前端通用AI rules定义,适用于Cursor ,Trae,Qorder等AI开发工具

前端通用 AI Rules 定义
(适用于 Cursor、Trae、Qoder、Windsurf、Zed + AI、Codeium、Copilot 等几乎所有主流 AI 代码助手)

以下内容是 2025–2026 年在前端圈被大量验证、反复迭代后相对好用的“通用前端 Rules”模板。
你可以直接复制粘贴到 Cursor 的 Rules / Custom Instructions / 项目 .cursor/rules.md 中,或者 Trae、Qoder 等工具的类似位置。

推荐的通用前端 Rules 结构(2026 年主流写法)

# 前端通用 Rules - 适用于 React / Vue / TypeScript 项目 ## 核心原则(永远优先遵守) 1. 优先使用 TypeScript(严格模式) 2. 优先函数式 + hooks 写法,class 组件仅在极特殊场景使用 3. 组件尽量小而纯(单一职责),单个文件不超过 300–400 行 4. UI 优先使用可组合、可复用的原子组件 + 组合组件模式 5. 状态管理:能用 useState + useReducer 解决就不引入 Zustand / Jotai / Redux 6. 样式:优先 Tailwind CSS + shadcn/ui / Radix UI / Headless UI 组合 7. 代码风格严格遵循 ESLint + Prettier + typescript-eslint 推荐规则 8. 永远写 JSDoc / TSDoc 注释(尤其是工具函数、hooks、复杂组件) 9. 优先使用现代语法(可选链、nullish 合并、top-level await 等) ## 文件与目录命名规范 - 组件文件:PascalCase.tsx(例:UserProfileCard.tsx) - hooks 文件:camelCase.ts(例:useDebounce.ts) - 工具函数:camelCase.ts(例:formatCurrency.ts) - 常量:UPPER_SNAKE_CASE 或 camelCase(看语义) - 类型定义:统一放在 types/ 或同文件内以 I、T、S 前缀(视团队习惯) - 测试文件:同名 + .test.tsx / .spec.tsx - Storybook 文件:同名 + .stories.tsx ## 组件编写规范 1. 所有组件必须导出类型 Props(interface 或 type) 2. 优先使用解构 + 默认值写法 3. 必须显式声明 children?: ReactNode 4. 动态 className 使用 clsx 或 cva(class-variance-authority) 5. 禁止在组件内部写业务逻辑超过 30 行 → 抽离到 hooks / utils 6. 所有副作用必须放在 useEffect 中,并写清楚依赖数组 7. 自定义 hooks 命名必须以 use 开头 8. 禁止在 render 阶段产生副作用(setState、dispatch 等) ## 推荐的组件 Props 写法(现代风格) ```tsx interface ButtonProps extends React.ButtonHTMLAttributes<HTMLButtonElement> { variant?: 'primary' | 'secondary' | 'outline' | 'ghost' | 'destructive' size?: 'sm' | 'default' | 'lg' | 'icon' asChild?: boolean loading?: boolean leftIcon?: React.ReactNode rightIcon?: React.ReactNode } const Button = React.forwardRef<HTMLButtonElement, ButtonProps>( ( { className, variant = 'primary', size = 'default', asChild = false, loading = false, leftIcon, rightIcon, children, ...props }, ref ) => { // ... } ) Button.displayName = 'Button' 

Tailwind + shadcn/ui 使用规范

  1. 禁止 inline style(style={{}}),全部走 Tailwind
  2. 复杂组件样式使用 cva + cn 组合
  3. 颜色一律使用主题变量(theme.colors.*)或 CSS 变量
  4. 响应式优先 mobile-first(sm: md: lg: xl: 2xl:)
  5. 暗黑模式支持 class 策略(dark: 前缀)

性能与可维护性红线

  1. 禁止在循环/渲染中使用匿名函数作为 props(会导致子组件重复渲染)
  2. useMemo / useCallback 只在真正有性能问题时使用,先测再加
  3. 列表渲染必须加 key,且 key 稳定(不要用 index 做 key)
  4. 图片必须设置 width/height 防止布局偏移,或使用 next/image
  5. 禁止直接操作 DOM(document.getElementById 等),用 ref

React Query / TanStack Query 规范

  1. 所有服务端数据请求一律走 useQuery / useMutation
  2. queryKey 必须是数组且稳定([…deps])
  3. 全局配置 staleTime / gcTime / retry 等默认值
  4. 错误处理统一走 ErrorBoundary + toast

测试规范

  1. 单元测试覆盖 hooks、纯函数、工具函数(vitest + @testing-library)
  2. 组件测试写交互测试(userEvent)
  3. 优先测试用户行为而非实现细节
  4. 至少覆盖 80% 的核心业务组件和 hooks

禁止项(红线)

