|
1 | 1 | --- |
2 | | -title: 代码生成快如闪电,为什么你反而陷入了“开发地狱”? |
| 2 | +title: 代码生成快如闪电,为什么交付依然难如登天? |
3 | 3 | date: 2026-08-29 23:00:00 |
4 | 4 | updated: 2026-08-29 23:00:00 |
5 | 5 | categories: gallery |
|
9 | 9 | - Agent |
10 | 10 | - Engineering |
11 | 11 | featured_image: /gallery/ai-native-sdlc-running-system/cover.webp |
12 | | -description: 深度重构 AI 原生时代的软件开发运行系统:从 Artifact 驱动循环到三层治理体系,从视觉反馈到持续评测,找回开发的确定性。 |
| 12 | +description: 深度参考 Anthropic 原文,重构 AI 原生时代的软件开发运行系统:从 Artifact 驱动循环到三层治理体系,从视觉反馈到持续评测,并附上一键安装的实战工具。 |
13 | 13 | --- |
14 | 14 |
|
15 | | -最近,软件开发领域正陷入一种诡异的悖论。 |
| 15 | +最近,软件工程领域正经历一场深刻的悖论:**当 AI 编写代码的速度提升了 10 倍,项目的整体交付速度却往往只提升了 20%,甚至在某些环节出现了倒退。** |
16 | 16 |
|
17 | | -如果你是**专业程序员**,你可能正被 AI 淹没:AI 每天产出的 PR 数量远超以往,但你却要花数倍的时间去 Review 那些“看起来正确但逻辑脆弱”的代码。你发现自己不再是创造者,而是在为 AI 产生的熵增买单。 |
| 17 | +如果你是**专业程序员**,你可能正被 AI 淹没:AI 每天产出的 PR 数量远超以往,但你却要花数倍的时间去 Review 那些“看起来正确但逻辑脆弱”的代码。你发现自己不再是创造者,而是一个被 AI 产生的代码熵增活埋的“审核机器”。 |
18 | 18 |
|
19 | | -如果你是**刚通过 AI 接触编程的新手**,你可能正处于崩溃边缘:起初 AI 帮你快速搭出了漂亮的雏形,但随着功能迭代,AI 开始出现幻觉,修好一个 Bug 往往带出三个新坑。你守着几千行难以维护的代码,在复杂的逻辑泥潭中挣扎。 |
| 19 | +如果你是**刚通过 AI 接触编程的新手**,你可能正处于崩溃边缘:起初 AI 帮你快速搭出了漂亮的雏形,但随着逻辑变复杂,AI 开始出现“确认偏误”和“幻觉”。修好一个 Bug 带出三个新坑,最后你守着几千行难以维护的代码,在泥潭中绝望挣扎。 |
20 | 20 |
|
21 | 21 | Anthropic 最近发布的《AI-Native SDLC Playbook》揭示了一个核心逻辑:**当“写代码”不再是瓶颈,传统的以人为中心的交接流程已经无法承载 AI 的吞吐量。** |
22 | 22 |
|
23 | 23 |  |
24 | 24 |
|
25 | | -## 01 别在泥潭里狂奔:从聊天驱动转向 Artifact 驱动 |
| 25 | +## 01 瓶颈的迁移:当代码不再昂贵 |
26 | 26 |
|
27 | | -很多开发者最容易犯的错,就是把开发流程等同于“对话”。然而,对话是碎片化且模糊的。当项目规模增长,AI 必然会丢失上下文。 |
| 27 | +在传统 SDLC 中,最耗时、最昂贵的阶段是“实现(Build)”。所有的 PRD 评审、架构会议、变更管理,本质上都是为了确保在投入昂贵的人力去写代码之前,大家达成共识。但现在,**实现阶段的成本几乎降为零。** |
28 | 28 |
|
29 | | -Claude 团队在内部推行的是一套严密的 **Artifact(中间产物)驱动循环**。他们要求每一个决策都固化为可读取的文件,而不是消失在聊天记录里: |
| 29 | +当实现阶段变快,压力会立刻传导至左右两端: |
| 30 | +- **左端(规划与设计)**:人类写需求的速度跟不上 AI 写代码的速度。 |
| 31 | +- **右端(测试与部署)**:人类 Review 的速度跟不上 AI 提交 PR 的速度。 |
30 | 32 |
|
31 | | -### 意图(Intent):对齐的起点 |
32 | | -不要直接对 AI 说“帮我改下登录页面”。你应该建立一个 `intent.md`,明确: |
33 | | -- **Context**:为什么要做这个改动? |
34 | | -- **Goal**:预期的最终用户体验是什么? |
35 | | -- **Non-Goals**:哪些东西绝对不要碰? |
| 33 | +如果不重构流程,AI 带来的只会是更快的翻车速度。 |
36 | 34 |
|
37 | | -### 规约(Spec):在写代码前达成共识 |
38 | | -在 AI 动键盘之前,先让它产出一份 `spec.md`。这份文档应该描述它打算使用的 API、数据库变更以及 UI 组件的改动。人审核的是方案的逻辑,而非代码的细节。**在方案层拦截错误,成本远低于在 PR 层修复错误。** |
