First Slide
Second Slide
Third Slide
Fourth Slide

提示词

Article detail

AI

2026/6/6 · 25 分钟阅读

提示词

以下是一份可供你直接使用的 AI 辅助开发提示词，你可以把这个提示词发给 Claude Code 或任何 AI 编程助手来开始 MoonVision 项目：

提示词

核心开发原则

请你遵循 Spec-First Development（规范优先） 工作流。具体原则如下：

  1. 没有写好的规范，不要写代码 — 先完成需求收集和技术设计，获得批准后再开始实现
  2. Plan 只写方案、范围和风险，不写实现代码 — 规范层面讨论的是“做什么”和“为什么做”，不是“怎么做”
  3. 优先小步迭代 — 每个功能模块独立完成、独立验证，避免大而全的耦合开发
  4. 实现与审查分离 — 先完成方案或代码，再独立复核
  5. 被纠正时先验证问题，再调整做法 — 每个结论必须附验证方式、命令或结果摘要
  6. 不为未被请求的未来需求提前抽象 — 只解决当前规范中明确的需求

当你完成一个规范并获得批准后，我会以 approved 或 go 批准。批准之后，你将进入 完全自主执行模式，无需在每个文件修改前征求确认。

项目背景

MoonVision 是一个 MoonBit-native 轻量级图像处理与基础计算机视觉算法库。当前 MoonBit 生态已有图像编解码和像素比较相关工具（如 mizchi/image），但缺少一个 MoonBit-native 的图像处理算法层。MoonVision 将填补这个空白。

项目功能范围：

  • 图像矩阵操作（GrayImage、RgbImage）
  • 基础图像处理（灰度化、二值化、反转、亮度/对比度调整）
  • 卷积滤波（Box Blur、Gaussian Blur、Sharpen）
  • 边缘检测（Sobel X/Y、梯度幅值、基础边缘提取）
  • 形态学操作（Erosion、Dilation、Opening、Closing）
  • 连通域分析（Connected Components、Bounding Boxes）
  • 可视化输出（PNG、SVG、HTML 报告）

技术约束：

  • 语言：MoonBit（使用 MoonBit 原生包结构、类型系统和测试方式）
  • 不重复实现图像编解码；复用 mizchi/image 等已有生态库
  • 聚焦算法层能力，不做 OpenCV 绑定

第一阶段：Brain Dump（脑暴）

以下是我当前对 MoonVision 项目所有思考（未经整理）：

Want（我想要什么）

  • 一个 MoonBit-native 的轻量级图像处理算法库，可以用来做边缘检测、物体计数、文档增强等 demo，方便评审和用户直接看到处理效果
  • 可以提供清晰的 API，让 MoonBit 生态的用户可以直接 import 然后做基础的图像处理

Constraints（约束）

  • 代码量预计 4–10k 行 MoonBit 代码
  • 必须完全 MoonBit-native，不要做 OpenCV binding，不要依赖 C/C++ 图像处理库
  • 依赖 MoonBit 生态中已有的图像读写库（如 mizchi/image），不做图像编解码
  • 代码需要经过充分测试

Done When（完成标准）

  • 至少实现以下三个可运行的 demo，输出可视化结果：
    1. 物体计数：输入图片 → 灰度化 → 二值化 → 连通域分析 → 输出物体数量和 bounding boxes
    2. 边缘检测：输入图片 → 灰度化 → Gaussian Blur → Sobel 梯度幅值 → 输出边缘图
    3. 文档增强：输入拍照文档 → 灰度化 → 二值化 → 去噪 → 输出黑白文档图片
  • 代码有 MoonBit 原生测试覆盖
  • 项目结构符合 MoonBit 包管理规范，可以被他人 import 使用
  • README 包含基本 API 使用示例

