借助 CLAUDE.md 约束 Sonnet 5.5 多文件重构行为的提示词实践

Claude Code 配置指南:AGENTS.md、系统提示词与 Skills 实战 AI编程助手正改变软件开发流程,其核心在于通过指令文件与系统提示词约束模型行为。系统提示词定义了AI的角色、工作流程与输出规范,而项目级指令文件(如AGENTS.md)则向模型注入仓库结构、代码风格与安全边界,两者结合构成可复用的“上下文工程”方案。这套方法能显著提升代码生成的一致性和安全可控性,广泛应用于代码生成、测试编写、批量重构及代码审查等场景。Claude Code作为命令行AI编程工具,深度支持AGENTS.md机制,并允许通过settings.json和CLAUDE.md修改系统提示词,配合Sk 阅读详情

让 Sonnet 5.5 重构代码,提示词需要说清三件事:允许改哪些文件、哪些行为必须保留、交付时拿什么证明。只说“把代码整理一下”,模型就可能顺手改接口、依赖或测试。稳定的项目约定放进 CLAUDE.md,本次拆分目标写进任务提示词,最后分别检查实现、测试和改动范围。

本文用一个 Python 工单工时报表练习,把解析、汇总和命令行协调拆开。下载完整练习包,内含初始项目、十项契约测试、提示词、范围检查脚本和参考实现。离线练习需要 Python 3.10 以上及 Git,不依赖第三方包或 API Key。

练习与参考实现由 Ofox 编写,已于 2026 年 10 月 8 日完成本地测试,没有调用 Sonnet 生成参考答案。测试通过说明这份实现满足所列检查,不代表模型成功率或速度。实际体验提示词时,请使用已获授权的 Claude Code 账号,另外保存自己的运行结果。

先写清不能改变的行为

初始 ticket_report/report.py 读取 CSV,校验工单编号和工时,按团队汇总后输出 JSON。表头固定为 id,team,hours。工时使用 Decimal 运算,避免把 0.1 加 0.2 变成浮点近似值;JSON 中的数值仍是字符串,保留小数格式。

python3 -m ticket_report fixtures/tickets.csv

随包样例的预期输出:

{"Billing": "1.50", "Support": "0.75"}

验收不能只看这行结果。旧调用方仍须能从 ticket_report.report 导入 parse_rows 和 summarize;团队按名称排序;错误行不能被悄悄丢掉;文件不存在或命令参数不正确时退出码为 2,错误写入 stderr,stdout 不输出成功结果。

职责原位置拆分后的要求
CSV 解析和逐行检查report.py移到 parsing.py
Decimal 汇总与排序report.py移到 aggregation.py
参数、文件、JSON、退出码report.py留在原文件
原有函数导入路径report.py通过重新导出保留
测试、样例和入口文件独立文件不修改

本例只练习保留行为的拆分,不是生产工单系统。它没有穷尽任意 CSV 的校验、恶意上传防护和大文件性能。发现这些不足时应记录下来,另开任务处理,不能借重构偷偷改变输入规则。

建立可比较的基线

解压后进入 starter,让同级的 reference 留在工作仓库之外,避免把参考答案误认成原项目代码。先提交基线,再运行测试:

cd sonnet-refactor-kit/starter
git init
git add .
git commit -m "Baseline ticket report exercise"
python3 -m unittest discover -s tests -v
python3 -m ticket_report fixtures/tickets.csv

应看到十项测试通过。若 Git 要求设置身份,按自己的项目规范配置,不要照抄别人的身份。初始测试失败时先排查解压和环境;没有正常基线,就无法判断后面的失败是不是模型引入的。

测试覆盖小数精度、空表、空白与 Unicode、重复编号、非法工时、表头顺序、空团队及三种命令行结果。非法工时还包含负数、非有限值、空值和非数字文本。真实项目也应记录起始 commit 和已有改动,使用独立分支或 worktree;不要为了“清理环境”一把重置其他人的工作。

CLAUDE.md 写长期规则

Claude Code 官方记忆文档说明,CLAUDE.md 属于指令上下文,并非强制配置。写下“不改测试”有用,但不能代替权限控制和代码复核。在会话中用 /context 检查预期文件是否载入,再依赖其中的约定。

2026 年 10 月 8 日截取的英文官方文档,展示规则来源,不代表模型任务运行成功。

练习包的完整文件如下,复制到自己的项目时先替换命令和路径:

