这个Skill在做什么
如果你正在维护一个Next.js 14 + tRPC + BullMQ + TypeScript的monorepo项目，你一定懂那种痛——路由里塞满业务逻辑、process.env到处乱飞、多租户查询忘了加projectId过滤……backend-dev-guidelines这个Skill就是专门为Langfuse这类复杂后端项目设计的，把架构规范、代码模式、测试策略全部固化成AI可以直接理解的上下文。
核心功能
这个Skill覆盖了Langfuse后端开发的完整链路，核心能力分三块：
- 分层架构约束：强制tRPC procedures只做路由分发，业务逻辑必须下沉到Service层，Queue Processor同理。AI在生成代码时会自动遵循这套规范，不会把200行逻辑塞进一个procedure里。
- 双数据库模式：PostgreSQL（Prisma）处理结构化CRUD，ClickHouse处理分析型查询。Skill内置了两套查询模板，包括多租户隔离必须的projectId过滤模式。
- 可观测性规范：后端统一用OpenTelemetry + DataDog，不用Sentry。logger、traceException、instrumentAsync的用法都有明确示例，不会再出现console.log混入生产代码的情况。
除此之外，Skill还内置了Zod v4输入校验规范、env.mjs环境变量管理、Fern API文档同步要求，以及Web（Jest）和Worker（Vitest）两套测试策略。
适用平台
backend-dev-guidelines作为一个标准的AI Skill文件，可以无缝接入主流AI编程助手。在Cursor中，它会在你打开相关文件时自动激活，给AI提供完整的架构上下文；在GitHub Copilot里，它能显著提升代码补全的准确性，生成的tRPC router结构直接符合项目规范；Claude Code、OpenAI Codex、Gemini Code Assist同样支持，AI理解了这套分层架构后，给出的建议会更贴合实际工程需求。国内的文心快码、腾讯云CodeBuddy、华为云CodeArts也能直接使用，对于在国内云环境部署Langfuse的团队来说，这个Skill是AI编程助手的强力补充。
实操代码示例
下面是Skill中强调的几个核心模式，直接可以对照使用：
tRPC procedure正确写法——业务逻辑必须委托给Service：
// ✅ 正确：procedure只做路由分发
export const traceRouter = createTRPCRouter({
byId: protectedProjectProcedure
.input(z.object({ traceId: z.string() }))
.query(async ({ input, ctx }) => {
return await getTraceById(input.traceId);
}),
});多租户隔离——Prisma查询必须带projectId：
// ✅ 正确：始终过滤projectId
const trace = await prisma.trace.findUnique({
where: { id: traceId, projectId },
});异常处理与可观测性：
import { traceException, logger } from "@langfuse/shared/src/server";
try {
await operation();
} catch (error) {
traceException(error); // 记录到OpenTelemetry span
logger.error("操作失败", { error: error.message });
throw error;
}优势分析
市面上很多后端规范文档是给人看的，但backend-dev-guidelines是专门为AI设计的——它的description字段精确列出了触发场景，AI在处理tRPC router、BullMQ队列、Prisma查询时会自动加载这份上下文，不需要你每次手动粘贴规范。
另一个亮点是渐进式披露设计：主文件只有约540行，核心原则一目了然，详细内容通过7个resource文件按需展开。这种结构让AI不会被过长的上下文淹没，同时在需要深入某个模块时又有完整参考。
应用场景
- 新人上手Langfuse项目：不用花几天读代码，让AI配合这个Skill直接生成符合规范的feature骨架。
- Code Review辅助：让AI检查PR是否违反了分层架构原则，比如procedure里有没有直接写业务逻辑。
- 重构遗留代码：把老的API route迁移到tRPC + Service模式时，AI能给出符合项目规范的重构方案。
- 多租户安全审计：让AI扫描数据库查询，找出缺少projectId过滤的潜在数据泄露风险。
- 测试用例生成：基于Skill中的测试模板，AI能直接生成Jest或Vitest测试文件，覆盖集成测试和单元测试。
最佳实践
使用这个Skill时有几个工程化细节值得注意。首先是Skill触发范围：description中列出的触发条件越精确，AI加载上下文的时机就越准确，避免在不相关的前端文件里也触发后端规范。
其次是与项目实际代码保持同步：如果你的项目升级了Zod版本或者调整了目录结构，记得同步更新Skill文件，否则AI给出的import路径会对不上。
测试策略上，Skill明确区分了Web用Jest、Worker用Vitest，建议在CI配置里也对应分开，避免测试框架混用导致的配置冲突。另外，测试数据务必用randomUUID()生成唯一ID，Skill里特别强调了不要用pruneDatabase，这在并发测试场景下非常重要。
对于需要管理多个项目Skill文件的团队，Skill优仓提供了统一的Skill托管和分发能力，团队成员可以直接从Skill优仓拉取最新版本的规范文件，不用再靠口口相传或者Wiki文档来同步开发规范。
暂无评论内容