Unsure（我不确定的点）

  • MoonBit 生态是否有完整的 PNG 写入能力？mizchi/image 是否支持？
  • 是否要同时支持 RGB 和灰度图，还是灰度图可以单独封装为一套更简洁的 API？
  • 连通域分析使用 4-邻域还是 8-邻域算法？性能要求如何？
  • MoonBit 有没有官方的图形/图像库来做简单的像素绘制（比如在导出 SVG/HTML 时需要绘制 bounding boxes）？
  • MoonBit 的构建系统和测试框架有哪些特性能帮上这个项目？

Scope（明确不做的事情）

  • 不重复实现图像编解码（jpeg/png 的读写）
  • 不做 GUI 界面
  • 不做深度学习模型的集成
  • 不做实时视频流处理
  • 不做像素级的 diff 对比工具
  • 本项目不提供 Python 绑定或 WASM 相关封装

Target User（目标用户）

  • MoonBit 应用开发者：需要图像处理能力（文档增强、图像分析等）
  • MoonBit 工具开发者：CLI 图像工具、图像处理 pipeline 的开发者
  • 教学场景：用于帮助理解基础图像处理和计算机视觉算法

Priorities（功能优先级排序）

优先级功能模块理由
P0GrayImage / RgbImage 基础数据结构 + 像素访问所有功能的基础
P0灰度化 + 二值化所有 demo 的入口步骤
P0连通域分析 + bounding boxes物体计数 demo 的核心
P1卷积框架 + Box/Gaussian Blur边缘检测的前置步骤
P1Sobel + 梯度幅值边缘检测 demo 的核心
P2亮度/对比度调整文档增强用得到
P2形态学操作去噪和预处理增强
P3可视化导出（SVG/HTML）demo 效果展示用

Unsolved Technical Risks（未解决的技术风险）

  • MoonBit 的二维数组/矩阵操作性能如何，是否影响 O(width × height × kernel_radius) 的卷积？
  • 连通域分析使用 Union-Find 时，MoonBit 的内存分配和访问模式是否需要特殊优化？
  • MoonBit 生态在 mizchi/image 之外是否有其他图像处理相关模块可以参考？
  • MoonBit 的 test 块和快照测试能否有效测试图像处理算法的正确性？
  • Native 后端生成的二进制在图像加载/保存时的性能表现？

第二阶段：Spec Interview（需求访谈）

请先读取这份 brain dump，然后通过 AskUserQuestionTool 向我问至少 5–10 个深入问题来填补以下方面的空缺：

  • 具体的 API 设计偏好（例如 API 风格是函数式链式调用还是独立函数？）
  • 对已有 MoonBit 生态图像库的实际使用经验
  • 图像矩阵（GrayImage/RgbImage）的数据结构设计细节
  • 边界条件、性能阈值、错误处理风格
  • 测试策略和验收标准
  • 你不确定的技术判断（例如哪种算法实现更适合 MoonBit 的语言特性）

请持续提问，直到你确信规范已经完整、无歧义、且我确认可以进入技术设计阶段。

第三阶段：Research & Plan（技术调研与设计）

完成需求访谈后，请自动进入计划模式：

  1. 调研现有 MoonBit 生态中的图像库和算法参考实现（如 mizchi/image）的能力边界
  2. 参考经典图像处理算法的数学原理（Gaussian 卷积核、Sobel 算子、Union-Find 连通域等）
  3. 设计清晰的目录结构和模块划分，以下是我提议的初始结构：
moonvision/
├── moon.mod.json
├── README.md
├── src/
│   ├── image/          # GrayImage, RgbImage, 像素访问
│   ├── ops/            # 灰度化、二值化、亮度、对比度调整
│   ├── filter/         # 卷积、Box/Gaussian Blur、Sharpen
│   ├── edge/           # Sobel、梯度幅值
│   ├── morphology/     # Erosion、Dilation、Opening、Closing
│   ├── components/     # 连通域分析、bounding boxes
│   └── export/         # SVG/HTML 导出
├── examples/           # 三个 demo 实现
└── test/               # 单元测试
  1. 标识出所有需要新建或修改的文件
  2. 标识出哪些功能可以复用 MoonBit 标准库 / 现有包
  3. 提供详细的实施计划，包括：
    • 每个阶段的交付物
    • 各任务之间的依赖关系
    • 潜在风险和边缘情况
    • 验证标准（moon test、demo 输出检查等）
  4. 等待我批准。批准时请明确给出 approved 或 go

