客户端 Lua AI 使用探索
RTCC

本文记录 VAS 团队在 Lua 场景下探索 AI 辅助开发的完整实践：从多方案验证到最终确立「模板 + Rules + 指令 + CCD」四层体系（RTCC），以及在缺少模板时的智能进化方案 RTCC Pro。

一、概述

背景

在 AI 时代下，学习使用 AI 不仅是应用新技术，更是一场需要主动拥抱的认知升级。VAS 业务在日常版本开发中，Lua 的使用场景较多，在 Lua 中探索 AI 的使用，有助于提升团队研发效率。

Lua AI 目标
Lua AI 工程化目标全景

目标

核心目标是通过自动化工具链，实现从产品需求文档（PRD）到 Lua 代码的智能转化，以及从设计工具（如 Figma）到 UI 代码的自动生成。

二、工程要求

在实施过程中，高度关注团队协作所需的工程要素，确保系统的稳定性、代码的一致性、可读性、维护性以及扩展性。

要求说明
规范化建立统一的代码规范、开发流程和文档标准，确保 AI 生成的代码符合项目要求（代码规范、流程规范、文档规范）。
易用性降低使用门槛，实现零配置或最小配置即可使用，提供指令交互方式（PRD 一键转代码、Figma 一键转代码、批量处理）。
准确性确保 AI 生成的代码准确理解需求，正确实现功能，减少人工修正工作（语义理解、上下文感知、错误检测）。
拓展性提供灵活的扩展机制，支持自定义规则、插件和集成，适应不同项目需求（模板简易生成、规则简易拓展、配置开放）。
智能化利用 AI 技术实现智能决策和自动化处理，减少人工干预（智能决策、自动选择最佳代码模式）。
自主决策AI 能够基于上下文和规则做出合理的代码生成决策，选择最优实现方案（多种方案对比、冲突解决）。
自主行动AI 不仅能够生成代码，还能执行相关操作，如文件创建、测试数据配置、入口文件配置等。

三、方案设计

多方案验证尝试

组内不同的人员，按照各自的方式探索 AI 在 Lua 中的使用，归纳出以下三种初始方案：

✅ 模板 + Rules

  • 快速生成：设计稿到代码只需几分钟
  • 架构一致：所有代码遵循相同 MVC 架构
  • AI 分析：自动生成对应数据结构和 UI

❌ 局限

  • 描述差异：不同开发者描述方式不同
  • 控制力弱：没有可控的 plan 流程
  • 易用性弱：需要窗口描述需求

✅ 模板 + Rules + 脚本

  • 脚本化：命令直接，不受个体差异影响
  • 批量生成：快速生成多个类似页面

❌ 局限

  • 初次使用需了解系统使用方式
  • 脚本维护成本
  • 生产差异：没有规范的输入源

✅ 示例 + Rules + 对话

  • 配置简单：不需要准备模板/脚本
  • 实时迭代：发现问题立即修复
  • 灵活性高：可生成任何结构

❌ 局限

  • 控制力弱：每次流程不固定
  • 上下文限制：超长对话丢失上下文
  • 风格统一依赖规则文档

Lua 使用特性

通过梳理 Lua 的使用特点，明确了方案选择的依据：

特性说明
功能独立每个 Lua 页面只负责实现单一特定功能，自包含的完整单元，不依赖任何外部上下文或其它页面状态。
逻辑简单整体流程基本是二叉树执行链路，基于预设判断条件分流，节点之间完全独立，无任何交互或依赖。
场景独立每个需求在 Lua 层面都是独立场景，场景间完全隔离，具备高度的模块化和内聚性。
组件规范采用标准化的组件规范：ListView、CollectionView、ViewPage、Segment 等核心组件。
样式复用率高不同需求在实现榜单等功能时，展现出极高的样式复用率，通过统一组件构建。
Lua 逻辑流程
Lua 执行链路：整体流程为二叉树结构，节点独立、无交互依赖
Lua 架构图
Lua 架构图：Business 业务层 → 各独立场景模块

最终方案：RTCC 四层体系

模板化的方案能满足所有特征和需求。最终选用最佳实践，抽离出基础部分作为标准化模块，形成 RTCC 四层体系：

R
Rules
规范约束体系
T
Templates
标准化代码模板
C
Commands
自动化执行指令
C
CCD
编码配置文档

模板（Templates）

从最佳实践中抽离基础部分，作为标准化模块。AI 面对类似需求时，参考该标准化模板生成代码，能保证团队使用的一致性、规范化，也能保证代码生成的准确性和可读性。

模板化方案针对三个维度的特征：

规则（Rule）

通过 Rules 规则控制体系统一管理各个维度的规范：

指令（Command）

Commands 执行标准化流程，把所有节点串联起来，满足规范化、自主行动、简易性的要求，保证团队内工程化使用的一致性。

设计原则：

sequenceDiagram
    participant User as 用户
    participant Cursor as Cursor
    participant Command as 具体命令
    participant Templates as 模板
    participant Rules as 规则
    participant AI as AI
    participant Output as 输出