| 35 | +## 02 秩序的基石:Artifact(产物)驱动的闭环 |
39 | 36 |
|
40 | | -### 计划(Plan):明确变更路径 |
41 | | -`plan.md` 应该列出所有受影响的文件路径及具体的变更步骤。这不仅是给 AI 的路线图,也是给人类 Reviewer 的“心理预演”。 |
| 37 | +Anthropic 内部实践的核心是:**将“对话驱动”彻底转变为“Artifact 驱动”。** 不要试图在聊天窗口里管理复杂的项目,每一个决策都必须固化为版本控制下的 Markdown 文件。 |
42 | 38 |
|
43 | | - |
| 39 | + |
44 | 40 |
|
45 | | -通过这种方式,人类在“意图”和“方案”层把关,而让 Agent 在确定的轨道上执行。这种解耦让老手减少了 Review 负担,也让新手避免了盲目尝试。 |
| 41 | +### 1. Intent(意图):对齐的起点 |
| 42 | +不要直接对 AI 说“改下登录页”。你需要提交一个 `intent.md`。它记录了:谁提出的?为了解决什么问题?受影响的系统有哪些?约束条件是什么? |
46 | 43 |
|
47 | | -## 02 秩序的基石:三层治理体系 |
| 44 | +### 2. Spec(规约):在动手前达成共识 |
| 45 | +Agent 读取 Intent 后,第一步不是写代码,而是写 `spec.md`。它描述了要用的 API、数据库变更和 UI 逻辑。**在方案层拦截错误,成本远低于在代码层修复。** |
48 | 46 |
|
49 | | -在 Prompt 里使用自然语言约束 AI 往往是脆弱的。Claude 团队的工程实践告诉我们:**指令是建议,运行环境(Harness)才是强制。** |
| 47 | +### 3. Plan(计划):变更的路线图 |
| 48 | +`plan.md` 列出所有受影响的文件路径及具体的变更步骤。这不仅是给 AI 的路线图,更是给 Reviewer 的“心理预演”。 |
50 | 49 |
|
51 | | -他们构建了三层治理结构来确保确定性: |
| 50 | +> **核心逻辑**:人类在“意图”和“方案”层把关,让 Agent 在确定的轨道上执行。这不仅减少了 Review 负担,更让新手避免了盲目尝试导致的逻辑泥潭。 |
52 | 51 |
|
53 | | -### 第一层:CLAUDE.md(项目实时地图) |
54 | | -每个项目根目录下都应该有一个 `CLAUDE.md`。它不是传统的 README,而是给 Agent 读的“生存手册”。它记录了: |
55 | | -- 项目的构建命令和测试命令。 |
56 | | -- 架构约定(例如:必须使用 TailwindCSS,不要使用内联样式)。 |
57 | | -- 常见的陷阱(例如:该项目的某个库版本有 Bug,必须用特定方式调用)。 |
| 52 | +## 03 治理的真相:指令是建议,门锁是强制 |
58 | 53 |
|
59 | | -### 第二层:Skills(组织经验沉淀) |
60 | | -Skill 是组织内部的通用规则。例如,“所有 API 调用必须包含 Trace-ID”。将这些规则沉淀为 Skill,可以让 Agent 在不同项目中复用这些“肌肉记忆”。 |
| 54 | +在 Prompt 里写“请不要删除注释”是没用的。Claude 团队的硬核实践是:**Harness(运行环境)才是最终的法官。** |
61 | 55 |
|
62 | | -### 第三层:Hooks & Permissions(物理刹车) |
63 | | -这是真正的确定性层。在 Sandbox 环境中,Hook 会在动作发生的瞬间决定放行还是拦截。例如: |
64 | | -- 禁止 Agent 访问 `.env` 文件。 |
65 | | -- 强制在代码提交前运行 `lint` 和 `prettier`。 |
66 | | -- 如果 Agent 尝试删除超过 100 行代码,必须触发人工审批。 |
| 56 | + |
67 | 57 |
|
68 | | - |
| 58 | +他们构建了三层控制体系: |
| 59 | +- **第一层:CLAUDE.md** —— 给 Agent 读的项目生存手册,记录架构约定和避坑指南。 |
| 60 | +- **第二层:Skills** —— 组织内部的通用“肌肉记忆”,比如 API 安全规范。 |
| 61 | +- **第三层:Hooks & Permissions** —— 物理层面的刹车。禁止访问敏感文件,删除核心代码必须人工审批。 |
69 | 62 |
|
70 | | -## 03 反馈回路:验证重于执行 |
| 63 | +## 04 反馈的闭环:会自检的 Agent 更可靠 |
71 | 64 |
|
72 | | -在 AI 原生开发中,验证的价值远高于执行。一个可靠的 Agent 必须具备 **执行 → 观察 → 验证 → 修正** 的闭环能力。 |
| 65 | +在 AI 原生开发中,验证的价值远高于执行。Claude 团队推行**“审计分离”**:由执行 Agent 完成任务,但由另一个开启全新 Context 的独立 **Verifier Agent** 来检查结果。 |
