不要让 AI 直接帮你写代码——一个中国开发者的 8 Agent 方法论,把整个团队装进了一行命令

🔥 从一个真实抱怨说起

你有没有遇到过这种情况——

让 Claude Code 帮你做一个功能，它动手很快，代码写了一大堆。但等你仔细看的时候，发现它做的东西和你想要的差了一截。不是代码写错了，而是理解错了需求。

你重新描述，它再做一遍，还是有偏差。

来回拉锯三四次，最后你发现：问题不是 AI 不够聪明，是你从来没告诉它为什么要做这个，这件事能不能做，以及做完了怎么量化是不是成功。

这其实是企业里每天都在发生的问题，只是换了个主角。

开发者换成了 AI，但流程还是老样子：需求从嘴里说出来，直接变成代码，中间的 BP 分析、产品定义、技术架构、合规评审——全跳过了。结果就是：代码写了很多，但始终在解决错误的问题。

一位叫 Kai Shi（史凯）的中国开发者，把这件事想清楚了。

他的答案不是「写更好的提示词」，而是：在让 AI 写代码之前，先让 AI 完整地经历一遍业务分析、产品设计、架构决策的全过程。

这个答案，就是今天要介绍的项目：Lean AI PRD Team。

📦 这个项目是什么

一句话定位： 基于精益AI方法论的 8 智能体 Claude Code Skill，一行命令启动完整的 AI 软件团队——从业务规划到代码实现，全流程自动接力。

• • GitHub： github.com/sky791016/lean-ai-dev-team
• • ⭐ Star： 9（新鲜出炉，潜力股）
• • 🍴 Fork： 5
• • 协议： Apache 2.0（非商业免费，商业授权请联系作者）
• • 技术栈： Shell 54.9% + JavaScript 41.8% + HTML 3.3%

作者背景： Kai Shi（史凯），精益AI方法论（Lean AI Methodology）创始人。他的核心观点是：

「AI 转型不是采购大模型，而是以业务场景为核心，对流程、数据、组织、技术、运营进行精益化重构。」

这句话解释了为什么这个项目从商业规划师开始，而不是从程序员开始。

和同类工具比，它强在哪？

最关键的区别：大多数 Agent 工具是「会写代码的助手」，这个工具是「带业务思维的虚拟团队」。

⚙️ 核心功能，一个个说清楚

1. 🏢 8 智能体接力流水线：从商业到代码，一棒接一棒

这是整个项目最核心的设计。8 个智能体按 6 个阶段依次运行：

Phase 1 — 商业规划师（Business Planner）

不直接做需求，先问可行性。产出：L1-L5 场景分析、商业案例、三阶段路线图。

Phase 2 — 产品经理（Product Manager）

接收商业规划师的输出，建立 ROI 模型，制作场景卡片，定义 KPI 看板。

Phase 3 — 业务分析师（Business Analyst）

把 PM 的产品定义拆解为可执行的 Epics + 用户故事 + 验收标准，还会输出人机协同设计方案。

Phase 4 — 技术架构师（Technical Architect）

基于上游 BA 的用户故事，做架构决策记录（ADR）、API 契约、Clean Core 设计。

Phase 5（并行）— 前端 + 后端 + 数据

三个工程师 Agent 并行执行，严格基于架构师定义的 API 契约开发，不会各自为政乱来。

Phase 6 — 合规 PM（Compliance PM）

4-loop 合规检查，生成冲突报告，做完成定义（DoD）签收。是最后一道质量门。

整个流程如下：

商业规划 → 产品定义 → 业务分析 → 技术架构                                    ↓                        前端 ┐                        后端 ┼ (并行)                        数据 ┘                                    ↓                           合规检查 → 完成

