AI 原生软件开发生命周期笔记

QUOTE

真正的变化，不是让 AI 写得更快，而是让研发系统能够持续运行。

—— Yakir

Anthropic 前不久发布了一篇关于软件开发周期的文章：The AI-Native SDLC Playbook。

https://claude.com/blog/the-ai-native-sdlc-playbook

本文看点

传统前提为何失效

从流水线到循环

移动端如何落地

SHIFT

传统 SDLC 的前提正在失效

传统软件开发生命周期是一条流水线：规划 → 设计 → 开发 → 测试 → 部署 → 维护。

这套流程建立在一个前提上：写代码很慢，开发成本很高。所以过去所有的流程设计，本质上都在解决如何降低返工、如何控制质量。

AI Coding 出现以后，这个前提变了。当 AI 可以快速生成代码、测试和文档，开发速度明显提升，瓶颈开始向开发阶段的前后转移。

瓶颈转移

编码速度提上来了，需求确认、方案设计、测试、Review、发布这些依赖人工的环节，反而更容易卡住时间。

逐行 Review 不可持续

过去代码主要由人写，逐行检查是合理的。但 AI 生成的代码，一个 PR 可能几千行，人再靠逐行看，根本追不上 AI 的产出速度。

治理方式需要同步调整

AI 可以持续生成和修改代码，但很多审批还停留在每周会议、人工检查、固定委员会的节奏上。

「AI 很快，但流程还在按照人的节奏走，这个错位会越来越明显。」

LOOP

AI Native SDLC：从流水线到循环

AI 原生的软件开发生命周期，不是在原来的流程里加一个 AI 工具，而是重新设计整个研发流程。

传统 SDLC 是一条线，阶段与阶段之间靠人推动。AI Native SDLC 更像一个持续运行的 Loop：每个阶段都有明确的输入和输出，并且可以自动触发下一阶段。

— 从线性流水线到机器可读工件驱动的持续循环

六个阶段的核心差异

计划

从“委员会收集需求、签字确认”变成“AI 直接从源头提炼痛点，写入 intent.md，人能读懂、机器也能操作”。

设计

从“分析师写规范、设计师解读”变成“需求和设计压缩进一次与 Agent 的工作会议，标准以 Skill 形式编码，Git 版本控制”。

开发

从“手工写代码和测试，文档后补”变成“AI 生成测试和代码，机构知识以版本化的机器可读文件和 Skill 维护”。

测试

从“阶段末尾的质量关卡”变成“贯穿实施过程的持续评估”。

部署

从“人工逐行审查、周期不一致”变成“多层智能体审查，人工只留给受监管的关键代码；治理机制通过钩子作为审批门”。

维护

从“人监控生产、发现缺陷”变成“Agent 监控实时部署，突破控制带就诊断并作为新控制带写回循环”。

其中最关键的变化是：每个阶段都留下机器可以继续读取的工件。

intent.md（为什么做）、spec.md（做成什么样）、plan.md（怎么实现）、Code／Diff、Test Result、Review Result、Incident／Production Feedback。这些内容既方便人理解，也方便 AI 在下一阶段继续工作。

每个阶段提交一个工件，串起来就是完整的审计轨迹。

PRACTICE

落地：从开发阶段切入

公司情况不同，技术栈不同，不可能直接照搬一整套设计。但核心目标是一致的：建设一个可以自动运行的 Loop 系统。

结合我们公司的移动端开发阶段，我有五点思考。

1．CLAUDE.md

用一页纸记录代码规范、常用命令、架构说明。AI 运行出错时可以迭代更新，build、run、test 相关命令都放进去。

2．Skill

Skill 本质是可复用的操作规范：针对具体任务，把公司和部门的流程规则固化下来。新建分支、合并分支、提交代码、国际化文案处理，这些都属于 Skill 的场景。

以前我理解 Skill 是用来做某个具体功能的，现在觉得它更重要的价值是固定规范流程。Skill 越完善，AI 的执行逻辑越可控，输出越稳定，每次运行都能拿到可靠结果，这是实现 Loop 的基础。

3．设计验证 Loop

一个能自己跑起来的开发循环，至少需要四个能力：

AI 能写出成功和失败的测试代码。

AI 能启动服务、运行相关功能。

AI 能获取日志、拿到反馈。

AI 能根据反馈修改迭代。

4．代码 Review

日常自动化 Review，每日运行。

完整功能走多 Agent 对抗性审查。

新功能用 TDD 模式开发。

5．多 Agent 协作

使用记忆管理插件，结合 hook、插件机制积累上下文。

交接靠生成交接文档，而非口头传递。

— 移动端团队建设 AI 开发 Loop 的五个抓手

「最终我们要建设的，是一个有规则、有反馈、有验证的环境，让 AI 持续完成开发任务。」

当这个 Loop 真正建立起来，AI 就从一个Coding 工具，变成了研发流程中的 Agent。

∞

THE END

一个值得讨论的问题

如果开发速度大幅提升，你团队当前的研发流程里，哪个环节会最先成为瓶颈？有没有已经在酝酿的优化方向？

END

我是 Yakir，一名移动端原生开发工程师，擅长将想法落地为移动端应用。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。