  1. 禁止 console.log / console.error 留在生产代码(改用 logger 或移除)
  2. 禁止 any 类型(除非极特殊场景并加 @ts-expect-error 说明)
  3. 禁止 ! 非空断言(改用 ? 可选链 + 类型保护)
  4. 禁止直接 import 第三方库的 css(应走 postcss / tailwind)
  5. 禁止写超过三层的条件嵌套(抽成函数或单独组件)

最后一条终极原则:
“写给人看的代码,让 AI 帮你生成,让测试帮你验证,让未来的自己能快速理解。”

 ### 快速复制粘贴版(直接丢进 Cursor Rules) 你可以把上面整个 markdown 内容保存为 `.cursor/rules.md` 或直接粘贴到工具的 Rules 区域。 如果你的项目有特殊技术栈(Next.js / Nuxt / Remix / Svelte / Vue3 + TS / Electron 前端等),可以告诉我,我再帮你做针对性调整。 祝你和 AI 一起写出更干净、更快、更可维护的前端代码~ 

Read more

AI一键生成专业技术路线图(课题研究/论文 技术路线图)

AI一键生成专业技术路线图(课题研究/论文 技术路线图)

工具地址:https://draw.anqstar.com/ 一、技术背景:计算机专业学生的“路线图痛点”,你是否也遇到过? 对于计算机专业的大学生而言,从课程设计、课程论文,到最终的毕业设计、毕业论文,“技术路线图”都是不可或缺的核心组成部分——它是梳理课题思路、明确研究步骤、展示技术逻辑的关键载体,直接影响作业/论文的完整性和专业性。 但实际操作中,绝大多数同学都会陷入这样的困境,尤其是涉及MySQL、SQL Server、SQL等数据库相关课题时,痛点更为突出: 1.1 小白入门难,无从下手 刚接触课设、毕设的同学,对“技术路线图”的规范的格式、核心要素一无所知,不清楚如何将SQL查询、MySQL数据库搭建、SQL Server数据存储等技术点,合理融入路线图的各个环节,常常对着空白画布发呆,浪费大量时间。 1.2 技术梳理乱,逻辑断层

不用 API Key 也能跑 AI 智能体?OpenClaw Zero Token 用浏览器自动化打通了大模型调用的新路线

不用 API Key 也能跑 AI 智能体?OpenClaw Zero Token 用浏览器自动化打通了大模型调用的新路线

OpenClaw Zero Token 深度解析:浏览器自动化实现大模型免 Token 调用的原理与实战 快速摘要 OpenClaw Zero Token 是开源 AI 智能体框架 OpenClaw 的一个社区衍生版本,它的核心思路是:通过 Playwright 浏览器自动化技术,复用你在各大模型网页端的登录状态,从而绕过传统 API Token 调用的方式,实现对 DeepSeek、千问、Kimi、豆包等主流大模型的本地 Agent 调用。 整个方案采用 MIT 开源协议,项目在 GitHub 上已获得 1800+ Star。如果你正在搭建本地 AI 智能体、或者对浏览器自动化与大模型结合的技术路线感兴趣,往下看有更详细的原理拆解和完整部署步骤。 从 OpenClaw 说起:为什么会出现 Zero

2026深度破解:OpenClaw开源AI框架架构与实战全景解析

摘要 2026年初,一款名为OpenClaw的开源AI Agent框架以惊人的速度席卷全球开发者社区,短短数周GitHub星标突破20万,成为史上增长最快的开源项目。本文从架构设计、核心原理、代码实现和工程实战四个维度,深度剖析OpenClaw的技术内核,帮助开发者从理解到实践,快速掌握这一革命性的AI开发框架。 一、OpenClaw的前世今生 1.1 项目背景与定位 OpenClaw(原Clawdbot/Moltbot,开发代号"大龙虾")诞生于2025年底,是一个本地优先的开源AI Agent网关框架。它不仅仅是一个聊天机器人集成工具,更是一个**从"对话交互"到"自主执行"**的AI能力转换平台。 核心特点: * 本地优先架构:所有数据存储在本地,保护隐私 * 模块化设计:高度可扩展的插件系统 * 多平台支持:WhatsApp、Discord、Telegram等 * 企业级能力:多智能体协同、

做了一个 AI 鸿蒙 App,我发现逻辑变了

做了一个 AI 鸿蒙 App,我发现逻辑变了

子玥酱(掘金 / 知乎 / ZEEKLOG / 简书 同名) 大家好,我是子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚焦于业务型系统的工程化建设与长期维护。 我持续输出和沉淀前端领域的实战经验,日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案, 在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。 技术方向:前端 / 跨端 / 小程序 / 移动端工程化 内容平台:掘金、知乎、ZEEKLOG、简书 创作特点:实战导向、源码拆解、少空谈多落地 文章状态:长期稳定更新,大量原创输出 我的内容主要围绕 前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读 展开。文章不会停留在“API 怎么用”,而是更关注为什么这么设计、在什么场景下容易踩坑、