提取设计文档

开发业务系统的时候，一般采用敏捷的方式开发，特点就是把功能拆小，分成一个个迭代，每个迭代在两周左右的时间，迭代完成功能就尽快上线试用和验证。根据线上的反馈，快速迭代下一个版本。这个方式有一个问题就是设计文档比较零碎，如果到交付的时候，客户是需要设计文档的，就会比较麻烦。这个时候，也可以使用AI工具来提取设计文档。

现在的AI工具已经能够比较好地读取word、pdf之类的文档，如果有一部分设计方案是放到这些文档的，那么可以先用AI工具分析这些文档，把里面的信息提取成Markdown格式的文档，Markdown文档是对AI比较友好的格式。有的时候，word文档里面的表格提取得不是很好，比如有可能有些行漏了，有些行的信息被AI工具理解之后重新转换过了，还有可能AI工具自行增加了一些行，遇到这种情况，可以手工把表格的内容拷贝出来，粘贴到Markdown文档的时候，表格的每个单元格都变成占一行的形式了，格式就非常难看。但这种已经变成普通文本了，可以向AI工具指明把这些转为Markdown格式的表格。AI工具处理word之类的文档，小问题还是挺多的，但处理局部的文本，倒是挺准确的，出现幻读的情况比较少。

不管文档有多少，代码都是有的，所以重点在于从代码里把设计提取出来。如果给AI工具一个笼统的指令，比如“分析源代码，提取里面的设计”，这种指令是比较模糊的，AI工具给出的结果也是模糊的，每次给的可能都不一样。这个时候，需要把设计文档的章节定义一下，比如技术栈、目录结构、数据库设计、某某业务流程等。当有这些具体章节的时候，AI工具可以从代码“海洋”里提取出所要的信息来。比如数据库设计就是一张一张的数据库表，表里面有众多的字段，字段里面有类型、长度、描述等信息，人工处理起来是非常耗时的，还容易出错。AI工具提取的时候，代码再多它也能比较快地从里面提取出来，现在AI工具都走CLI这类的命令方式了，不需要对所有数据都进行索引，所以速度就非常快了。当然这种方式不一定非常准确，也就是有可能有些表会漏掉，如果能够把表结构导一份给它，让它结合代码，组合成预期的格式，这样就会非常准确了。

当既有文档，又有代码提取出来的文档的时候，可以再提具体的要求让AI工具把这两种文档合并在一起。如果希望合并得比较准确，最好是两个文档的章节结构保持一致，然后让AI工具按章节进行合并，合并的时候相同意思的则合成一段，不同意思的则进行增加合并在一起。当合并完成之后，为了提高准确性，还可以对具体章节的问题让AI工具进行调整。

这样操作之后，一份比较全的文档就提取出来了，中间除了定义一定的章节之外，其他的都是AI工具完成的。如果是人工来编写这份文档，快也要三五天，代码越多时间越长，但用了AI工具之后，可能半天都不需要，这就大大提高了效率。随着OpenClaw走出了一条自主操作电脑完成整项工作的路之后，后面应该很快就会有更好的Agent能够完成上面还需要人工分步的工作，到时效率还会再进一步提升。