# Ticket report exercise
Run commands from this directory. Python 3.10+; standard library only.
Run `python3 -m unittest discover -s tests -v` before and after changes.
Run `python3 -m ticket_report fixtures/tickets.csv` for the CLI contract.
Preserve the public imports `ticket_report.report.parse_rows` and `summarize`.
Keep Decimal arithmetic, JSON strings, sorted keys, error messages and exit codes.
Only edit report.py or add parsing.py and aggregation.py inside ticket_report/.
Do not change tests/, fixtures/, __main__.py, dependencies or this file.
No network, deployment, commits or unrelated cleanup are part of the task.
If a requirement conflicts with existing behavior, report it before changing behavior.
In the final response list files changed, commands and actual results, and limitations.
These instructions are task context, not a filesystem security boundary.

测试命令必须真实存在。临时验收条件放进当次任务,不要把每轮需求永久堆进项目文件;子目录规则与根目录冲突时,也应先消除矛盾。否则写得再长,模型仍面对互相打架的要求。

一次给出完整的重构任务

先在客户端核实模型和接入渠道,具体见 Sonnet 5.5 的 Claude Code 设置教程。模型是否可用、别名映射到谁,与提示词好坏是两件事;回答中自称 Sonnet 不能证明实际服务模型。

打开 starter 后使用以下提示词。这里保留英文版本,方便直接对应包内文件和测试;中文版解释与验收标准不变。

Refactor ticket_report/report.py without changing behavior.
First read CLAUDE.md and tests/test_contract.py, run the existing tests,
and explain the current contract.
Extract parse_rows to ticket_report/parsing.py and summarize to
 ticket_report/aggregation.py.
Keep report.py as the CLI coordinator and re-export both public functions.
Allowed changes: ticket_report/report.py, ticket_report/parsing.py,
and ticket_report/aggregation.py only.
Do not update tests or fixtures to accommodate your changes.
Do not add dependencies or deploy.
After editing run the full test suite and CLI example; inspect the final diff.
Report actual test output, the file list, and remaining limitations.
If blocked, report the exact blocker.

关键是既给目标结构,也给外部可观察行为。“重新导出”不能省略:函数搬家以后,旧导入路径仍要能用。保留命令行协调逻辑,则避免为了拆文件顺手改掉 python -m ticket_report 的入口。

Anthropic 的 Sonnet 5.5 提示指南指出,effort 会影响自主工作与验证行为,也建议明确任务范围。不要把更高档位当成测试替代品。effort 档位说明可辅助选择,但不改变本例验收条件。模型提出额外清理时先记入后续事项,避免让一次小改动变得难以归因。

测试通过与范围正确分开验收

会话结束后自己运行命令,不只接受“全部通过”的口头结论:

python3 -m unittest discover -s tests -v
python3 -m ticket_report fixtures/tickets.csv
python3 ../scope_check.py
git diff --check
git diff HEAD

范围脚本同时读取相对 HEAD 的已跟踪改动和未忽略的新文件。后者很重要:新拆出来的两个模块尚未进入 Git,普通差异视图可能漏掉它们。允许列表仅含 ticket_report 下的 report.py、parsing.py 和 aggregation.py,预期没有范围外文件。

范围正确不等于实现正确,允许文件里写坏代码仍能通过路径检查;测试通过也不能掩盖样例被改小、配置被修改的问题。因此既要读 diff,也要打开新增文件。本文参考实现只搬走两个函数,在原模块重新导入,保持 CLI 协调逻辑;初始版与参考版均通过同样的十项测试,样例输出与前文一致。你的模型运行需另行验收。

失败时缩小修复,而不是放宽要求

现象先检查处理方式
拆分后导入失败旧公开路径补回重新导出,不改调用方
出现浮点尾数或数值类型变了运算和序列化恢复 Decimal 和字符串输出
改了测试才通过验收条件漂移恢复原测试,修实现
总数正确但退出码不同命令行协调层同时核对 stderr、stdout、状态码
差异中看不到新模块未跟踪文件打开检查并运行范围脚本
客户端选不到模型账号和渠道先解决权限,不当作编程能力失败

修复提示可以直接给真实失败,例如:

The original test test_cli_missing_file now fails: expected exit code 2.
Keep the original tests unchanged. Inspect only the allowed files and
restore the prior CLI error behavior. Run all ten tests, the CLI fixture,
and the scope checker again. Report the actual output.

