24 篇文档带有标签「backend」

用 AI 处理后端接口时，先固定 contract、示例和兼容性边界。

用统一模板写 schema、索引、回填和回滚策略，避免后端数据变更只剩一段 SQL。

用统一结构写后端 PR、handoff 和 rollback 说明，让 reviewer 与接手人快速恢复上下文。

按后端任务形状选择 skills、Context7、浏览器与其他 MCP 上下文能力，避免只有工具名没有能力编排。

给 AI 足够的后端上下文与规则，才能把接口、数据和运维边界改对。

用统一检查表训练后端团队在接口、迁移、集成和发布中稳定收口 AI 产出。

复制一份后端仓库级规则模板，把目录边界、migration 纪律、测试门禁和回滚要求固定下来。

用清晰的目录边界和发布制品，让 AI 修改后端代码时更可控、更易 review。

用 AI 辅助接口设计、数据迁移、服务集成、测试和上线回归的后端训练入口。

固定后端任务中的 lint、type-check、contract、integration 和 smoke 命令，避免“测试通过”没有上下文。

把后端 AI 协作拆成可执行的训练阶段，逐步固定契约、数据、集成、验证和发布能力。

用统一模板写第三方 API、Webhook、队列和后台 job 的集成边界与止损动作。

总结后端 AI 协作中最常见的失控方式，以及如何在接口、数据、验证和发布阶段及时止损。

按后端任务形状选择终端入口、执行栈、控制面或平台协作工具，避免把所有任务都塞进同一种 AI 工作方式。

用统一 brief 写清后端接口改动的 contract、兼容性、验证和输出要求。

用 AI 处理 schema、迁移、查询和缓存时，先固定演进与回滚边界。

用 AI 处理第三方服务、消息链路和后台任务时，先固定失败恢复与幂等策略。

汇总后端 AI 培训中最常复用的规则模板、prompt 模板、验证命令和跨团队 handoff 资产。

把后端训练阶段映射到真实演练题、推荐工作流、案例入口和验收产物，方便按场景开练。

一份已填写的后端训练包示例，演示 contract、集成、验证和 rollback 说明如何组合。

用后端训练阶段、可观察行为、风险控制和交付证据来评估学员是否真正掌握 AI 协作能力。

后端 AI 产出要能在生产环境被理解、监控、回滚，而不只是本地跑通。

把 AGENTS.md、CLAUDE.md、repo contract、任务 brief 和后端交付模板拆开治理，避免把所有约束都压进一段对话。

用 AI 生成后端实现后，必须用分层测试和发布门禁把行为收回来。