Posted on Nov 1, 2025

核心设计原则

  1. 确定性:所有操作必须明确、可预测
  2. 安全性:防止意外修改或破坏
  3. 可追溯性:每个操作都有明确记录

工具使用规则

  1. 单次操作:每次只能使用一个工具
  2. 确认机制:必须等待用户确认后再继续
  3. 格式规范:工具调用必须严格遵循XML格式

文件编辑规则

  1. 专用工具:必须使用指定工具修改文件
  2. 精确匹配:SEARCH内容必须完全匹配
  3. 状态确认:修改后必须确认最终状态

命令执行规则

  1. 透明性:必须说明命令用途和预期结果
  2. 安全确认:危险操作需要明确用户确认
  3. 环境隔离:命令在指定工作目录执行

交互规则

  1. 效率优先:避免开放式问题,直接提供解决方案
  2. 问题导向:每个响应应推进任务完成
  3. 结果清晰:最终输出应自包含、完整

工作流程 (Workflow)

四阶段模型

  1. 任务分解
  2. 逐步执行
  3. 结果确认
  4. 迭代优化

典型工作流示例

graph TD
    A[接收任务] --> B[分析需求]
    B --> C[制定计划]
    C --> D[执行第一步]
    D --> E{验证结果}
    E -->|成功| F[执行下一步]
    E -->|失败| G[调整方案]
    F --> H{任务完成?}
    H -->|否| D
    H -->|是| I[交付结果]

质量控制

  1. 每个步骤原子化
  2. 操作可回滚
  3. 结果可验证

聊天命令

  • /new: 创建新任务(清空当前上下文)
  • /task [内容]: 定义任务内容
  • /act: 切换到执行模式(执行具体操作)
  • /plan: 切换到计划模式(制定计划)
  • /help: 获取帮助信息
  • /mode: 显示当前模式(ACT/PLAN)
  • /reset: 重置当前任务
  • /continue: 继续上次未完成任务
  • /settings: 查看当前设置
  • /smol: 切换到简洁响应模式
  • /newrules: 设置新的自定义规则

使用建议

  1. 提供明确的任务描述
  2. 分步骤确认执行结果
  3. 利用工具组合完成复杂任务

Cline Rules 指南

规则概述

Cline Rules 允许为项目或全局对话提供系统级指导,是一种持久化的上下文和偏好设置方式。

创建规则

  1. 点击Rules标签页的"+“按钮
  2. 在IDE中编辑规则文件
  3. 保存位置:
  4. 也可使用/newrule命令创建

规则文件示例

# Project Guidelines

### Documentation Requirements
- 更新相关文档在/docs目录
- 保持README.md同步
- 维护CHANGELOG.md

### Architecture Decision Records
在/docs/adr创建ADRs记录:
- 主要依赖变更
- 架构模式变更
- 新集成模式
- 数据库模式变更

### Code Style & Patterns
- 使用OpenAPI Generator生成API客户端
- 采用TypeScript axios模板
- 生成代码放在/src/generated
- 优先使用组合而非继承
- 数据访问使用仓库模式

关键优势

  1. 版本控制:.clinerules成为项目代码一部分
  2. 团队一致性:确保所有成员行为一致
  3. 项目特定:为每个项目定制规则
  4. 知识传承:维护项目标准和实践

文件夹系统

your-project/
├── .clinerules/       # 活动规则
│   ├── 01-coding.md   # 编码标准
│   └── current-sprint.md
├── clinerules-bank/   # 规则库
│   ├── clients/       # 客户特定规则
│   └── frameworks/    # 框架特定规则
└── ...

文件夹系统优势

  1. 上下文激活:从规则库复制相关规则
  2. 易于维护:单独更新规则文件
  3. 团队灵活性:按需激活规则
  4. 减少干扰:保持活动规则集专注

使用建议

  1. 清晰简洁:使用简单明确的语言
  2. 关注结果:描述期望结果而非具体步骤
  3. 测试迭代:实验找到最佳工作流

规则管理UI (v3.13+)

  1. 查看活动规则
  2. 快速切换规则
  3. 添加/管理规则

MCP 指南

MCP 功能概述

MCP (Model Context Protocol) 是一种扩展协议,允许AI助手与本地运行的MCP服务器通信,从而扩展AI的能力。主要功能包括:

  • 提供额外的工具和资源
  • 连接外部API和服务
  • 执行自定义操作
  • 访问专用数据源

基本用法

可用工具

  1. use_mcp_tool: 使用MCP服务器提供的工具
  2. access_mcp_resource: 访问MCP服务器提供的资源

使用示例

<use_mcp_tool>
<server_name>weather-server</server_name>
<tool_name>get_forecast</tool_name>
<arguments>
{
  "city": "Beijing",
  "days": 3
}
</arguments>
</use_mcp_tool>