这些文件需要在coding前复制粘贴到Cursor的Rules里面。
VIBE_RULES_LOCAL.md 是只专注于本地任务开发的版本，需要人工审批方案，当AI无法处理故障时会上报给人类。在设计时考虑的在各种任务（但是只限Python和Typescript语言）的通用性，可以直接上手使用（推荐）。
VIBE_RULES_LOCAL_AUTONOMOUS.md 也是只专注于本地任务开发的版本，但是是全自动化版本，当AI无处处理故障时会自主对方案进行重构。
LLM_RULES.md 是专为需要调用云端api的LLM应用专门增加的规则，只根据作者本人开发习惯写的，尚未完善，仅供阅读。
后续更新需要在云端上线的rules版本。
Vibe Coding Navigator 不是一个软件工具，而是一套为AI原生开发流程量身定制的System Prompt（在Cursor软件中可以作为Cursor Rules）。它旨在探索一种全新的软件开发范式：通过在System Prompt中设定清晰、严格的一系列规则，使得AI能够实现全程托管，从零开始构建完整项目，实现真正意义上的"无人类代码"开发，同时交付的代码是可控、可靠和高质量的。人类开发者可以从繁琐的编码工作中解放出来。
本项目的核心假设是：一个足够先进的AI，在清晰、严格的规则引导下，通过自主的"开发-测试-调试-修复"闭环，在最少人类介入下可以完成整个软件项目。
用户的只需要完成以下内容：
- 初始输入：用户仅需提供最初的项目愿景或需求，当然也可以按照自己的意愿要求技术选型或者更详细的设计。
- 过程监督：我们希望用户在该环节只需要零介入。但是我们的项目保障用户可以以文档的形式审查AI的所有开发和测试计划，在不符合预期时提供必要的Prompt以修改AI的后续行为。
- 最终验证：在AI完成开发后，用户负责验证最终产出是否满足预期。
Vibe Coding Navigator希望能通过规则驱动，来确保AI开发过程的可控性、可靠性和高质量
我们要求AI在实现任何功能之前，自主完成架构设计，同时架构需要符合AI原生的理念。这意味着在技术选型、模块划分、接口设计上，会优先考虑那些便于AI理解、操作和扩展的模式。
这种架构的特点是：
- 高度模块化：功能单元之间有清晰的边界和定义。
- 自解释性：代码和结构本身就易于被AI分析和理解，减少模糊性。
- 自动化亲和：架构本身支持自动化测试、部署和监控。
- 合约驱动：模块间的交互由严格的、机器可读的合约（如OpenAPI、gRPC-proto）定义，降低集成复杂性。
项目严格遵循测试驱动开发（TDD）的原则。AI在实现任何功能之前，都必须先编写对应的单元测试。我们要求极高的测试覆盖率，并强制要求包含对边缘场景和错误情况的测试。强验证给AI提供了通过测试的明确实现目标—，同时确保了软件的健壮性和可靠性，避免AI在真实生产场景中出现缺陷。
我们对AI生成的代码实施严格的规范和标准。这不仅包括统一的命名风格、代码格式，更涵盖了日志记录、错误处理、JSDoc注释、输入验证等开发实践，尤其是对于Python语言要进行强类型检查。强约束的目的是消除AI在代码生成过程中的不确定性，同时能够及时抛出错误使得AI可以自我修复。
即使用户的初始需求是模糊或抽象的，AI也必须自己制定展现详细的规划和目标。AI在实现任何功能之前，需要主动将宏观目标分解为具体的、可执行的开发任务队列。AI需要持续自我对齐，确保每一个开发步骤都服务于最终的项目目标，而不是在没有明确指令时陷入停滞或偏离方向。
AI开发助手的每一个行为都必须是透明且可追溯的。通过强制AI维护详细的开发日志、规划文件、测试报告和bug修复记录，我们为整个开发过程建立了一套完整的审计追踪系统。这使得人类监督者可以随时审查AI的决策过程、评估其工作效率，并根据审计结果持续优化和迭代Vibe Coding Navigator规则本身。
Vibe Coding Navigator 的最终目标是验证并交付一套成熟且通用的System Prompt，使其能够真正赋能AI，实现Prompt in, Project out。