林子雨编著《AI编程》（访问教材官网）
7.2.4 Docker与Docker Compose
本章开发和运行项目主要使用以下两个命令：
# 启动所有服务（-d表示后台运行）- 本章最常用命令
docker compose up -d
# 停止并删除所有容器 - 本章最常用命令
docker compose down其他常用辅助命令：
# 实时查看所有服务日志
docker compose logs -f
# 在指定容器中执行命令（如进入user-service容器）
docker compose exec user-service bash
# 查看所有容器状态
docker compose ps
# 重新构建并启动（当Dockerfile或代码有变化时）
docker compose up -d --build
# 仅查看某个服务的日志
docker compose logs -f user-service7.3.1 初始化项目环境
（2）在项目根目录下新建目录“.TRAE/rules”，在“.TRAE/rules”目录下创建两个规则文件js-code-style.md和python-code-style.md，写入代码规范。读者在实践过程中，可以直接从教材官网下载这些文件并复制到自己的项目中，不需要自己手动撰写规则。
js-code-style.md和python-code-style.md这两个文件请从教材官网的下载专区（百度网盘）中的“代码”目录下下载。
（3）在命令行终端（比如，Git Bash终端）执行“npx superpowers-zh --tool TRAE”，为当前项目安装Superpowers插件（备注：Superpowers插件是为每个项目单独安装的，虽然前面章节已经为其他项目安装过Superpowers插件，但是，这里也需要再次执行安装命令）。
（4）在Git Bash终端中执行命令“git init”在项目根目录下初始化 Git 仓库，初始化后，会生成一个隐藏目录“.git”，可以在Git Bash终端中执行“ls -all”命令看到这个隐藏目录。参考6.3节的教程，执行“pre-commit install”命令配置pre-commit钩子，确保每次提交代码前都执行代码规范检查。然后，直接把6.3节中的“.pre-commit-config.yaml”文件复制到本项目根目录下，并执行如下命令把该文件也纳入Git版本管理：
git add .pre-commit-config.yaml
git commit -a -m '添加pre-commit钩子的配置'下面是该项目的根目录下的AGENTS.md的内容：
## 项目背景
打造一个活动平台，用户可以在平台上发布活动，也可以在这个平台上报名活动。
## 功能需求
1. 用户可以在这个平台上发布活动，也可以在这个平台上报名活动
2. 发布活动的人，就是这个活动的管理员，管理可以设置报名人数上限，可以查看哪些人报名了这个活动
3. 没有登录的用户也可以查看有哪些活动，但是不能报名活动，登录的用户可以看到自己报名的活动列表
4. 为了页面美观，需要支持活动海报的上传和修改，所有页面都是用中文展示，活动页面显示活动海报，活动名称，活动开始时间，活动地点，活动人数上限，报名人数，活动还剩下多少名额
## 技术栈
1. 使用微服务架构，只使用Python生态的技术栈
2. 为了尽可能贴近真实，需要引入网关和服务发现
3. 使用SQLite数据库即可，图片也使用SQLite数据库存储
4. 前端使用React和TailwindCSS
5. 使用docker compose，便于一键启动所有微服务
6. 跨平台，可以在Windows、macOS、Linux上运行7.3.2 需求对齐过程
接下来采用第5章介绍的Superpowers七步法进行功能开发。由于现在AI越来越智能，越来越喜欢“抢活干”（没有经过用户确认就自动进入下一步工作），因此，需要在提示词中，要求AI严格按照流程进行开发。在当前项目中，请在TRAE的智能体交互界面的对话框中输入如下提示词并提交：
严格遵循Superpowers七步法串行开发本项目，无确认绝不主动推进、不超前写代码、不跳过任何一个步骤。
固定流程顺序，缺一不可，仅完成当前步骤，等待我确认后再进入下一环。
1. 需求对齐时调用 /skill:brainstorming 苏格拉底追问敲定全部开发需求，输出需求文档，待确认
2. 环境隔离 /skill:using-git-worktrees 建立Git工作树/独立开发分支，确定项目目录，待确认
3. 任务拆解 /skill:writing-plans 拆分细粒度开发任务，明确文件、逻辑、校验方式，待确认
4. 逐任务开发 /skill:subagent-driven-development 单任务完成后自检复盘，不批量编写，待确认(特别注意，任务开发的时候使用/skill:test-driven-development 进行开发TDD开发，开发完成以后应该会有很多测试)