2. 🎯 三种开发模式：对号入座，不乱开枪

不同的项目状态对应不同的命令入口：

[全新项目] — 从零开始，从商业规划到上线部署全流程

[重构优化] — 针对已有代码，从性能问题或技术债切入

[项目评审] — 在发版前做安全、性能、数据隐私的全面扫描

# 全新项目/lean-ai-prd-team [全新项目] 我们的电商平台需要一个 AI 推荐系统# 重构优化/lean-ai-prd-team [重构优化] 订单查询 P99 延迟 4.2s，要优化到 500ms 以下# 项目评审/lean-ai-prd-team [项目评审] 明天上线的 AI 客服系统，重点审查安全和并发

3. ⭐ Pro 版三大增强能力

标准版的 8 个 Agent 已经够用，Pro 版在此基础上再加 3 个专业模块：

Code Auditor（代码审计师）

• • OWASP Top 10 安全扫描
• • N+1 查询检测
• • 输出架构健康评分 /100
• • 在所有开发工作之前运行（Phase 0）

BA 功能点分析（FP Sizing）

• • 完整 IFPUG ILF/EIF/EI/EO/EQ 功能点估算
• • 输出 UFP 总量
• • 提供成本估算基准

效益评估师（Value Assessor）

• • 4 维度效益量化（成本节省 / 收入增长 / 风险降低 / 战略价值）
• • 输出 Realized Value Score /100
• • 与 PM 原始 ROI 模型做对比验证

4. 🔌 跨 IDE 通用：哪个工具都能用

这套 Skill 不绑定 Claude Code，把 SKILL.md 粘贴到对应位置就能驱动任何支持系统提示的 AI 编程工具：

Claude Code  → 原生 /lean-ai-prd-team 命令Cursor       → .cursorrules 文件Windsurf     → AGENTS.md 文件GitHub Copilot → .github/copilot-instructions.mdJetBrains AI → Settings → AI → Prompts通义灵码/CodeBuddy/Comate → System Prompt纯 API       → system role 传入 SKILL.md 内容

🚀 怎么装、怎么用

Step 1：安装标准版（一行命令）

git clone https://github.com/sky791016/lean-ai-dev-team ~/.claude/skills/lean-ai-prd-team

这行命令会把整个仓库克隆到 Claude Code 的 Skills 目录，自动可用。

Step 2：在 Claude Code 中启动

# 打开项目目录cd your-project# 启动 Claude Codeclaude# 触发 AI 团队/lean-ai-prd-team [全新项目] 你的任务描述

Step 3：给出结构化的任务描述（关键！）

任务描述越结构化，8 个 Agent 的协作质量越高。推荐的格式：

背景：[当前业务痛点或场景]目标：[想实现什么效果]约束：[不能动哪些系统，有哪些限制]技术栈：[现有技术环境]

举例（法律合规场景）：

/lean-ai-prd-team [全新项目]背景：法务团队每天审核 50+ 份供应商合同，平均每份 2 小时目标：AI 自动标记高风险条款并提供修改建议约束：核心 ERP (SAP) 不可修改；合同为中文；需人工最终审批技术栈：Python Flask + PostgreSQL + React

[配图：结构化任务描述填写示意]

Step 4：等待各阶段输出并审查

每个 Agent 完成自己的阶段后，会输出结构化文档。你的工作是：

1. 1. 审查商业规划师的场景分析——确认 L1-L5 场景判断合理
2. 2. 确认产品经理的 ROI 模型——指标定义符合你的业务逻辑
3. 3. 审查架构师的 API 契约——在并行开发开始前确认接口设计
4. 4. 检查合规 PM 的冲突报告——确认没有漏掉的 DoD 项目

[配图：各阶段输出文档示意]

Step 5（可选）：安装专业版

git clone https://github.com/sky791016/lean-ai-dev-team /tmp/lean-aicp -R /tmp/lean-ai/lean-ai-prd-team-pro ~/.claude/skills/

