AIDA
让 Vibe Coding 数据化。
每一次 Vibe Coding 都在产生大量信号 —— 偏差、模式、质量数据。
但你关掉终端，这些全部消失。下次对话，继续盲写。
AIDA 在每个开发节点采集结构化数据，用看板可视化，再把偏差规律沉淀成规则 —— 让你的 AI 每次运行都写出更符合预期的代码。
一行配置接入，零工作流改变。
{ "mcpServers": { "aida": { "command": "npx", "args": ["--registry=https://registry.npmjs.org/", "-y", "ai-dev-analytics", "mcp"] } } }
一行接入 · 场景操作指南 · 数据驱动闭环 · 命令速览 · 重复执行与覆盖策略 · 规则去重与冲突判断 · 命令文档 · 文档导航 · English
一个洞察
Vibe Coding 很强。但它是一个黑箱。
你让 Claude 写一个功能，它写了，你 ship 了。但你对过程零可见性：
- AI 完成了多少任务？每个任务花了多长时间？
- AI 在哪里偏离了你的项目规范？为什么？
- 哪些偏差反复出现？加什么规则能根治？
- Bug 率多少？哪个阶段产出最多 Bug？
没有数据，你就无法改进。你只是在一遍又一遍地 vibe —— 带着同样的盲区。
AIDA 让不可见变可见。 它在每次 vibe coding 过程中采集结构化数据，用实时看板渲染，再把偏差模式沉淀成项目规则。你的 AI 不再只是写代码 —— 它学习你的项目。
🔄 数据驱动闭环
这是 AIDA 的核心 —— 数据进来，规则出去，代码越来越好。
Vibe Coding 过程
↓
AIDA 静默采集结构化数据
（任务、偏差、Bug、自检、文件变更、时间线）
↓
看板可视化呈现规律
"9 个偏差 → 56% 幻觉, 44% 规则缺失"
↓
发现偏差规律 → AI 建议沉淀规则 → 用户确认 → 写入规则库
.aida/rules.json ← 你的 AI 知识库在成长
↓
AI 下次读取规则 → 同样的错误被消除
↓
循环往复 —— 每一轮，AI 输出都更接近你的预期
