让 AI 成为主驾驶员，人类作为副驾监督者
当前主流的 AI 辅助编程有两种模式：
| 模式 | 描述 | 问题 |
|---|---|---|
| Vibe Coding | 人类用自然语言描述需求，AI 一次性生成大量代码 | 代码质量难以保证，人类难以审查大量代码 |
| AI 副驾 | 人类主导编码，AI 提供补全和建议 | 没有充分发挥 AI 的能力，效率提升有限 |
Claude Copilot 提出第三种模式：AI 主驾 + 人类副驾
┌─────────────────────────────────────────────────────────────┐
│ AI 主驾开发模式 │
├─────────────────────────────────────────────────────────────┤
│ AI (Claude) 人类 │
│ ├─ 理解需求 ├─ 确认需求理解 │
│ ├─ 设计架构 ├─ 审核架构设计 │
│ ├─ 拆分任务 ├─ 调整任务优先级 │
│ ├─ 逐个实现函数 ├─ 确认实现思路 │
│ │ ├─ 解释业务逻辑 │ ├─ 补充业务细节 │
│ │ ├─ 解释代码逻辑 │ ├─ 提出修改建议 │
│ │ └─ 编写代码和测试 │ └─ 审核代码质量 │
│ └─ 更新文档和进度 └─ 最终验收 │
└─────────────────────────────────────────────────────────────┘
- AI 主导，人类监督：AI 负责执行，人类负责决策和审核
- 逐步确认，降低风险：每个函数实现前都需要人类确认
- 透明沟通，充分解释：AI 解释业务逻辑和代码逻辑，确保人类理解
- 持久记忆，跨会话协作：通过文档和 MCP 工具保持项目状态
# 1. 添加插件市场
/plugin marketplace add mmletgo/claude-copilot-plugin
# 2. 安装插件
/plugin install claude-copilot# 1. 克隆仓库
git clone https://github.com/mmletgo/claude-copilot-plugin.git
# 2. 复制 commands 到 Claude Code
cp -r claude-copilot-plugin/plugins/claude-copilot/.claude/commands/* ~/.claude/commands/
# 3. 安装 MCP 服务器
pip install -r claude-copilot-plugin/plugins/claude-copilot/mcp/project-tracker/requirements.txt
# 4. 注册 MCP 服务器
claude mcp add --transport stdio project-tracker --scope user -- python /path/to/claude-copilot-plugin/plugins/claude-copilot/mcp/project-tracker/src/server.py在项目根目录运行：
/plan工作流程：
- 需求澄清：AI 复述需求，确认理解正确
- 技术调研：AI 查看现有代码，确定技术方案
- 架构设计：AI 设计完整架构，包括所有类和函数
- 输出文档：
docs/prd.md- 产品需求文档docs/architecture.json- 架构设计（数据结构）docs/functions.json- 函数定义（签名、逻辑、依赖）docs/progress.json- 进度追踪
示例对话：
用户: /plan 实现一个用户认证模块
AI: 我的理解是：
- 需要实现用户注册、登录、登出功能
- 使用 JWT 进行身份验证
- 密码需要加密存储
我的理解对吗？有补充吗？
用户: 对的，还需要支持 OAuth 登录
AI: 好的，我会添加 OAuth 支持。技术方案如下：
- 使用 bcrypt 加密密码
- 使用 PyJWT 生成 token
- 使用 authlib 处理 OAuth
技术方案可以吗？
用户: 可以
AI: [输出架构设计和函数定义...]
架构设计可以吗？
用户: 可以
AI: [生成 docs/prd.md, docs/architecture.json, docs/functions.json, docs/progress.json]
在项目根目录运行：
/impl工作流程：
- 加载上下文：通过 MCP 获取当前任务和依赖
- 确认任务：
- 解释业务逻辑（为什么需要这个函数）
- 解释代码逻辑（这个函数做什么）
- 解释思路：说明实现方案，等待确认
- 编写代码：确认后才开始编码
- 编写测试：实现对应的测试用例
- 运行测试：确保测试通过
- 更新进度：标记任务完成
示例对话：
用户: /impl
AI: 项目：用户认证模块
已完成：0 / 5
当前任务：hash_password
业务逻辑：
用户注册时需要安全存储密码，不能明文存储，所以需要这个哈希函数。
代码逻辑：
接收明文密码，使用 bcrypt 算法生成哈希值返回。
业务逻辑和代码逻辑我理解得对吗？有补充吗？
用户: 对的
AI: 实现思路：
1. 使用 bcrypt.gensalt() 生成随机盐值
2. 使用 bcrypt.hashpw() 生成哈希
3. 返回 UTF-8 编码的字符串
这个思路可以吗？需要调整吗？
用户: 可以
AI: [编写代码和测试，运行测试...]