5. TDD测试 /skill:test-driven-development 先写测试用例再实现代码，完成功能校验，待确认
6. 代码评审 /skill:requesting-code-review 排查漏洞、规范、性能问题并优化，待确认
7. 项目收尾 /skill:finishing-a-development-branch 完成整合、持久化、整理交付，流程结束
1.输出首行标注当前所处步骤
2.每步结束统一话术：本步骤完成，请确认进入下一步
3.未收到确认指令，仅限完善当前内容，禁止输出后续内容与代码
4.严禁自主提速、合并步骤、提前完成开发
现在开始第1步，逐条澄清本项目的需求，本项目的基本要求已经写入到AGENTS.md文件中。7.3.3 微服务开发与验证
这个过程中，AI会执行一系列命令，过程中可能需要用户确认，只需要根据提示选择即可。比如，AI会询问“是否要创建Worktree”，用户需要选择同意创建Worktree，然后，AI会执行下面的命令创建工作树，并切换到feature/mini-activity-platform分支（你的TRAE中由AI自动创建的分支名称可能不同），如下所示：
git worktree add .worktrees/mini-activity-platform -b feature/mini-activity-platform接下来进入最后一步，将代码合并到主干分支。AI会提交所有的更改，并合并代码到主干分支。
git merge feature/mini-activity-platform --no-ff -m "Merge feature/mini-activity-platform into main"7.3.4 功能验证
在TRAE的智能体交互界面的对话框中，输入以下提示词并提交，AI将会启动服务并调用API进行验证：
使用docker compose启动所有服务，并使用curl将所有API都测试一遍，确保所有API都是正确运行的。使用第6章介绍的方法论，通过Playwright Test进行前端页面验证。在TRAE的智能体交互界面的对话框中，输入以下提示词并提交：
你是资深测试开发(TS+Playwright Test)，根据FastAPI源码生成可直接运行端到端测试：
1. 识别全部路由、请求方式、参数；
2. 解析Pydantic模型，组装正常/异常请求体；
3. 采用Playwright内置request发起请求。
### 规范：基于Playwright Test，断言状态码+返回关键字段，代码放tests目录。
输出：在当前目录下创建一个e2e目录，生成端到端测试代码，并给出执行方式。7.3.5 人工审查
AI生成代码以后，需要进行人工审核，发现可能存在的错误。比如，在人工审查环节，发现了一个架构不一致的问题，则可以在TRAE的对话框中输入如下提示词并提交：
项目设计文档中计划使用Consul作为服务发现组件，但实际代码中似乎未启用Consul服务发现功能。需要确认：1) 是否需要启用Consul；2) 启用Consul的修改复杂度；3) 若不启用Consul，服务发现相关配置的作用是什么。AI会给出分析结果，并给出几种解决方案供用户选择，比如用户选择使用“方案一”，则可以在对话框中输入如下提示词并提交：
使用方案一，请修改，请确保修改以后的所有测试都能通过。7.3.7 运行项目与效果展示
项目开发完成后，如何运行它？非常简单，只要在TRAE的智能体交互界面的对话框中输入如下提示词并提交，就可以顺利启动程序：
你是一个资深的SRE，擅长处理计算机网络问题、容器部署问题和环境问题。你会根据不同的操作系统，明智地选择最适合的容器运行环境，例如，windows下你会选择rancher desktop； mac下你会选择colima；linux下你会选择podman。
现在，要求你根据项目要求，按步骤启动服务：
* 初始化测试数据
* 使用docker compose启动服务，必须使用docker启动服务
* 检查所有服务启动成功，API可用
你可能会遇到网络问题，当你会明智地选择可访问的网络资源资源，例如，下载rancher desktop，你会从https://mirrors.aliyun.com/github/releases/rancher-sandbox/rancher-desktop/v1.19.3/ 这里下载。 拉取docker镜像，你会优先选择https://docker.m.daocloud.io ， 如果访问失败你还会尝试 https://docker.1ms.run 。
因为你选择了不同的镜像源，因此，你还会修改Dockerfile和docker-compose.yml文件，指定镜像地址，如FROM docker.m.daocloud.io/library/python:3.11-slim ; image: docker.m.daocloud.io/library/consul:1.15。