Guide d’utilisation de l’IA
Comprenez les principes économiques de la programmation IA, établissez des flux de travail standard, configurez un environnement de développement efficace et laissez l’IA mieux travailler pour vous.
L’économie de la programmation assistée par l’IA
Principe fondamental : les tokens, c’est de l’argent
Chaque fois que vous laissez l’IA lire des fichiers de projet, rechercher du code ou générer des réponses, vous engagez des coûts réels.Plus le contexte est grand, plus le coût est élevé. Lire l’ensemble du projet par rapport à un seul fichier, la différence est d’un ordre de grandeur.
Mais plus important encore —Un contexte précis permet non seulement d’économiser de l’argent, mais rend aussi les résultats plus précis. L’optimisation des prompts ne consiste pas à « peaufiner la formulation », mais à réduire l’étendue du contexte que l’IA doit lire.
Stratégie de contexte précise
« Veuillez jeter un œil et voir s’il y a des problèmes avec le projet »
→ L’IA doit lire l’ensemble du projet, ce qui consomme un grand nombre de tokens
"Vérifier la logique de connexion dans `src/utils/auth.ts`"
→ L’IA ne lit que les fichiers pertinents, réduisant la consommation de tokens de 90 %
Astuces d’optimisation
- Spécifiez le chemin du fichier : mieux qu’une description vague
- Préciser le périmètre de la fonctionnalité: plus ciblé que de dire vaguement « le projet a des problèmes »
- Supprimer les formules de politesse : ne définissez pas de rôle d’expert, indiquez directement la tâche
- Utiliser des résumés: Utiliser des résumés plutôt que le texte intégral pour les longs documents
- Utilisation de la surveillance:Vérifier régulièrement les statistiques d’utilisation des tokens pour identifier le gaspillage
Exemple d'optimisation des coûts
Flux de travail VibeCoding
Insight clé : le cœur du Vibecoding est le Workflow, pas le Prompt
Auparavant, vous avanciez au fil de vos idées et laissiez l’IA écrire directement, mais cela entraîne souvent des retouches. Les vrais experts ne s’appuient pas sur la configuration, mais surL’art de parleretProcessus standard。
Donner une « sortie » à l'IA
Parfois, l’IA ne connaît pas la réponse mais en invente une de force. Dites-lui : « Si vous n’êtes pas sûr, dites-le clairement et attendez ma confirmation au lieu d’inventer. »
et expliquez vos hypothèses, puis attendez ma confirmation avant de continuer."
Processus standard en cinq étapes
Explorer la structure du projet
Commencez par comprendre la structure du projet afin d’éviter de découvrir à mi-chemin que le fichier a déjà été écrit
Planifier les étapes de mise en œuvre
Énumérez les étapes d’implémentation pour que l’IA exécute le plan au lieu d’écrire au fil de l’inspiration
Implémentation du code
Implémentez progressivement les fonctionnalités selon le plan, en vérifiant après chaque étape
Validation des tests
Vérifier que la fonctionnalité fonctionne correctement, et vérifier les cas limites et la gestion des erreurs
Soumettre le code
Validez le code à chaque fois qu’une fonctionnalité indépendante est terminée afin de créer un historique des versions
Comment éviter les reprises
- •Explorer avant de coder: Commencez à écrire du code après avoir compris la structure du projet
- •Planifier les étapes de mise en œuvre: Énumérez les étapes pour faire exécuter l’IA selon le plan
- •Validation étape par étape: Vérifiez à chaque étape, n’attendez pas la fin
- •Soumettre dans les délais: effectuer un commit à chaque fonctionnalité terminée, afin de faciliter le retour en arrière
Extension : systèmes multi-agents
Une fois que vous maîtrisez le flux de travail principal, vous pouvez explorer les systèmes multi-agents : faire collaborer plusieurs IA, l’une écrit le code, une autre le relit ; l’une écrit les tests, une autre la documentation. Elles peuvent travailler en parallèle pour améliorer l’efficacité, ou de manière séquentielle pour garantir la qualité.
Gestion de version Git
Le codage par IA est très radical, il faut donc mettre en place un filet de sécurité
L’IA peut casser trois anciennes fonctionnalités pour corriger un seul bug. Il faut donc la configurer correctement Git, établir des éléments à haute fréquenceHistorique de la version locale。
Stratégie de commits fréquents
Chaque fois que vous terminez le développement d’une fonctionnalité indépendante, ou qu’après avoir corrigé un bug et validé son bon fonctionnement, exécutez automatiquement git commit pour valider le code.
Conventions de Commit Message
Utilisez un message de commit chinois concis qui décrit clairement les modifications apportées par ce commit.
fix : corriger le problème de style de la page de connexion
refactor : refactoriser la logique d’authentification des utilisateurs
fix bug
changes
Vous pouvez revenir en arrière à tout moment
Si le code casse, vous pouvez toujours revenir à la version stable précédente.
Astuces de configuration
En plus de choisir le bon outil, il existe trois astuces pour rendre l’IA encore plus utile, en résolvant les problèmes de mémoire faible et de textes incohérents. Les méthodes de configuration varient selon les outils, nous les présentons donc ci-dessous par catégorie d’outil.
4.1 Configuration de Cursor
Règles du projet (.cursorrules)
Créer dans le répertoire racine du projet .cursorrules Fichier, définissez les normes du projet.
