Lingma IDE 有两种工作模式，就像"自己开车"和"叫代驾"的区别。
你一行行地写代码，AI 在旁边实时给建议。就像写文章时开着拼写检查器——主导权在你手里。
你告诉 AI 目的地（想做什么），AI 负责开车（写代码）。你只需要看路线对不对，不满意就让它改。
文科生建议：刚开始学编程时，建议先用 Editor 模式跟着课程练习，理解代码逻辑。熟悉之后，再用 Quest 模式做作业中的复杂项目。两种模式可以通过左上角按钮随时切换，快捷键 Ctrl+E。
创建 Quest 任务时，可以选择一种场景告诉 AI 你要做什么类型的事。如果不确定，不选也行——AI 会自动判断。
一句话理解：像写论文大纲一样先做计划，再逐步执行。
AI 会先和你确认需求细节（就像和导师讨论论文框架），写出一份"规格说明书"（Spec），你确认后 AI 才开始写代码。这样做的好处是——方向不会跑偏。
工作流程：
① AI 提出澄清问题 → ② 双方对齐需求 → ③ 生成 Spec 文档 → ④ 你确认 → ⑤ AI 按 Spec 逐项执行
适合场景：较复杂的作业项目，比如"做一个带数据库的新闻管理系统"。
一句话理解：告诉 AI 你想要什么样的网站，它帮你从零搭建。
这是对文科生最友好的模式！你只需要描述网站的功能和外观，AI 会自动生成所有页面。还支持实时预览——边开发边看效果。
# 示例 1：课程作业
帮我做一个介绍中国传统节日的网页，
包含春节、中秋节、端午节三个板块，
每个板块有标题、简介和一张配图，
整体风格简洁大方，使用中文。
# 示例 2：个人作品集
帮我创建一个新闻作品集网站，
首页展示我的个人简介和照片，
作品页面按时间排列展示 10 篇文章摘要，
支持点击查看全文。
一句话理解：快速验证一个想法，看看能不能跑起来。
当你有一个创意但不确定能不能实现时，用这个模式。AI 会快速做出一个"粗糙但能跑"的原型，你看看效果再决定要不要继续完善。
# 示例：数据可视化
帮我写一个 Python 脚本，
读取 data.csv 文件，
画一个柱状图显示每个月的新闻数量，
图表标题用中文。
# 示例：小工具
写一个 Python 程序，
把文件夹里所有 .txt 文件的内容合并到一个文件里，
每篇之间加一行分隔线。
Quest 任务有两种"工作空间"，决定 AI 在哪里写代码。初学者选 Local 就好。
AI 直接在你当前打开的项目里改代码。就像在 Word 文档上直接修改——简单直接。
| 比喻 | 直接在原稿上改 |
| 优点 | 即时生效，零等待 |
| 缺点 | 改坏了需要撤销 |
| 适合 | 简单任务、日常作业 |
AI 在一个"副本"里改代码，你的原始代码不受影响。就像先在草稿纸上写，满意了再抄到正式稿上。
| 比喻 | 先写草稿再定稿 |
| 优点 | 安全，原代码不变 |
| 缺点 | 需要额外"合并"步骤 |
| 适合 | 复杂项目、大改动 |
初学者建议：选 Local 就好。万一改坏了，可以用 Ctrl+Z 撤销，或者让 AI"把刚才的修改撤回"。Worktree 需要了解 Git 分支概念，等学到 Git 时再用。
从创建任务到完成交付的完整流程——每一步都有详细说明。
按键盘上的 Ctrl+E（同时按住 Ctrl 键和 E 键）。界面会切换到 Quest 视图——左侧是任务列表，中间是对话区。
也可以点击界面左上角的 Editor/Quest 切换按钮来切换。
点击左侧任务列表顶部的 "新建 Quest" 按钮。然后选择场景（或不选让 AI 自动判断）和执行环境。
在对话框输入你想让 AI 做什么。关键技巧：描述得越具体，AI 做得越好。
# ✅ 好的描述（具体、清晰）
帮我写一个 Python 程序，实现以下功能：
1. 读取当前目录下的 news.csv 文件
2. 统计每个"分类"列中各类别出现的次数
3. 用 matplotlib 画一个横向柱状图
4. 图表标题为"新闻分类统计"，使用中文字体
