规则就是给 AI 定"规矩"——告诉它写代码时必须遵守哪些规范。
想象一下：你让 AI 帮你写 Python 作业，但 AI 有时候写英文注释、有时候写中文注释，变量名有时用缩写（cnt）、有时用全称（count）。这就像让不同的人帮你写同一份文档——风格不统一。
通过设定规则，你可以统一 AI 的行为："所有注释必须用中文""变量名必须有意义""不准用 eval 之类的危险函数"。
通俗比喻：规则就像给实习生一份"代码风格手册"——有了它，AI 写出来的代码风格才统一。
规则可以在两个地方设定：
在灵码设置的"规则"页面直接输入文字。适合个人偏好。
在项目根目录创建 .lingma/rules/ 文件夹，放入 Markdown 文件。适合团队共享。
your-project/ # 你的项目文件夹
├── .lingma/ # 灵码配置（以 . 开头会隐藏）
│ └── rules/ # 规则目录
│ ├── style.md # 编码风格规则
│ └── naming.md # 命名规范规则
├── main.py # 你的代码文件
└── ...
不同的规则可以设定不同的"生效范围"——有些一直生效，有些只在特定情况下生效。
这条规则在所有对话中都会生效。适合设定通用编码规范，比如"注释用中文""遵循 PEP 8"。
比喻：就像办公室的"全体员工须知"——贴在墙上，人人都要遵守。
AI 会根据当前对话内容，自己判断是否需要应用这条规则。适合非通用但重要的规则。
比喻：就像公司里的"出差管理办法"——不出差的同事不需要看，要出差了才翻出来看。
你在对话中输入 #规则名 来手动激活某条规则。适合一次性的特殊需求。
比喻：就像图书馆的参考书——需要时主动去架上拿，不会自动出现在你桌上。
# 在对话框中输入：
#report_format 帮我写一份数据分析报告
# AI 会同时参考你的代码和 report_format 规则
只在你编辑特定类型的文件时生效。例如只在 *.py 文件中应用 Python 规范，只在 *.html 文件中应用网页规范。
比喻：就像"厨房规章制度"——只在厨房里有效，到了客厅就不管了。
限制：单个规则文件最大 10000 字符（约 5000 个中文字），超出部分会被截断。规则只支持文字描述，不支持插入图片。
以下是一个适合本课程的完整规则示例，你可以直接复制使用。
# 基础编程课程 — Python 编码规范
## 语言要求
- 所有注释必须使用中文
- 变量名和函数名使用英文，且必须有意义
- print 输出的内容使用中文
## 命名规范
- 变量名使用 snake_case（小写+下划线），例如 student_name
- 函数名使用 snake_case，例如 calculate_average
- 常量使用 UPPER_CASE，例如 MAX_RETRY = 3
- 禁止使用单个字母作为变量名（i, j 用于循环时除外）
- 禁止使用拼音作为变量名
## 代码风格
- 遵循 PEP 8 规范
- 缩进统一使用 4 个空格
- 字符串格式化优先使用 f-string
- 每个函数必须有 docstring（文档字符串），用中文描述功能
## 禁止事项
- 不使用 global 全局变量
- 不使用 eval() 或 exec()
- except 后面必须指定具体异常类型（禁止裸 except）
- 不使用 from xxx import *
## 代码结构
- 主程序入口使用 if __name__ == "__main__":
- 单个函数不超过 30 行
- 文件开头添加简要说明注释
使用方法：将上面的内容保存为 .lingma/rules/coding_style.md 文件，放在你的项目根目录即可。设定生效模式为"始终生效"。
# no rules applied
def f(x):
a = x * 2
return a
问题：函数名无意义、变量名缩写、无注释、无 docstring
def calculate_double(number):
"""计算给定数字的两倍值。"""
# 将输入数字乘以 2
result = number * 2
return result
改进：函数名清晰、变量有意义、中文注释、有 docstring
AI 会自动学习你的编码习惯——你用得越多，它越懂你。
想象你有一个新助手。第一天你告诉他"我喜欢用蓝色的笔"，第二天告诉他"报告用宋体"。慢慢地，他就记住了你的所有偏好，不用你每次重复说明。灵码的记忆系统就是这个原理——AI 会自动学习并记住你的编码习惯。
你不需要做任何设置！AI 在对话中会自动识别你的偏好。比如你连续几次要求"注释用中文"，AI 就会记住这个习惯。
AI 可能会记住：你偏好的编程风格、常用的库、项目的技术框架、你的代码组织习惯等。
你也可以直接告诉 AI 需要记住什么。在对话中输入：
# 你可以这样说：
请记住：我的项目使用 pandas 和
matplotlib 做数据分析。
请记住：我是初学者，解释代码时
请用最简单易懂的中文。
在设置面板的"记忆"页面，可以看到 AI 已经学到了什么。如果有记错的，可以编辑或删除。
路径：点击右上角头像 → 个人设置 → 记忆管理
与你个人偏好相关的记忆，在所有项目中都有效。
例如：你喜欢中文注释、偏好 f-string 格式化
与特定项目相关的记忆，只在打开该项目时有效。
例如：这个项目用 Flask、数据文件在 data/ 目录
规则 vs 记忆——什么区别？
规则 = 你主动定义的硬性约束（"必须用中文注释"），写在文件里，永远不变。
记忆 = AI 自动学到的软性偏好（"这个人好像喜欢中文注释"），可能不太准确。
冲突时规则优先——如果规则说"用英文注释"，即使 AI 记住了你喜欢中文，也会听规则的。
灵码背后有多个 AI 大模型可选，就像手机有不同型号——各有特长。初学者用默认的就好。
你可以把"模型"想象成 AI 的"大脑"。不同的大脑擅长不同的事情：有的速度快但回答简短，有的速度慢但思考深入。就像问一个普通员工和问一个资深顾问——答案质量不同，等待时间也不同。
| 模型名称 | 速度 | 特点 | 适合场景 |
|---|---|---|---|
| Qwen3 默认 | ⚡⚡⚡ 快 | 速度和质量均衡 | 日常编码、问答对话——初学者就用它 |
| Qwen3-Coder | ⚡⚡ 中等 | 代码专精，工具调用强 | Quest 模式做项目时推荐切换到它 |
| DeepSeek-V3 | ⚡ 较慢 | 深度推理，擅长长文本 | 让 AI 审查代码、设计项目架构 |
| DeepSeek-R1 | 🐌 最慢 | 推理最强的满血版 | 复杂数学/算法问题——日常用不太到 |
初学者建议：保持默认的 Qwen3 即可满足 99% 的课程需求。当你觉得 AI 的回答不够好时，试试切换到 Qwen3-Coder。两者之间的切换方法：在对话框底部点击模型名称即可。
在 AI 对话框的输入区域底部，你会看到当前使用的模型名称（如 "Qwen3"）。点击它，会弹出模型列表，选择你想要的即可。切换后立即生效。
打开灵码设置 → 点击左侧的"模型" → 在这里可以看到所有可用模型，并设置默认模型。