古法编程 Skill (old-code)

古法编程”并非复古怀旧或拒绝进步，并非玩梗而是严肃的，是一种在 AI 泛滥时代，为了确保系统极高可靠性、性能极致优化以及开发者认知不退化而存在的深度开发模式。

---

~ 重磅开源！震撼首发！~

📁 目录结构

old-code/
├── .claude/
│   ├── README.md                    # 项目主说明文档
│   ├── commands/
│   │   └── old-code                 # 命令行触发器配置
│   ├── skills/
│   │   └── old-code/
│   │       └── SKILL.md             # 核心技能定义文件
│   └── settings.local.json          # 权限配置文件
└── README.md                        # 本文件      

🚀 使用方法

基本调用方式

1. 原理反问模式（默认）

/old-code
# 或
/old-code -p

• 这是默认模式，代码生成后会进行原理反问
• 要求开发者能够解释每行代码的原理和底层实现细节
• 适合需要深入理解代码的场景

2. 代码临摹模式

/old-code -c

• 逐行展示代码，每行都带有详细注释
• 接受用户模仿输入并校验正确性
• 每完成一行代码（不计注释），才允许查看下一行
• 专注于理解和模仿输入

例如

/old-cod 生成java版本快排算法

/old-cod -c 生成java版本快排算法

/old-cod -p 生成java版本快排算法

🎯 核心特性

1. 逻辑透明

• 每一行进入生产环境的代码，开发者必须能解释其在内存、CPU寄存器或运行时环境中的行为

2. 文档先行

• 拒绝"生成即运行"
• 坚持先查阅官方一手文档，而非依赖AI的二手总结

3. 手工推演

• 在复杂逻辑实施前，优先使用纸笔或白板进行算法推演
• 避免通过AI反复"试错"生成

🔧 实践维度对比

维度	AI驱动模式	古法编程模式
知识获取	问AI「怎么写」	查阅官方规范（ISO/RFC/官方文档）
问题建模	直接描述需求让AI生成代码	抽象问题本质（数据结构/状态机/IO模型）
调试逻辑	喂报错给AI让它猜测修复	使用Debugger分析堆栈/内存/线程状态
代码复用	复制粘贴AI生成的片段	理解逻辑后手写实现并抽象封装
架构设计	由多次AI生成逐步拼接	人工设计模块边界、依赖关系与数据流

💡 为什么这种改变至关重要？

从"随机性"到"确定性"：

• AI的输出具有随机性
• 通过官方标准获得的知识是软件世界的物理定律

从"观察表面"到"洞察本质"：

• 依赖Debugger观察堆栈和内存
• 能看到数据在硬件中流动的真实样子
• 提升"代码直觉"的唯一途径

从"广度覆盖"到"深度掌控"：

• 分析源码虽然枯燥
• 能明白每一行高级代码背后的真实代价
• 写出真正高性能的系统

🛠️ 权威信源引用指令

当你希望利用AI的速度同时保持古法编程的严谨性时，应该这样下达Prompt：

请根据 [具体库/语言版本] 的官方文档规范给出实现建议。如果有多个方案，请对比它们的内存占用和CPU周期成本，而非仅仅给出最常用的方案。

🔍 白盒检查指令

针对代码审查时，使用：

针对这段代码，请模拟编译器/解释器，逐行向我说明变量在内存堆栈中的变化过程，并指出可能存在的边界溢出风险。

⚖️ 人机关系

• AI驱动模式：人作为"代码接收者"
• 古法编程模式：人主导设计，AI作为辅助工具

🏆 现实价值

1. 破除"黑盒幻觉"：AI经常生成看似完美但含有隐蔽漏洞的代码。古法能力是识别并修正"AI幻觉"的终极防线。

2. 应对极端场景：在涉及内存管理、高并发锁机制、嵌入式驱动等AI语料稀少的领域，只有具备古法功底的开发者能解决问题。

3. 维持技术直觉：过度依赖AI会导致开发者"脑力萎缩"。古法编程能训练对代码坏味道的嗅觉，保持解决复杂问题的底层能力。

---

总结：古法编程是开发者的"肌肉记忆"。AI可以是你的外骨骼机甲，但古法编程能力决定了你脱掉机甲后，是否依然是一名强大的战士。