然后用 /lean-ai-prd-team-pro 替代标准版命令，即可获得代码审计师、功能点分析、效益评估师三个额外 Agent。

注意：Pro 版需要书面商业授权，联系 sky.kugua@gmail.com

其他 IDE 的配置方式（以 Cursor 为例）

# 下载 SKILL.mdcurl -o .cursorrules https://raw.githubusercontent.com/sky791016/lean-ai-dev-team/main/lean-ai-prd-team/SKILL.md

在 Cursor 中，这个文件会自动作为全局规则生效，所有对话都会遵循这套 8 Agent 流程。

[配图：Cursor .cursorrules 配置文件的截图示意]

💡 三个真实场景，看它怎么用

场景一：内部效率工具快速立项评估（企业 IT 场景）

背景： 你是某制造企业 IT 部门，老板说「研究一下能不能用 AI 优化生产排班」，你需要在 3 天内给出一份评估报告和技术方案草稿。

操作：

/lean-ai-prd-team [全新项目]背景：工厂 200 条产线，每班 1500 人，排班人员每周花 40 小时处理换班和请假目标：AI 自动生成排班草稿，支持人工调整约束：不能影响现有 ERP，工人接受度是关键风险技术栈：Java Spring Boot，MySQL，现有 HR 系统有 API

效果：

• • 商业规划师产出 L1-L5 场景分析（从「基础自动化」到「全面AI决策」，告诉你从哪一级开始）
• • 产品经理输出 ROI 估算（预计节省多少人力小时，换算成资金）
• • BA 产出完整用户故事和验收标准（包括工人操作手机端查看排班的 UX 路径）
• • 架构师产出技术方案草稿（含与现有 ERP 的集成方式）

3 天内你拿到了一份「可以直接汇报给 CIO」的评估报告，而不是一堆零散代码。

场景二：代码重构前的架构评审（研发团队场景）

背景： 你的团队有一个运行了 3 年的 Java 单体应用，订单服务越来越慢，同事想直接加索引和缓存，但你担心改出新问题。

操作：

/lean-ai-prd-team [重构优化]现状：订单查询 P99 = 4.2s，无测试覆盖，3 年老代码目标：P99 < 500ms + 加入 AI 个性化推荐文件：src/order/OrderService.java数据库：MySQL，8000 万行数据

效果：

• • 架构师先做 ADR（架构决策记录），评估「加索引 vs 读写分离 vs 服务拆分」三种方案的权衡
• • 业务分析师分析哪些查询路径是热路径，影响实际用户体验
• • 合规 PM 做完成检查清单，确保重构前有基准测试数据，重构后有对比验证

你的「加一个缓存」变成了一个有依据、有测试、有验收标准的完整重构计划，不再是凭直觉猜。

场景三：发版前的 AI 安全扫描（SaaS 产品场景，Pro 版）

背景： 你们的 AI 客服产品明天发布，产品和研发都觉得没问题，但技术负责人要求做一次上线前安全复查。

操作（Pro 版）：

/lean-ai-prd-team-pro [项目评审]明天发布 AI 客服系统，重点关注：- 安全漏洞（SQL注入、XSS、未授权API）- AI 幻觉风险（客户投诉兜底逻辑）- 并发场景（秒级峰值 500 请求）- 数据隐私（对话内容是否落盘）文件：src/chat/ChatController.java, src/ai/LLMService.java输出：CTO 可读的汇报报告

效果：

• • Phase 0 代码审计师先跑 OWASP Top 10 扫描，输出架构健康评分
• • 合规 PM 做 4-loop 检查（安全 / 可用性 / 数据合规 / AI 特有风险）
• • 效益评估师估算这次上线的实际商业价值

最终你拿到一份「架构健康评分 78/100」的正式报告，直接可以发给 CTO，不需要临时凑 PPT。

🐦 X 上的人怎么说

这个项目刚上线，社区讨论还在积累中。但它所在的赛道——「Claude Code 多 Agent 编排」——在 X 和知乎上已经成为了 2026 年最热门的开发者话题之一。

