编程辅助平台

反重力-新编码器的技能

欢迎来到球队。这个文件夹包含克劳德的经纪人（与Lovable的MCP）使用的技能作为参考，以按照反重力标准构建平台。

如何使用这些技能

1. 李 在你向特工要东西之前你要做的工作
2. 使用提示模板 德尔技能 lovable-prompting 指示代理人
3. 检查清单 在完成任务之前完成每个技能

可用技能

反重力堆栈

Frontend:    React + TypeScript + Vite
Estilos:     Tailwind CSS (modo oscuro con clase 'dark')
DB / Auth:   Supabase (RLS habilitado siempre)
HTTP Client: apiClient centralizado (lib/api-client.ts)
Data fetching: TanStack Query
Notificaciones: sonner (toast)
Iconos:      lucide-react

黄金法则

没有电话 fetch, supabase 哦 axios 它必须直接生活在一个组件中。 一切都经过： service → hook → componente.

构建新功能的流程

1. Supabase     → Crear tabla + RLS policies
2. Types        → Definir interfaz TypeScript en types/index.ts
3. Service      → Crear services/[nombre].service.ts
4. Hook         → Crear hooks/use[Nombre].ts con TanStack Query
5. Componentes  → Crear en components/[feature]/
6. Página       → Crear en pages/dashboard/[feature]/
7. Ruta         → Registrar en routes/index.tsx

这些技能是活生生的文件-如果你找到更好的模式，请向团队提出更改。

教程和挑战：Lovable MCP和OpenAI的原型（微调）

在这个挑战中，每个人都将通过集成一个代理（使用Lovable MCP和我们的技能）来构建自己的功能原型，该代理将使用OpenAI API和精细调整模型。

挑战的目标

1. 创建MVP平台 使用Lovable（Frontend Vite+Tailwind CSS，如果需要数据库，可以选择使用Subase的后端）。
2. 集成OpenAI API调用 使用自己的模型 对…微调.
3. Aplicar反重力技能 为了确保架构安全，UI/UX（暗模式，基本组件）和健壮的网络处理（Tanstack Query和 apiClient).

Paso a Paso del教程

1. 配置您的工作环境:

   • 分析 lovable-prompting 在开始向Lovable的经纪人（Claude/GPT从Lovable）询问指示之前。
   • 明确你的目标：“构建一个交互式应用程序（例如：专门的聊天，内容生成器），该应用程序连接到配置了 对…微调".

2. 用Lovable创建脚手架:

   • 要求Lovable代理（使用建议的模板）初始化结构：

     “担任Antigravity的高级开发人员。为人工智能帖子生成器创建scaffolding。我希望您使用tailwind、暗模式，并通过划分UI、hooks和服务来构建项目。”

   • 确保参考技能内容 project-structure 验证您是否正确创建了目录(lib/, hooks/, services/, components/).

3. 集成API客户端:

   • 审查 api-integrations.
   • 一般来说 apiClient 处理HTTP请求并集成OpenAI令牌（使用环境变量，如 VITE_OPENAI_API_KEY). 眼睛： 出于安全原因，在生产中，您应该使用后端代理（例如Subase Edge Functions），以免暴露密钥。对于原型，您可以使用 .env.local.
   • 创建服务(services/openai.service.ts)具体指向您的模型的ID 对…微调.

4. 开发挂钩和组件:

   • 添加到您的Tankstack查询项目(@tanstack/react-query).
   • 通用 useMutation 向OpenAI发送请求并使用库处理加载时间和错误 sonner 在托斯塔德。
   • 应用技能风格 tailwind-ui （柔和的阴影，圆形的边缘和UI类型的Glassmorphism）。

5. 测试和验证:

   • 通过接口请求您的最终LLM。
   • 检查Fine-Tuned模型在提交的用例中是否根据其特定训练做出响应。

挑战可交付成果（每人）

• 指向已部署应用程序的链接（例如在Vercel、Lovable Host或NetLify中）。
• 原型必须允许输入特定的“提示”，并通过验证模型返回结果 对…微调.
• 遵循我们技能中推荐的架构的代码存储库或代码视图（来自Lovable）(hooks/, services/等等）。

祝你用Antigravity建造好运！