上面是修复模板,不是本次发生过的模型故障。使用时替换为你实际看到的测试名和输出。出现越界修改,逐项辨认并撤回本次不需要的改动,不要用整仓重置抹掉他人工作。

最终把模型来源、完整提示、基线 commit、补丁、测试输出和修复轮次一起保存。若继续比较 Sonnet 与 Opus 的编程表现,两者应从同一基线出发、接受同一验收标准。一个小练习成功,只能说明那次运行的结果,不能推广成模型全面胜出。

这套方法也适合把数据库访问或格式化函数拆出原模块,但先要补足对应契约:数据库任务还需处理事务边界,异步任务要保留异常与取消行为。不要直接把本例的十项检查当成任何项目都够用的清单。先找真正依赖旧行为的调用方,再决定需要哪些回归样例。

交付时确认旧导入仍有效、原十项测试通过、CLI 输出一致、仅三个许可路径变化,最后人工检查模块职责是否清楚。未覆盖的条件如实列出,这样后续接手者知道哪些结果已验证、哪些仍需验证。

AI编程助手深度对比:Codex与Claude Code的核心差异与实战指南 最近在技术社区里,经常能看到“小龙虾”、“Codex”、“Claude Code”这些词被开发者挂在嘴边。如果你刚接触这些概念,可能会一头雾水:它们到底是新的编程语言、框架,还是某种神秘的开发工具?为什么大家都在讨论?更重要的是,它们能解决我写代码时的哪些实际问题? 简单来说, Codex 和 Claude Code 是目前最受关注的两款 AI 编程助手(Agent),它们正在从根本上改变开发者与代码的交互方式 。它们不再是简单的代码补全工具,而是能理解复杂上下文、执行多步骤任务、甚至自主调用外部工具的“编 阅读详情

相关推荐

Claude Code与Vibe Coding实战:AI驱动开发范式变革与效率革命

在实际的软件开发与团队协作中,我们正经历一场由 AI 驱动的效率革命。过去,一个简单的内部工具从构思到可演示的原型,可能需要数天时间;而现在,借助 Claude Code 和 Vibe Coding 的理念,这个过程可以被压缩到几十分钟。这不仅仅是工具的更迭,更是开发范式的转变:从“编写每一行代码”转向“清晰地描述需求并管理 AI 的执行”。 本文面向所有希望将 AI 深度融入开发流程的工程师、技术负责人和产品构建者。无论你是想快速验证一个想法,还是希望将团队内部繁琐的 SOP 自动化,掌握 Claude

congjukun0600的博客 438

借助CLAUDE.md约束Sonnet 5.5多文件重构行为实战

代码生成大模型在理解项目结构和跨文件依赖上表现越来越强,但多文件重构时往往出现“能力越强、翻车越隐蔽”的问题——模型容易自发扩大改动范围,甚至破坏既有接口。这种失控源于模型缺乏明确的边界与验证闭环,单靠口头提示难以根治。CLAUDE.md作为一种项目根目录下的“行为契约”,能够在任务启动前为模型设定规则,将“目标式”要求转化为“动作式”检查项,如限定单次修改文件数、强制列出影响面、规定改后必须运行测试等。通过量化阈值和分段执行策略,模型可以在重构中保持克制,小步提交并自行校验。这一方法特别适用于维护长期项目

weixin_34112399的博客 280

ChatGPT与Claude工作模式对比:从PM视角选择AI协作者

大型语言模型(LLM)作为AI协作者,正深度融入软件开发与项目管理流程。其核心原理是基于海量数据训练,通过预测下一个词的概率分布来生成连贯文本,具备理解、推理和生成能力。在技术价值上,LLM能显著提升代码生成、文档撰写和问题排查的效率,成为开发者的智能助手。从应用场景看,不同模型因其训练数据、架构和优化目标的差异,形成了独特的工作模式与能力侧重。例如,ChatGPT以其快速响应和创意发散见长,适合原型构建和头脑风暴;而Claude则凭借超长上下文处理和严谨风格,在文档分析和方案评审中表现突出。理解这些差异,

weixin_30855761的博客 314

Claude Sonnet 3.5 官方系统提示词(2024-10-22 图像版)逐条解析:claude_behavior 行为规则的架构、图像处理策略与提示词工程启示