知乎开发者（2026年2月，Agent Team 专题讨论）：

「2026 年的主旋律无疑是 Orchestration（编排）……当单个模型的智商已经足够高时，如何组织它们协作，就成了新的护城河。未来的软件工程，不再是研究 quicksort 怎么写，而是研究’如何设计一套 Agent 协作协议，让一群 AI 帮我写 OS’。」

博主点评： 这正是 Lean AI PRD Team 的核心赌注——它不押宝单个 Agent 更聪明，而是押宝「分工协作」的系统性价值。这个判断方向是对的。

精益AI方法论官网（作者 Kai Shi 自述）：

「AI 转型不是采购大模型，而是以业务场景为核心，对流程、数据、组织、技术、运营进行精益化重构。」

博主点评： 这句话是整个项目的灵魂。它解释了为什么 Phase 1 是商业规划师而不是程序员——因为大多数「AI 没做好」的根本原因是业务逻辑没想清楚，而不是模型不够强。

知乎技术评测文章（AI 编程工具全景测评，2026年5月）：

「Claude Code 采用’分而治之’的核心设计哲学，将复杂的 AI 辅助开发过程解耦为六个职责清晰的层次：Plugins / Skills / Commands……」

博主点评： Lean AI PRD Team 恰好是在这个 Skills 机制上做深度应用的一个典型案例。Anthropic 提供了枪，史凯把子弹的质量推向了企业级。

GitHub 生态的整体声音（知乎 2026年4月 GitHub 热榜分析）：

「以 Claude Code 相关生态为核心的项目群集中爆发，预示着基于大模型能力的软件工程方略正从模糊的 Vibe Coding 转向工程化的指令工程……」

博主点评： Lean AI PRD Team 正好踩在这个时间点上——不是 Vibe Coding（凑代码），而是结构化的业务驱动工程。能在这个风口做出差异化，是这个项目值得关注的根本原因。

Fork 数与 Star 数的比例（仓库观察）：

目前 9 Star、5 Fork，Fork/Star 比例约 55%，远超平均水平（通常 10-15%）。这说明大量关注者在默默实际使用这套方案，不只是点个 Star 收藏。高 Fork 比是工具实用性最真实的信号。

🎯 值不值得用？我的判断

适合哪类人：

• • 🏢 企业 IT 和交付团队：需要从业务需求到技术交付的完整链路，项目复盘时能说清楚每个决策的来龙去脉
• • 🏗️ 架构师/技术负责人：想用 AI 加速「从需求到设计」的前期阶段，而不只是加速写代码
• • 🧑‍🏫 产品人学 AI 工程化：8 Agent 的分工本身就是一套完整的企业软件开发方法论，跟着它走一遍等于上了一门 PM + BA + 架构课
• • 🔒 有合规要求的行业：金融、医疗、法律领域的软件项目，天然需要 Pro 版的合规闭环和安全扫描

局限性（客观说）：

1. 1. 项目刚起步：9 Star，社区积累有限，遇到问题只能靠 README 和自己摸索，作者响应速度待观察
2. 2. Token 消耗较高：8 个 Agent 全流程跑下来，Token 消耗是普通对话的 5-10 倍，成本需要纳入预算
3. 3. 商业授权不透明：Pro 版「需要书面授权」，具体价格和授权条款没有公开，需要直接联系作者
4. 4. 重度依赖 Claude Code：虽然支持其他 IDE，但原生体验是为 Claude Code 设计的，迁移到 Cursor 等工具时需要手动调整
5. 5. 输出质量依赖任务描述：任务描述越结构化越好，如果你只是随便说一句「帮我做个功能」，8 个 Agent 的优势就发挥不出来

一句金句收尾：

让 AI 帮你写代码，是用 AI 替代程序员；让 AI 走完业务分析、产品设计、架构决策再写代码，是用 AI 替代整个软件交付团队——这两件事的差距，不是效率上的差距，是思维层次上的差距。

📌 快速资源汇总