# old-code

**Repository Path**: jiangkaiwen/old-code

## Basic Information

- **Project Name**: old-code
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-19
- **Last Updated**: 2026-04-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README


<div align="center">

# 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。

[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE)
[![Claude Code](https://img.shields.io/badge/Claude%20Code-Skill-blueviolet)](https://claude.ai/code)
[![old-code](https://img.shields.io/badge/Made%20with-古法编程.skill-orange)](https://github.com/zjw-swun/old-code)

---

# ~ 重磅开源！震撼首发！~

</div>

## 📁 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）
```bash
/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
```bash
/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。