我的 AI 开发七阶段

我总结出了七个 AI 开发阶段，按照它们推进，往往能持续交付出色成果。无论你使用的是 Ralph 循环, GSD, Spec Kit，还是其他任何 AI 编码方法，这些阶段都适用。

具体如何实施由你决定，但这七个阶段体现了成功的 AI 辅助开发工作流共有的模式。

本指南面向那些相信基本功在 AI 时代依然重要的工程师。它不是写给氛围编程者的，而是写给认真对待 AI 工程、希望构建经得住时间考验的应用的人。

阶段 1：构思

每个项目都始于一个构思——也就是你启动这套流程的原因。它可以是：

• 你想构建的一整个应用
• 某项具体功能或 Bug 修复
• 一次代码库重构

构思可大可小，按你的需要而定。这套流程既适用于大型项目，也适用于范围狭窄、目标明确的任务。

打磨你的构思

进入调研或原型设计之前，先反复打磨你的构思。我会使用一个 /grill-me 技能 ，它会逐一提出问题，帮助补全概念并让它变得更加具体。

这种前期打磨能在投入时间进行调研或制作原型之前澄清需求，并找出隐藏的假设。

阶段 2：调研（可选）

如果你的构思涉及外部依赖或难度较高的探索过程，就加入一个调研阶段。

例如，要集成 Stripe 或不常见的 API 时，请创建一份 RESEARCH.md 调研资料，把所有相关信息缓存在 repo 内，供 Agent 随时访问。

为什么调研很重要

Agent 经常在全新的上下文窗口中工作。如果探索过程很困难（例如外部 API 或难以访问的文档），就把这些信息缓存在一个 research.md 文件中，从而避免重复探索，并提升 Agent 的表现。

重要提示： 调研资料通常只在当前 Sprint 或功能开发期间保留。调研结果可能过时，保留过久还可能把 Agent 引向错误方向。

阶段 3：原型设计

当你需要让最终成果体现自己的品味时，原型设计必不可少。在这个阶段，你仍在探索要构建什么，以及它应该如何工作。

在一个用完即弃的路由上创建多个变体，让 LLM 展示不同方案。经过几轮会话反复迭代，找出最佳选择。

这种方式适用于：

• UI 设计与交互行为
• 软件架构决策
• 测试外部服务集成

尽早制作原型，可以把胜出的设计提交到代码库中，让 Agent 在实施阶段直接使用。等到编写 PRD 时，具体示例会比抽象描述更有价值。

阶段 4：产品需求文档（PRD）

调研和原型设计完成后，就该准确描述目的地了。此时你应该已经清楚理解最终状态。

重点描述用户会看到什么、产品会如何表现，而不是实现细节。PRD（产品需求文档）描述的是最终状态，而不是抵达它的过程。

创建 PRD 时，让 Agent 针对每个决策点追问你，从而把设计彻底敲定。走遍整棵决策树，找出边缘情况和需求。我会使用一个 /write-a-prd 技能 ，它就是专门为这套流程设计的。

阶段 5：实施规划（Kanban 看板）

把 PRD 拆解成实施计划。Kanban 看板是一组带有阻塞关系的工单，用来描述需要完成的全部工作。

你当然可以创建单一路线的顺序计划，但 Kanban 看板能实现高效并行。找出所有未被阻塞的工单，并为每个工单启动一个 Agent。我会使用一个 /prd-to-issues 技能 来自动完成这种拆解。

GitHub Issues 很适合同时承载 PRD 和 Kanban 看板，不过它没有内置的阻塞关系。 Linear 如果你需要这项功能，它会是更好的选择。

阶段 6：执行

运行编码 Agent，执行 Kanban 看板上的所有工单。真正的代码就是在这个阶段编写的。

大多数时候，让一个 Agent 按顺序处理各个工单就足够了。不过，如果 Kanban 看板结构合理，也可以同时运行多个 Agent，并行处理未被阻塞的工单。

我使用 Ralph 循环；它们与这套配置配合得很好。Ralph 循环让 Agent 能够自主工作，同时通过自动测试与验证维持代码质量。

离开键盘运行（AFK）

只要准备充分（调研、原型、Kanban 看板和 PRD），即使人不在键盘前，也能运行执行循环并获得出色结果。

关键是确保 Agent 拥有所需的全部上下文：

• 关于外部依赖的调研资料
• 体现设计模式的原型代码
• 清晰描述需求的 PRD
• 定义明确且包含验收标准的工单

这些内容准备妥当后，Agent 无需人类持续干预，也能做出有充分依据的决策。

阶段 7：质量保证

执行完成后，让 Agent 创建一份 QA 计划，用于 人工审查。这份计划应列出需要验证的具体测试场景、边缘情况和验收标准。

QA 通常会发现问题或改进机会，由此产生更多 Kanban 工单，并启动又一轮执行循环。这是正常且健康的过程——你会多次迭代阶段 5 到阶段 7，直到产品足够完善。

每轮迭代都应该让成果更接近生产级质量：

1. Agent 创建 QA 计划
2. 人类评审并测试实现
3. 人类找出 Bug、UX 问题或改进点
4. 创建新工单
5. 返回执行阶段

代码评审与人类参与

QA 包括由人类阅读生成的代码，以确保其质量、可维护性和正确性。这并非在所有情况下都有必要（尤其采用灰盒架构时），但对生产系统而言，它是一道重要的质量关卡。

重点检查：

• 逻辑错误或边缘情况
• 安全漏洞
• 性能问题
• 代码的可维护性与可读性
• 是否遵循项目既有模式

这七个阶段构成了与 AI Agent 高效协作的核心框架。

总结

随着新模式不断出现，这套框架很可能继续演进。代码评审值得特别关注——它既可以融入执行流程，也可以在 QA 阶段进一步展开。