Skip to content

Commit 050495f

Browse files
IchenDEVIchenDEV
authored andcommitted
docs: final ultimate version of AI-Native SDLC article with SDLC-skill integration
1 parent c5ee073 commit 050495f

1 file changed

Lines changed: 46 additions & 63 deletions

File tree

Lines changed: 46 additions & 63 deletions
Original file line numberDiff line numberDiff line change
@@ -1,5 +1,5 @@
11
---
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?
33
date: 2026-08-29 23:00:00
44
updated: 2026-08-29 23:00:00
55
categories: gallery
@@ -9,103 +9,86 @@ tags:
99
- Agent
1010
- Engineering
1111
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。
1313
---
1414

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。**
1616

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”。
1818

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。
2020

2121
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。**
2222

2323
![软件开发运行系统](/gallery/ai-native-sdlc-running-system/running-system.webp)
2424

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
2626

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。**
2828

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。
3032

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。
3634

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
3936

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。
4238

43-
![Artifact 驱动](/gallery/ai-native-sdlc-running-system/handoff-artifact.webp)
39+
![Artifact 驱动循环](/gallery/ai-native-sdlc-running-system/handoff-artifact.webp)
4440

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?
4643

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。**
4846

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”。
5049

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。
5251
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
5853

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。**
6155

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+
![治理体系](/gallery/ai-native-sdlc-running-system/manual-brake.webp)
6757

68-
![AI 需要说明书和刹车](/gallery/ai-native-sdlc-running-system/manual-brake.webp)
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。
6962

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
7164

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。
7366

74-
![会自检的 Agent 更可靠](/gallery/ai-native-sdlc-running-system/self-check.webp)
67+
![反馈回路](/gallery/ai-native-sdlc-running-system/self-check.webp)
7568

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。
7870

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
8172

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。
8374

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+
![个人工作系统](/gallery/ai-native-sdlc-running-system/personal-harness.webp)
9876

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:
10178

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+
```
10382

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。
10588

106-
![个人工作系统](/gallery/ai-native-sdlc-running-system/personal-harness.webp)
89+
## 结语:找回开发的确定性
10790

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。
10992

11093
---
11194
*本文基于 Anthropic AI-Native SDLC 原则创作。*

0 commit comments

Comments
 (0)