5. 将图片保存为 chart.png
# ❌ 差的描述（模糊、笼统）
帮我分析数据。
# ❌ 也不好（没说用什么技术、数据在哪）
帮我画个图。
AI 会自动开始执行：
pip install matplotlib）在 AI 工作期间，你可以随时查看它做了什么。如果发现方向不对，点击 "暂停" 按钮暂停任务，然后在对话框输入调整意见。
AI 完成后，在右侧的 Changed Files（文件变更）标签页可以看到所有被修改的文件。绿色标记表示新增的代码，红色表示删除的代码。
如果结果不完美——这很正常！编程就是不断调试的过程。直接在对话框告诉 AI 你想修改什么：
# 修改颜色
柱状图的颜色改成蓝色渐变
# 添加功能
在每个柱子上面显示具体数字
# 修复问题
中文显示为方框了，帮我修复字体问题
左侧任务列表中，每个任务会显示当前状态：
| 状态 | 图标 | 含义 | 你需要做什么 |
|---|---|---|---|
| Running | 🔄 | AI 正在工作中 | 等待，或查看进度 |
| Action Required | ⏳ | AI 在等你确认 | 查看提问并回复 |
| Ready | ✅ | 任务已完成 | 审查结果并接受/丢弃 |
| Error | ❌ | 执行出错了 | 查看错误信息，告诉 AI 修复 |
以下是你在课程中可能遇到的真实作业场景，展示如何用 Quest 模式高效完成。
作业要求：分析一份 CSV 格式的媒体数据集，统计各媒体类型的分布并画图。
帮我完成数据分析作业：
1. 读取 data/media_db.csv 文件
2. 用 pandas 统计 "type"（类型）列的频次分布
3. 画一个饼图，显示各类型的占比
4. 在图上标注百分比数字
5. 图表标题："全球媒体类型分布"
6. 保存为 output/media_chart.png
7. 在终端打印出描述性统计信息
作业要求：用 HTML/CSS 制作一个个人介绍页面。
帮我做一个个人介绍网页：
- 标题：我的新媒体作品集
- 页面顶部有导航栏，包含"关于我""作品""联系方式"三个链接
- "关于我"部分：左边放个人照片（暂用占位图），右边写简介
- "作品"部分：用卡片式布局展示 6 个作品
每个卡片有缩略图、标题和一句话描述
- "联系方式"部分：邮箱和微信
- 整体深色主题，现代简约风格
- 页面要适配手机屏幕（响应式设计）
需求：自动分析大量新闻标题的关键词频率。
写一个 Python 程序，实现：
1. 从 news_titles.txt 文件读取所有新闻标题（每行一个）
2. 使用 jieba 分词库对标题进行中文分词
3. 去掉停用词（的、了、在、是 等常见词）
4. 统计词频，取 Top 20 高频词
5. 用 wordcloud 库生成词云图
6. 词云图形状为圆形，背景白色
7. 保存为 wordcloud.png 并显示
让 Quest 模式更高效的实用建议，尤其针对编程初学者。
把任务想象成你在给实习生布置工作：说清楚输入是什么、要做什么、输出是什么。编号列表比一段话好。
别一上来就做大项目。先试试"帮我写一个 hello world""帮我画个简单的柱状图"，熟悉 AI 的工作方式。
如果结果不完美，追加修改需求比重新创建任务更高效。AI 会在已有基础上优化，而不是从头开始。
代码报错是正常的！直接把错误信息复制给 AI 说"这里报错了，帮我修复"——这是 AI 最擅长的事。
AI 写完代码后，你可以说"逐行给我解释一下这段代码"。这是学习编程的绝佳方式，比看教科书生动多了。
可以同时运行多个 Quest 任务。比如一个做数据分析、一个做网页。任务列表按最后交互时间排序。
学术诚信提醒：Quest 模式是强大的学习工具，但请记住——理解代码比生成代码更重要。提交作业前，请确保你理解 AI 生成的每一行代码。建议让 AI 解释代码逻辑，真正学会而不是简单复制。