# Normes de code - Interdire l’utilisation du type `any` - L’utilisation de `pnpm` comme gestionnaire de paquets est obligatoire - Tous les composants doivent utiliser TypeScript - Respecter la configuration ESLint et Prettier - Utiliser des composants fonctionnels et des Hooks - Tous les appels API doivent inclure une gestion des erreurs
Créer des Skills
Les Skills sont stockées dans .cursor/skills/ Dans le répertoire, utilisez le format Markdown.
- Créer
.cursor/skills/Table des matières - Créer
skill-name.mdFichier - Rédiger les descriptions et instructions de Skill
- Appeler Skill dans Cursor
Configuration du serveur MCP
dans .cursor/mcp.json Configurez le serveur MCP dans.
{
"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"]
}
}
}
}Utilisation du mode Agent
Appuyez dans Cursor Cmd/Ctrl + K Ouvrez le mode Agent, ou utilisez Cmd/Ctrl + L Ouvrez le mode Chat.
- • Mode agent: L’IA peut exécuter automatiquement des tâches en plusieurs étapes et modifier plusieurs fichiers
- • Mode Chat : échangez avec l’IA pour obtenir des conseils et des extraits de code
- • Composer: Combiner plusieurs opérations pour traiter des tâches par lots
4.2 Configuration de Claude Code
Configuration du serveur MCP
La configuration MCP de Claude Code est ~/.claude/mcp.json ou du répertoire du projet .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"]
}
}
}Créer des Skills
Claude Code Skills sont stockés dans ~/.claude/skills/ dans le répertoire.
- Créer
~/.claude/skills/Table des matières - Créer
skill-name.mdFichier - Rédiger la description du Skill (format Markdown)
- Utiliser dans le terminal
@skill-nameAppeler
4.3 Configuration de Codex CLI
Règles du projet (.codexrules)
Créer dans le répertoire racine du projet .codexrules fichier, ou utilisez /init Les commandes sont générées automatiquement.
Configuration d’analyse Monorepo
Codex CLI peut analyser de grands projets Monorepo et nécessite la configuration des informations de l'espace de travail.
- • Détection automatique: Codex détecte automatiquement les structures Monorepo
- • Paramètres de l’espace de travail: spécifier le chemin de l’espace de travail dans .codexrules
- • Gestion du contexte: charger uniquement le code de l’espace de travail pertinent
4.4 Autres configurations d’outils
Windsurf
- • Fast Context: Configuration automatique, aucune configuration manuelle requise
- • Cascade Agent: activer dans les paramètres
- • Règles du projet : utiliser
.windsurfrulesFichier
GitHub Copilot
- • Règles du projet : utiliser
.github/copilot-instructions.md - • Fichiers associés: identifier automatiquement le contexte des fichiers associés
- • Complétion de code: Configurer le comportement de complétion dans les paramètres
Continue.dev
- • Fichier de configuration:
.continue/config.json - • Modèles personnalisés:configurer un modèle local (Ollama)
- • Fournisseur de contexte: Configurer le contexte du dépôt
Fabric
- • Patterns: stocké dans
~/.config/fabric/patterns/ - • Pattern personnalisé : Créer
pattern-name.md - • API Key:Configurer dans les variables d’environnement
Les bases d’un débogage efficace
Avec l’IA, pas de panique en cas d’erreur
Mais pour que l’IA vous aide, vous devez apprendreLa bonne façon de demander de l’aide。
D'abord : fournissez le journal d'erreurs complet
Les débutants ont souvent peur lorsqu’ils voient un écran rempli d’erreurs rouges et copient seulement la dernière ligne. Mais l’IA est comme un médecin : elle a besoin de voir tous les symptômes pour poser un diagnostic précis.
→ Informations insuffisantes, l’IA ne peut pas diagnostiquer
→ Avec des informations complètes, l’IA peut localiser précisément
💡 Suggestions d’utilisation: Prenez le message d’erreur rouge qui paraît le plus long et le plus complexe — sélectionnez-le intégralement tel quel, copiez-le et envoyez-le à l’IA.
Deuxième : mode de réparation en boucle
Si l’IA ne le corrige pas du premier coup, n’abandonnez pas. Décrivez le résultat après vos essais et laissez l’IA continuer à essayer.
- L'IA propose une solution de correction
- Vous modifiez le code conformément au plan
- Si une nouvelle erreur apparaît, décrivez le résultat : « J’ai modifié selon votre méthode, mais maintenant une nouvelle erreur apparaît... »
- L’IA continue de corriger en fonction des nouvelles informations
- Répéter les étapes 2 à 4 jusqu’à ce que le problème soit résolu
💡 Expérience: la plupart des bugs nécessitent 2 à 3 itérations pour être résolus. N’attendez pas de l’IA qu’elle corrige tous les problèmes en une seule fois.
Types d’erreurs courantes et traitement
Résultats d’apprentissage
À la fin de ce chapitre, vous pourrez :
- 1Maîtriser les stratégies d’optimisation des coûts des tokens, contrôler précisément le périmètre du contexte et économiser 90 % des coûts
- 2Mettre en place un workflow VibeCoding standard, maîtriser le processus de développement en cinq étapes et éviter les retouches
- 3Configurez les règles du projet et les Skills pour que l’IA se souvienne des conventions du projet et améliore la qualité du code
- 4Maîtriser des méthodes de débogage efficaces, apprendre à demander de l'aide correctement et résoudre rapidement les problèmes
- 5Prendre l’habitude de commits Git fréquents afin de pouvoir revenir en arrière à tout moment et constituer un filet de sécurité