      }
    },
    "sequential-thinking": {
      "command": "node",
      "args": ["path/to/sequential-thinking-server.js"]
    }
  }
}

Skills erstellen

Claude Code Skills sind gespeichert in ~/.claude/skills/ im Verzeichnis.

Erstellungsschritte:
  1. Erstellen ~/.claude/skills/ Inhaltsverzeichnis
  2. Erstellen skill-name.md Datei
  3. Skill-Beschreibung schreiben (Markdown-Format)
  4. Im Terminal verwenden @skill-name Aufrufen

4.3 Codex-CLI-Konfiguration

Projektregeln (.codexrules)

Im Stammverzeichnis des Projekts erstellen .codexrules Datei oder verwenden /init Befehle werden automatisch generiert.

Verwenden Sie den Befehl /init:
codex /init
→ Projektstruktur automatisch analysieren
→ .codexrules-Datei generieren
Manuell erstellen:
# .codexrules Das Projekt verwendet TypeScript + React pnpm als Paketmanager verwenden Der Airbnb-ESLint-Konfiguration folgen

Monorepo-Analysekonfiguration

Codex CLI kann große Monorepo-Projekte analysieren und erfordert die Konfiguration von Arbeitsbereichsinformationen.

  • Automatische Erkennung:Codex erkennt Monorepo-Strukturen automatisch
  • Arbeitsbereichseinstellungen: den Arbeitsbereichspfad in .codexrules angeben
  • Kontextverwaltung: nur den Code des relevanten Arbeitsbereichs laden

4.4 Weitere Werkzeugkonfiguration

Windsurf

  • Fast Context: Automatische Konfiguration, keine manuelle Einrichtung erforderlich
  • Cascade Agent: in den Einstellungen aktivieren
  • Projektregeln: verwenden .windsurfrules Datei

GitHub Copilot

  • Projektregeln: verwenden .github/copilot-instructions.md
  • Zugehörige Dateien: den Kontext zusammengehöriger Dateien automatisch erkennen
  • Code-Vervollständigung: Vervollständigungsverhalten in den Einstellungen konfigurieren

Continue.dev

  • Konfigurationsdatei.continue/config.json
  • Benutzerdefinierte Modelle:lokales Modell (Ollama) konfigurieren
  • Kontextanbieter: Repository-Kontext konfigurieren

Fabric

  • Patterns: gespeichert in ~/.config/fabric/patterns/
  • Benutzerdefiniertes Pattern: Erstellen pattern-name.md
  • API Key:In Umgebungsvariablen konfigurieren

Grundlagen des effizienten Debuggings

Mit KI nicht in Panik geraten, wenn Fehler auftreten

Aber damit dir KI helfen kann, musst du lernenDer richtige Weg, um Hilfe zu bitten

Zuerst: Stellen Sie das vollständige Fehlerprotokoll bereit

Anfänger erschrecken oft, wenn sie einen Bildschirm voller roter Fehlermeldungen sehen, und kopieren dann nur die letzte Zeile. Aber KI ist wie ein Arzt: Sie muss die vollständigen Symptome sehen, um genau diagnostizieren zu können.

❌ Falsche Vorgehensweise
Error: Cannot read property 'x' of undefined

→ Unzureichende Informationen, die KI kann keine Diagnose stellen

✅ Richtige Vorgehensweise
Error: Cannot read property 'x' of undefined at UserService.getUser (src/services/user.ts:45:12) at UserComponent.handleClick (src/components/User.tsx:23:5) ...vollständige Stack-Informationen...

→ Mit vollständigen Informationen kann die KI präzise lokalisieren

💡 Bedienungsvorschläge:Nimm die rot markierte Fehlermeldung, die am längsten und komplexesten aussieht — markiere sie unverändert vollständig, kopiere sie und sende sie an die KI.

Zweitens: Schleifenreparaturmodus

Wenn die KI es beim ersten Mal nicht behebt, gib nicht auf. Beschreibe die Ergebnisse deiner Versuche und lass die KI weiter versuchen.

Iterativer Korrekturprozess:
  1. KI schlägt eine Lösung zur Behebung vor
  2. Du passt den Code gemäß dem Plan an
  3. Wenn ein neuer Fehler auftritt, beschreiben Sie das Ergebnis: „Ich habe es nach Ihrer Methode geändert, aber jetzt ist ein neuer Fehler aufgetreten ...“
  4. KI setzt die Fehlerbehebung auf Basis neuer Informationen fort
  5. Schritte 2–4 wiederholen, bis das Problem gelöst ist

💡 Erfahrung: Die meisten Bugs erfordern 2–3 Iterationen, um behoben zu werden. Erwarten Sie nicht, dass KI alle Probleme auf einmal löst.

Häufige Fehlertypen und Behandlung

Typfehler
TypeScript-Typinkompatibilität
💡 Typdefinitionen und Fehlermeldungen bereitstellen
Laufzeitfehler
Absturz während der Codeausführung
💡 Vollständige Stack-Informationen und den zugehörigen Code bereitstellen
Logischer Fehler
Die Funktion entspricht nicht den Erwartungen
💡 Das erwartete Verhalten und das tatsächliche Verhalten beschreiben
Abhängigkeitsfehler
Paketinstallation oder -import fehlgeschlagen
💡 Bitte stellen Sie package.json und die Fehlermeldung bereit

Lernergebnisse

Nach Abschluss dieses Kapitels werden Sie:

  • 1Beherrschen Sie Strategien zur Optimierung der Token-Kosten, steuern Sie den Kontextbereich präzise und sparen Sie 90 % der Kosten
  • 2Einen standardisierten VibeCoding-Workflow etablieren, den fünfstufigen Entwicklungsprozess beherrschen und Nacharbeiten vermeiden
  • 3Konfigurieren Sie Projektregeln und Skills, damit sich die KI an die Projektstandards erinnert und die Codequalität verbessert
  • 4Effiziente Debugging-Methoden beherrschen, lernen, wie man richtig um Hilfe bittet, und Probleme schnell lösen
  • 5Die Gewohnheit häufiger Git-Commits aufbauen, damit man jederzeit zurückrollen kann, und so ein Sicherheitsnetz schaffen