    User->>Cursor: 输入命令及参数
    Cursor->>Command: 调用命令实现
    Command->>Command: 执行Plan
    Command->>Command: 识别input
    Command->>Templates: 选择模板
    Command->>Rules: 执行规范
    Command->>AI: 调用AI
    AI->>AI: 调用MCP
    AI->>Output: 输出结果

编码配置文档（CCD）

Code Config Document（CCD）是一个结构化的技术配置文档，用于将产品需求文档（PRD）转化为可执行的代码生成配置。作为产品需求与技术实现之间的桥梁，通过标准化的配置格式，实现从需求到代码的自动化生成流程。

目标：

执行步骤： Command 解析 CCD → 加载模板 → 注入配置 → 生成代码 → 整合 UI 资源。

RTCC 方案主要适用于 Lua 小需求场景，例如商城、榜单等功能或活动，而非复杂的纯 Lua 大型项目。

四、RTCC Pro 方案

背景： RTCC 实现了代码的高质量转化，但如果没有 templates 该怎么办？

目的： 在 RTCC 的基础上，增加一套机制，能够在缺少模板的情况下自动学习项目代码，或者 MomoKit 相关 API，从而生成符合规范的代码。

问题背景

现有系统的工作流程：

PRD(Figma) --(rules+command)--> CCD --(rules+command+templates)--> 生成代码

核心问题： 如果 templates/ 目录中没有所需的模板，该怎么办？

方案对比

针对"缺少模板"的问题，评估了 7 种方案：

方案思路优点缺点推荐
方案1
基于 MomoKit API 文档		 读取 API 文档根据接口定义生成代码 API 是标准的、完整的；不依赖项目代码质量 缺少最佳实践；不知道项目编码规范和业务逻辑处理模式 ⭐
方案2
基于项目现有代码		 使用 codebase_search 搜索项目中的相似实现，学习并生成代码 学习项目实际编码风格；包含最佳实践；符合项目规范 需要找到合适的参考代码；项目初期可能参考代码不足 ⭐⭐
方案3
混合智能方案		 结合方案1和方案2：项目代码（风格/规范）+ MomoKit API（验证正确性） 结合两方案优点；更灵活健壮；API 用法经过验证 实现相对复杂；需同时维护两个数据源 ⭐⭐⭐⭐⭐
方案4
自动提取和演进模板		 扫描项目代码→聚类分析→自动生成模板→验证优化→版本管理，持续完善模板库 自动化；动态更新；基于真实代码；持续完善 需要项目已有一定代码量；聚类分析需要一定计算 ⭐⭐⭐⭐⭐
方案5
智能推荐 + 交互式生成		 引导式对话 + 智能推荐参考代码 精准匹配；学习成本低；灵活组合 需要交互，不适合自动化场景 ⭐⭐⭐⭐
方案6
代码库知识图谱		 构建项目代码的知识图谱，智能推荐最佳组合 全局视角；智能推荐；一致性保证 实现复杂度高；需大量数据；维护成本高 ⭐⭐⭐⭐⭐
方案7
渐进式模板生成		 每次生成代码时，询问是否保存为模板 对用户透明；自动完善模板库 需多次交互；初期效果有限 ⭐⭐⭐

通过组合多个方案的优势，构建了一个智能、自动化、可持续演进的代码生成系统。系统不仅能快速生成高质量代码，还能不断从项目中学习和完善，真正实现「越用越快、越用越好」。

五、RTCC vs RTCC Pro 流程对比

RTCC 执行流程

┌─────────────────────────────────────────────────────────────┐
│                          RTCC 方案流程                       │
└─────────────────────────────────────────────────────────────┘

📋 步骤1：准备输入
    PRD/Figma 设计稿
        ↓
    @generate_pr
    【指令】.cursor/commands/generate_pr.md
        ↓
    生成 CCD（Code Config Document）

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

🔨 步骤2：代码生成
    @generate_code code_templates/inputs/{module}_{page}.md
        ↓
    检查是否有现成模板？
        ├─ 有 ✅ → 使用模板生成（快速、高质量）
        │          【应用规则】
        │          - @syntax_rules, @naming_rules
        │          - @layout_rules, @component_rules
        │          ↓
        │      生成代码完成 ✅
        │
        └─ 没有 ⚠️ → 手动处理路径（问题路径）
            ├──→ AI 尝试猜测如何实现
            │    ❌ 没有参考代码搜索机制
            │    ❌ 没有继承关系验证
            │    - 可能使用错误的 API
            │    - 代码质量不稳定
            │
            └──→ 生成代码质量不佳