73 | 66 |
|
74 | | - |
| 67 | + |
75 | 68 |
|
76 | | -### 视觉反馈的闭环 |
77 | | -对于前端工作,这涉及到视觉反馈的闭环:Agent 必须能够运行浏览器,截图并与设计稿进行像素级对比。如果它发现按钮偏了 2 像素,它应该在人类看到之前就自动修正。 |
| 69 | +此外,他们还将真实的生产事故转化为 **Continuous Evals(持续评测)**。每一次翻车都变成了系统能力的沉淀,确保旧的错误永远不会重现。 |
78 | 70 |
|
79 | | -### 审计分离(Back-to-Back Verification) |
80 | | -更硬核的实践是“审计分离”——由执行 Agent 完成任务,但由另一个开启全新 Context 的独立 **Verifier Agent** 来检查结果。这种“背靠背”的验证方式,是工业级 AI 开发的底线,因为它消除了执行者的“确认偏误”。 |
| 71 | +## 05 实战利器:一键安装你的 SDLC 运行系统 |
81 | 72 |
|
82 | | -## 04 持续评测:让事故成为资产 |
| 73 | +为了让这套复杂的 Playbook 真正落地,我开发了一个开源工具:**[SDLC-skill](https://github.com/IchenDEV/sdlc-skill)**。它是一个遵循开放标准的 Agent Skill,可以帮助你为任何项目一键安装这套端到端的 SDLC 运行系统。 |
83 | 74 |
|
84 | | -当你修改了 Skill 或升级了模型,如何确保 Agent 依然可靠?Claude 团队推行 **Continuous Evals(持续评测)**。 |
85 | | - |
86 | | -### 事故驱动的 Eval Case |
87 | | -他们将真实的生产事故转化为测试用例。每当运行环境的配置发生变更,系统会自动重跑这些案例。 |
88 | | -- **Step 1**:记录事故发生时的原始 Intent 和代码状态。 |
89 | | -- **Step 2**:定义“修复成功”的判定逻辑。 |
90 | | -- **Step 3**:在 CI 中自动化运行。 |
91 | | - |
92 | | -这意味着,每一次翻车都变成了系统能力的沉淀,确保旧的错误永远不会在未来的迭代中重现。 |
93 | | - |
94 | | -## 05 实战建议:如何开始? |
95 | | - |
96 | | -### 对于专业程序员: |
97 | | -不要试图去 Review AI 写的每一行代码。你应该致力于构建 **Project Context** 和 **Harness**。你的工作正在从“写代码”转向“写约束”。如果你发现 AI 总是犯同样的错,不要去改代码,去改 `CLAUDE.md`。 |
| 75 | + |
98 | 76 |
|
99 | | -### 对于新手 Coder: |
100 | | -当你感到 AI 开始胡言乱语时,立即停下来。删掉最近的 10 次对话,重新整理你的 `spec.md`。**AI 的幻觉往往源于上下文的混乱。** 保持上下文的干净和 Artifact 的结构化,是你的救命稻草。 |
| 77 | +无论你使用的是 Claude Code、Codex 还是 Cursor,只需一行命令即可安装: |
101 | 78 |
|
102 | | -## 结语:这不只是开发,这是你的个人运行系统 |
| 79 | +```bash |
| 80 | +npx skills add idevlab/SDLC-skill |
| 81 | +``` |
103 | 82 |
|
104 | | -无论你是资深专家还是编程新手,AI 时代的竞争已经转向了对“运行系统”的管理。 |
| 83 | +它能帮你完成: |
| 84 | +- **Bootstrap**:为项目一键搭建 `intent/spec/plan` 全套链路。 |
| 85 | +- **Run a change**:驱动 Agent 严格按照 Artifact 循环推进变更。 |
| 86 | +- **Audit**:审计链路是否真实闭合,防止 AI “偷工减料”。 |
| 87 | +- **Incident to improvement**:自动将事故报告转化为回归评测用例。 |
105 | 88 |
|
106 | | - |
| 89 | +## 结语:找回开发的确定性 |
107 | 90 |
|
108 | | -让正确的信息,在正确的时机,以正确的粒度进入上下文。当我们不再为 AI 的随机性而焦虑,而是通过 Harness 建立起秩序,我们才真正夺回了对创造的掌控权。 |
| 91 | +AI 时代的竞争,不再是代码量的竞争,而是**“确定性”**的竞争。当我们不再为 AI 的随机性而焦虑,而是通过 Harness 和结构化流程建立起秩序,我们才真正夺回了对创造的掌控权。 |
109 | 92 |
|
110 | 93 | --- |
111 | 94 | *本文基于 Anthropic AI-Native SDLC 原则创作。* |
0 commit comments