本文以开源仓库 system_prompts_leaks 中归档的 Anthropic 官方 Sonnet 3.5 系统提示词快照 [2024-10-22-claude-sonnet-3.5-text-and-images.md](https://link.gitcode.com/i/04b6e7dd823eeacfd8d4ebe3c08e1939) 为唯一主体,完整拆解这份 prompt 中每一

gitblog_00267的博客 395

Spring Cloud Gateway 结合OAuth2提供UAA服务

微服务做用户认证和授权一直都是一个难点,随着OAuth2.0的密码模式被作废,更是难上加难了。今天胖哥群里的一个群友搭建用户认证授权体系的时候遇到了一些棘手的问题,这让胖哥觉得是时候分享一些思路出来了。 两种思路 通常微服务的认证和授权思路有两种: 所有的认证授权都由一个独立的用户认证授权服务器负责,它只负责发放Token,然后网关只负责转发请求到各个微服务模块,由微服务各个模块自行对Token进行校验处理。 另一种是网关不但承担了流量转发作用,还承担认证授权流程,当前请求的认证信息由网关中继给下游

duan18888的博客 652

单端反激电源的RCD钳位电路吸收设计

反激电源尖峰电压和特点: 反激开关电源主要适用于中小功率<100W的电源设计中,特点是电路简单、成本低、可靠性高、宽稳压范围、转换效率PF高。但是由于本身变压器的漏感和其他参数的影响,变压器在高速开关关断瞬间会产生很大的尖峰电压,截止时产生的尖峰电压是由电路中的储能元件释放的电流引起的突变,过高的尖峰电压会影响开关管的正常工作,需要对尖峰电压采取措施抑制尖峰电压。 如上图所示,尖峰电压的钳位抑制方式有很多种。 TVS成本偏高,属于硬件导通,元件的可靠性较差,在低电压工作效果不理想。 RCD回路吸收

qq_31687191的博客 8493

Claude Sonnet 4.5 官方系统提示词深度拆解:2026-01-18 版 claude_behavior 全模块解析

这篇技术指南以 [Anthropic/official/2026-01-18-claude-sonnet-4.5.md](https://link.gitcode.com/i/60e4025339e87d683d43ab805873d174) 为绝对主体,逐段拆解 Anthropic 官方发布的 Claude Sonnet 4.5 在 claude.ai 网页/桌面/移动端所接收的完整系统提示词结

gitblog_00401的博客 471

高效打卡系统设计:从行为心理学到实践工具

打卡系统作为现代时间管理的重要工具,其核心原理植根于行为心理学中的即时反馈机制和习惯养成理论。通过科学设计的打卡周期和可视化反馈,能有效提升个人自律性和目标达成率。在技术实现上,从纸质记录到数字化工具(如Notion、Excel自动化模板)的演进,为不同场景提供了灵活解决方案。特别在习惯追踪和进度管理领域,结合热力图生成、数据统计等技巧,打卡系统能转化为强大的自我监督工具。本文通过实践案例,详解如何构建兼顾弹性和约束力的个性化打卡方案,帮助读者突破'三天打鱼两天晒网'的常见困境。

weixin_30047059的博客 342

Claude Opus 4.5 官方系统提示词全解:基于 system_prompts_leaks 存档剖析 `<claude_behavior>` 模块结构与行为边界

本文以 system_prompts_leaks 仓库归档的 [Claude Opus 4.5 官方系统提示词](https://link.gitcode.com/i/92ffc3e6a1d52511329c3eb563850651)(2025 年 11 月 24 日版本)为对象,逐模块拆解这套驱动 claude.ai 网页端、桌面端与移动端对话的顶层指令:它如何让模型介绍自身产品、划定拒绝边界、

gitblog_01168的博客 1041

STM32 使用rtthread的DMA 串口发送失败

在一次使用RTthread的DMA 串口发送时,持续性通过DMA 发送串口数据时,偶发发送过程中后续数据包无法正常发送出去,后经查,发现为RT-Thread的串口中断处理有瑕疵,后做出修改。另,为了更方便的排查为题,建议修改。左为修改前,右为修改后。

qq_39294918的博客 1110

Windows 11 24H2 系统下,保姆级安装华为 eNSP 模拟器(含依赖软件下载与避坑指南)