第四阶段：Execute（执行）

当收到批准后（approved/go）：

  • 完全自主执行，无需再征求确认 — 不写“would you like me to proceed？”或等待下一步指令
  • 并行执行无依赖的任务，同时启动 subagent 完成独立模块
  • 持续执行，直到所有任务完成
  • 执行过程中不进行额外总结（除非我被卡住需要向我提问关键技术决策）
  • 完成后，交付：
    • 完整实现的代码库
    • 通过 moon test 的单元测试
    • 三个运行无误的 demo
    • README 更新
    • 最终总结：实现了什么、如何测试、后续建议

可选的扩展步骤

在执行完主体功能后，如果时间和代码量允许，可以考虑补充以下优先级较低的功能：

  • 更多的 demo 示例（如人脸检测 demo 展示）
  • API 使用文档
  • 性能基准测试
  • 发布到 mooncakes.io 的指引说明

补充参考材料

  • MoonBit 官方文档：https://docs.moonbitlang.com — 了解 MoonBit 的包管理（moon.mod.json）、测试框架（moon test）和语言特性
  • 算法实现参考：OpenCV imgproc 模块（算法原理） + edge-detector GitHub（Python 实现参考）
  • MoonBit 状态与特性：2025 年 6 月已发布 Beta 正式版，语法进入稳定期

附：如何使用这份提示词

推荐工作方式

  1. 启动 AI 时直接发送以上完整提示词（从 "核心开发原则" 开始到 "补充参考材料" 结束），然后让 AI 从第二阶段的需求访谈开始执行
  2. 在 AI 进行需求访谈时，你的角色是 回答提问，让 AI 通过 AskUserQuestionTool 逐步收集信息、填充规范
  3. 规范完成后，AI 会提供实施计划等待你批准。计划只包含范围、风险、验收标准，不写实现代码
  4. 批准后（回复 approved 或 go），AI 将开始自主实现，不再反复确认
  5. 根据需要，可以使用 /loop 进行迭代，使用 /batch 并行处理子任务

推荐的对话流程示例

> 你: [发送以上完整提示词]
> AI: 您好，我将开始按照 Spec-First Development 工作流协助开发 MoonVision 项目。正在读取 brain dump 中的思考，将通过 AskUserQuestionTool 进行需求访谈。请问 MoonBit 版本的图像读写库 mizchi/image 是否已在您的环境中可用？GrayImage 和 RgbImage 的数据结构设计上是否需要考虑与 mizchi/image 的格式直接互转？
> 你: [回答问题]
> AI: [继续提问]
> ... (问答循环 5–15 轮，AI 收敛规范)
> AI: 需求收集已完成，正在编写 spec.md。规范中包含以下核心内容：[列出完整的功能模块、优先级顺序、验收标准和未解决的风险点]。现在进入技术调研与设计阶段：我已分析 MoonBit 现有生态的能力和边界，以下是详细的实施计划：[列出文件清单、任务依赖、风险和验证标准]。请批准后我将进入执行模式。
> 你: approved
> AI: [进入完全自主执行阶段，实现代码、编写测试、运行 demo，直到交付]

技术细节说明

MoonBit 的开发工具链包括 moon 构建系统、moon test 测试框架和 VSCode 插件。测试方面，MoonBit 提供 test 代码块支持内联测试用例和三种快照测试，可使用 moon test --update 自动插入/更新预期值。包依赖在 moon.mod.json 中通过 deps 字段声明。算法实现建议采用 primitive 设计：每个功能单元独立、可替换、可组合、可验证。这些是你和 AI 在开发过程中需要遵守和运用的技术约束。

评论

动作测试