实现完成，测试通过！
已完成：1 / 5，下一个：verify_password
实现和测试符合预期吗？需要修改吗？
用户: 符合预期，继续
AI: [继续下一个任务...]
如果在实现过程中需要修改业务逻辑：
用户: 密码哈希应该使用 argon2 而不是 bcrypt
AI: 这个修改会影响业务逻辑，我需要更新相关文档。
确认修改内容：将密码哈希算法从 bcrypt 改为 argon2，对吗？
用户: 对
AI: [更新 docs/prd.md, docs/architecture.json, docs/functions.json]
[重新实现函数和测试]
当开发过程中发现需要重大架构改动时：
/replan使用场景：
- 发现架构设计缺陷
- 新需求导致设计需要根本性改变
- 发现更好的实现模式
工作流程：
- 加载当前状态：读取已完成的工作和进度
- 分析影响：识别哪些函数可复用、需修改、需删除
- 设计新架构：保留可复用部分，设计改动
- 更新文档：更新 architecture.json、functions.json、progress.json
- 处理已完成函数：对需要修改的已完成函数，用户选择处理方式
示例对话：
用户: /replan
AI: 当前进度：
已完成：15 / 30 (50%)
- F1-F15 已实现
请描述需要进行的架构改动，以及改动的原因。
用户: 发现当前的同步处理方式无法满足性能要求，需要改为异步架构
AI: 影响分析：
可复用（无需改动）：
- F1-F8: 数据模型和工具函数
需要修改：
- F9-F12: 需要改为 async 版本
需要新增：
- F31: async_task_queue - 异步任务队列
- F32: task_worker - 任务处理器
确认吗？
用户: 确认
AI: [更新文档，保留已完成的 F1-F8，将 F9-F12 标记为 pending]
架构重构完成！
新进度：已完成 8 / 34 (24%)
下一步：运行 /impl 继续实现
核心原则：尽量复用已完成的工作
插件包含一个 MCP 服务器，提供以下工具：
| 工具 | 描述 |
|---|---|
current_task_context |
获取当前任务的完整上下文（项目状态、任务详情、依赖函数） |
architecture_overview |
获取项目架构概述（技术栈、数据结构） |
task_status_update |
更新任务状态 |
project_status |
获取项目进度概览 |
{
"project_name": "项目名",
"overview": "项目概述",
"technical_stack": {
"language": "Python 3.11+",
"libraries": ["fastapi", "pydantic"]
},
"data_structures": [
{
"name": "User",
"fields": [
{"name": "id", "type": "int", "description": "用户ID"}
]
}
]
}{
"functions": [
{
"id": "F1",
"name": "hash_password",
"file": "auth/password.py",
"signature": "def hash_password(password: str) -> str",
"business_logic": "用户注册时需要安全存储密码",
"code_logic": "使用 bcrypt 生成密码哈希",
"test_cases": ["正常密码", "空密码", "特殊字符"],
"dependencies": [],
"called_by": ["F3"]
}
]
}{
"project_name": "项目名",
"summary": {
"total": 5,
"completed": 2,
"in_progress": 1,
"pending": 2
},
"tasks": [
{"id": "F1", "status": "completed", "notes": "测试通过"}
]
}- 先规划后实现：始终先运行
/plan，确保架构设计完整 - 保持专注：每次
/impl只实现一个函数 - 及时反馈：对 AI 的理解和实现方案提出修改建议
- 定期审查：查看生成的代码和文档，确保质量
- 跨会话协作：
clear后可以继续上次的进度
欢迎提交 Issue 和 Pull Request！
MIT License