本文提供Windows 11 24H2系统下华为eNSP模拟器的完整安装指南,涵盖系统配置调整、依赖软件安装及常见问题解决方案。特别针对新版系统的兼容性问题,提供详细的避坑步骤和优化建议,帮助网络工程师顺利完成eNSP模拟器的部署与使用。

weixin_42567752的博客 431

system_prompts_leaks 文档深读:Claude Sonnet 3.5 `claude_behavior` 官方系统提示结构拆解与逐条解析

[Anthropic/official/2024-09-09-claude-sonnet-3.5-text-only.md](https://link.gitcode.com/i/eab137de178b541f825de8d7234102c0) 是 Anthropic 官方在 2024 年 9 月 9 日为 Claude Sonnet 3.5 发布的 `claude_behavior` 系统提示

gitblog_01156的博客 168

POVME3口袋体积计算:从.ini配置到实战解析

本文详细解析了POVME3口袋体积计算工具,从核心原理、环境准备到实战应用。重点剖析了控制计算行为的.ini配置文件,包括如何定义口袋区域、精修范围及锁定目标,并提供了固定坐标与配体引导两种实战策略,帮助研究人员从分子动力学轨迹中量化分析蛋白质结合口袋的动态变化。

weixin_29043895的博客 538

CLAUDE.md治理:如何避免Catastrophic Remembering破坏AI编码代理

在AI编码代理实践中,长期记忆文件(如CLAUDE.md)的持续膨胀正成为破坏智能体行为稳定性的关键因素。当记忆库从精简说明滚成规则垃圾场,模型便会陷入Catastrophic Remembering(灾难性记忆):关键约束被稀释、指令冲突累积、甚至产生幻觉性规则合并。这种现象的根源在于信噪比崩溃,而非模型遗忘能力不足。通过分层记忆架构、索引式加载、原子化规则表述与定期重构,开发团队可以将每次请求的上下文开销从O(全部记忆)降为O(核心规则+任务相关规则),显著降低token成本并提升代码生成质量。针对Cl

weixin_34293246的博客 437

多思计组实验实验三、存储器读写实验

实验三、存储器读写实验

qq_53089329的博客 3653

开源项目-智能算法中台管理系统

智能算法中台管理系统,系统主要有样本中心,算法中心,模型中心等模块

u010479989的博客 3004

Claude Code最佳实践:从提示词工程到高效AI编程工作流

提示词工程是优化AI交互的核心技术,通过结构化、场景化的指令设计,能显著提升大语言模型的输出准确性与实用性。其原理在于将模糊的自然语言需求转化为机器可精确执行的规格描述,从而释放AI在代码生成、重构、测试等场景的潜力。在软件工程领域,这一技术能无缝融入开发全生命周期,从项目脚手架、代码解释到自动化测试,极大提升开发效率与代码质量。本文以爆火的Claude Code最佳实践项目为例,深入剖析如何通过系统化的提示词工程与工作流整合,解决AI编程中的核心痛点,如上下文管理、幻觉规避与团队协作,为开发者提供一套可复

weixin_34242509的博客 346

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

从ChatGPT迁移到Claude:数据同步、工作流重构与效率优化实战指南

在人工智能技术快速发展的今天,大型语言模型已成为开发者和内容创作者提升生产力的重要工具。其核心原理是基于海量数据训练,通过理解自然语言指令来生成文本、代码或进行分析。这类技术的价值在于能够自动化处理重复性任务,辅助复杂决策,并显著提升信息处理效率。在实际应用中,不同模型因其设计哲学和能力侧重,适用于不同的场景。例如,当面临长文档分析、代码审查或需要严格遵循格式的结构化输出任务时,具备超长上下文和强指令遵循能力的模型更具优势。这自然引出了在实际工作中,如何根据需求在不同AI工具间进行平滑迁移的课题。本文聚焦于

cuiji1279的博客 506

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

Claude Sonnet 4.6实测:结构化意图捕捉与工程契约理解

大语言模型的代码能力与长文本处理,本质是能否从非结构化输入中识别隐含技术契约并建模状态逻辑。传统测试聚焦语法生成或上下文长度,而真正影响落地效果的是模型对注释标记、错误日志、协议规范等‘噪声信号’的结构化意图捕捉能力——它决定输出是否可直接集成进CI/CD或生产诊断流程。Claude Sonnet 4.6在此维度实现突破:通过隐式契约图谱构建、有限状态机自动建模、分层锚点索引等机制,在真实工程场景(如Go panic分析、Kafka rebalance归因、PDF技术文档导航)中展现出远超通用推理的确定性与