❌ 核心问题：
  1. 没有系统化的参考代码搜索机制
  2. 无法自动识别最佳参考代码
  3. 无法验证参考代码的正确性
  4. 无法将优质代码沉淀为模板

RTCC Pro 执行流程

┌─────────────────────────────────────────────────────────────┐
│                     RTCC Pro 方案                            │
└─────────────────────────────────────────────────────────────┘

📋 步骤1：准备输入（同 RTCC）
    PRD/Figma 设计稿 → @generate_pr → 生成 CCD

🔨 步骤2：代码生成（智能增强）
    检查是否有现成模板？
        ├─ 有 ✅ → 使用模板生成（快速路径，同 RTCC）
        │
        └─ 没有 ⭐ → 智能搜索流程（Pro）
            ↓
        ┌───────────────────────────────┐
        │ 步骤2.1：智能搜索项目代码      │
        │ - codebase_search 语义搜索    │
        │ - 多维度搜索，自动去重排序    │
        │ - 找到 3-5 个最佳参考         │
        └───────────────────────────────┘
            ↓
        ┌───────────────────────────────┐
        │ 步骤2.2：智能分析和推荐        │
        │ - 读取参考代码的类定义         │
        │ - 验证继承关系 ⭐             │
        │   Controller 必须是 MLController
        │   Cell 优先选择 MLView        │
        │ - 计算匹配度得分              │
        └───────────────────────────────┘
            ↓
        ┌───────────────────────────────┐
        │ 步骤2.3：用户交互选择（可选）  │
        │ - 展示分析结果和推荐理由       │
        └───────────────────────────────┘
            ↓
        ┌───────────────────────────────┐
        │ 步骤2.4：规范化代码生成 ⭐    │
        │ - @syntax_rules  Lua语法规范  │
        │ - @naming_rules  命名规范     │
        │ - @layout_rules  布局规范     │
        │ - @component_rules 组件规范  │
        │ - @code_search_rules 初始化  │
        │ - @test_data_rules 测试数据  │
        └───────────────────────────────┘
            ↓
        ┌───────────────────────────────┐
        │ 步骤2.5：自动提取模板 ⭐      │
        │ - 询问用户是否保存为模板       │
        │ - 提取模板骨架                │
        │ - 更新 template_config.json  │
        │ - 下次直接使用模板 ✨         │
        └───────────────────────────────┘

✅ 核心优势：
  1. 智能搜索，自动找到最佳参考
  2. 验证继承关系，避免使用错误的参考 ⭐
  3. 规范化生成，质量稳定
  4. 自动沉淀，模板库持续演进
  5. 一次投入，长期受益

整体流程概览

📋 输入：PRD/Figma 设计稿
    ↓
┌───────────────────────────────────┐
│ 步骤1：@generate_pr                │
│ - 智能分析设计稿                    │
│ - 推断模块名、页面类型、功能需求     │
│ - 提取 UI、数据字段、布局           │
│ - 生成 CCD (Code Config Document) │
└───────────────────────────────────┘
    ↓
📄 输出：code_templates/inputs/{module}_{page}.md
    ↓
检查模板？
    ├─ 有 ✅ → 使用模板生成（快速路径）
    │          【应用 syntax/naming/layout/component 规范】
    │          3秒生成高质量代码 ✅
    │
    └─ 没有 → 智能搜索流程（Pro）⭐
        ├─ 智能搜索参考代码（3-5 秒）
        ├─ 验证继承关系 ⭐ 核心创新
        │  Controller 必须是 MLController
        │  Cell 优先选择 MLView
        ├─ 智能推荐最佳匹配
        ├─ 规范化代码生成
        └─ 自动提取模板 ⭐ 下次复用
            ↓
        生成高质量代码 + 保存为模板 ✨

六、待优化问题

Rules 不执行问题

Rules 不执行问题截图1
Rules 不执行问题截图2

模板审核

团队需要对抽离的模板进行代码审核，保证在结构、功能、语法等层面符合团队使用规范。

复杂 UI 实现效果差

面对复杂的 UI，AI 实现效果差，需要手动 coding。

全新项目使用问题

在没有代码量的新项目中使用结果一般。建议在项目已有一定代码积累（推荐）的情况下使用 RTCC Pro，新项目可先从 RTCC 基础方案开始。