weixin_34348805的博客 843

Claude Code + DeepSeek:AI 编程助手配置

本文是《Windows下AI开发工具实战指南》系列的第3篇,详细介绍了如何在终端中配置Claude Code并接入DeepSeek模型后端,实现低成本的AI编程助手。主要内容包括: 安装配置:提供一键安装Claude Code的命令及常见问题解决方案 DeepSeek后端迁移:说明使用DeepSeek API替代官方Claude API的经济优势,并给出API Key获取和环境变量配置方法 实用指南:覆盖项目初始化、常用指令、高级功能(自动循环/Skills/MCP等)和避坑技巧 成本优化:通过DeepSe

vHRotHv的博客 620

dnSpy 完整指南:如何调试和编辑没有源码的 .NET 程序集

dnSpy 是 .NET 调试器兼程序集编辑器,让你在没有任何源码的情况下直接调试、修改并保存 .dll,解决"只拿到二进制、却进不去程序"的问题。本指南按一条实际工作流带你把它跑通。 ## 它是什么 dnSpyEx 是已停更的 dnSpy 项目的非官方延续版本,把调试器、程序集编辑器和十六进制编辑器做进了同一个窗口。它基于 ILSpy 反编译引擎和 Roslyn 编译服务,反编译出的 C#/

gitblog_00032的博客 1069

Aider 的 “Infinite Output“ 无限输出机制全解析:借助 Assistant Prefill 突破单次请求的输出 Token 上限

本篇技术指南围绕 aider 官方文档 [infinite-output.md](https://link.gitcode.com/i/103f94705ce01d0a19f3ab41a5be452f) 展开,系统讲解 aider(终端 AI 结对编程工具)如何通过模型 **Assistant Prefill(助手前缀填充)** 能力绕过各 LLM 服务商强加的单次输出 token 上限,实现接近

gitblog_01081的博客 457

从 GEMINI.md 看 Harbor 如何为 ADE-bench 任务配置 Gemini 数据分析 Agent

> 本文以 Harbor 仓库中 ADE-bench 适配器任务模板里的 [GEMINI.md](https://link.gitcode.com/i/1db2eb79391148e886100db612e76444) 为核心,解读这份 Agent 系统提示词(system prompt)在 dbt 数据分析任务中的角色定位、工具清单、职责边界与行为准则,并结合 [adapter.py](http

gitblog_00703的博客 789

oh-my-claudecode 架构全解析:Hooks、Skills、Agents 与 State 如何驱动 Claude Code 多智能体编排

> oh-my-claudecode(简称 OMC)是一套运行在 Claude Code 之上的智能体编排框架。它通过 **Hooks(事件检测)、Skills(行为注入)、Agents(专业执行)、State(跨上下文状态)** 四个相互咬合的系统,把普通单次对话升级为可持续到验证完成的多智能体流水线。本文以 [docs/ARCHITECTURE.md](https://link.gitcode

gitblog_00365的博客 461

NVKE 中的 CAPNICo CRD 测试夹具:离线 envtest 集成与版本漂移防护实战

NVKE(NVIDIA Kubernetes Engine)控制器在测试 CAPNICo 基础设施提供者相关的时序与故障路径时,需要一个能识别 `NicoCluster`、`NicoMachine` 等资源的 Kubernetes API Server。本文以仓库内的夹具说明文档 [controller/test/fixtures/capnico-crds/README.md](https://l

gitblog_01191的博客 982

重构 ArkUI 渲染管线,鸿蒙复杂列表嵌套与局部刷新优化

上个月做电商大促的会场页面,因为场景极度复杂(包含轮播、楼层导航、瀑布流商品卡),测试同学跑过来直接骂街:“这页面滑起来像在放幻灯片,稍微滑快一点直接白块,甚至闪退!当组件池里存在可用实例时,框架会直接把它拿出来,调用这个方法更新数据,然后直接上屏。用 Profiler 再次测试,布局计算的耗时直接下降了 70%,滑动时那种生涩感瞬间消失了。拦截重复创建,保住节点结构的稳定性,最后配上正确的唯一 Key。一旦组件树的层级过深,每一次滑动触发的重新测量,都会让 CPU 陷入无休止的数学计算中。

2502_91284977的博客 214
上一篇: Opus 5.5 实战:从 CSV 数据校验到动态图表视频 MP4 导出全流程
下一篇: ElevenLabs API 通过AI聚合平台生成首段配音并保存验证音频的实践
ofoxcoding
博客等级 码龄1年 167粉丝 85原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值