HEXA:教 AI 实习生做好软件工程管理 | Canopy·帷
大家好,我是睿齐。我参加 TRAE AI 创造力大赛了!有没有小伙伴有好的想法想要创造的?可以找我一起。

在之前的文章里,我介绍了自己已经发布内测的 3 款单功能 IDE Agent 插件产品,分别是【hexa-task(产品管理)】【hexa-requirement(需求管理)】和【hexa-product(任务管理)】 。事实上,这 3 款单功能插件同属于 HexaCanopy 软件工程管理系统。
在发布内测试用的这段时间里,我听到有研发反馈说:我们现在连代码都不看了,还看文档?也看到读者留言说:不知道是干嘛用的?或者问:跟开源软件啥区别的?不过也有朋友花样彩虹屁说:好用、再也离不开的;还有朋友不管三七二十一,主打就是鼓励支持的……
反馈听得多了,难免会产生自我怀疑。毕竟像这种工程化的解决方案,肯定早就有专业人士下场在搞东搞西了,我就一小小的文档工程师,靠自己个儿一个人甩开膀子单干,凭什么跟人家团队和资本斗?
但我真的很享受思考的过程,和手搓创造的乐趣,所以也一直鼓励自己:但行好事,莫问前程。直到遇到了 TRAE AI 创造力大赛,果断报名参加,希望有机会可以在更大的平台上,展示自己的想法。

创意介绍
产品说明HexaCanopy(六合帷,简称 HEXA)是一款面向 AI Agent 的软件工程管理体系,以命令行工具(CLI)/技能包形态存在,目标是覆盖软件开发全流程管理。当前已完成并验证产品定义 → 需求分解 → 任务执行三层核心链路,作为演示和使用起点。
问题场景
在使用 AI Agent 进行开发时,需求只活在对话里、方案没有评审就执行、任务状态散落在会话窗口——HexaCanopy 通过本地 Markdown 文件将工程信息永久落盘,让 AI Agent 按照标准软件工程流程协作,支持跨会话断点续跑。
产品亮点
-
断点续跑:换会话、换设备、换 Agent,工程上下文无缝接续,解决 AI Agent 开发的核心痛点
-
评审对齐保障:各层嵌入正式评审环节,确保人机协作双向对齐,避免”鸡同鸭讲”
-
全流程覆盖能力:目标覆盖软件开发所有场景,产品管理、需求管理、任务管理等完整链路
-
继承 Meta 能力:继承 MetaCanopy 元技能体系,提供稳定的人机协作体验和开发发布流程
整个体系采用狗食自用(dogfooding)开发——即用 HexaCanopy 管理 HexaCanopy 自身开发过程,已在 Cursor / Claude Code / TRAE / CodeBuddy 四大平台验证。HexaCanopy 本质是技能包/命令行工具,理论上所有支持命令行工具的 IDE Agent 均可兼容使用。
目标用户及痛点
核心痛点:需求碎片化、方案不可追溯、上下文溢出、人工文档负担
|
用户类型 |
场景描述 |
HEXA 如何满足 |
|
Vibe Coding 进阶者 |
已入门 AI 辅助开发,希望工程实践更规范 |
有序管理规模更大的软件工程,继承成熟工程方法论,快速提升实践水平 |
|
独立软件开发者 |
多项目并行、需长期维护工程上下文 |
提供所有典型软件工程管理场景支持,人机交互流畅,开发效率更高 |
|
小型团队 |
角色分工协作(PM/研发/测试),需流程协同 |
基于 Git 进行管理,逻辑同代码一致,0 学习迁移成本 |
|
企业系统集成 |
需与企业现有流程(CI/CD/文档规范)对接,对外输出服务 |
依赖管理和文档管理接口支持企业集成;作为基础设施可被应用平台继承能力,实现应用层服务对外输出 |
价值与意义
按价值重要程度排序:核心价值(✅ 已验证)→ 差异化价值(✅ 已验证)→ 扩展价值(🎯 设计目标)
核心价值
|
价值主张 |
核心说明 |
|
✅ 断点续跑 |
换会话、换设备、换 Agent,工程上下文无缝接续 |
|
✅ 效率提升 |
全流程 AI Agent 自动管理文件,开发者零手写成本 |
|
✅ 评审对齐保障 |
各层嵌入正式评审环节,确保人机协作双向对齐 |
差异化价值
|
价值主张 |
核心说明 |
|
✅ 三层链路闭环 |
覆盖产品定义→需求管理→任务执行三层全链路 |
|
✅ 突破上下文限制 |
工程信息永久落盘,Agent 按需索引而非全量记忆 |
|
✅ 可审计复盘 |
沟通和执行过程被严格记录,支持全过程审计与复盘 |
|
✅ 狗食依据 |
详细的过程信息为技能包开发提供优质的狗食验证依据 |
扩展价值
|
价值主张 |
核心说明 |
|
🎯 告别许愿式开发 |
方法论驱动的有序开发,继承外部技能包提升实践水平 |
|
🎯 人机异步协作 |
工程信息以文件形式持久记录,支持异步协作 |
|
🎯 团队可协作 |
工程信息与源码同存 Git,支持团队多人协作 |
与竞品的差异化定位
当前 AI Agent 开发的上下文管理方案侧重被动记忆,spec 工具侧重两层代码实现规范——HexaCanopy 是面向 AI Agent 的完整软件工程管理体系,目标覆盖软件开发全流程管理,产品定义→需求管理→任务执行是当前已完成并验证的核心链路,拥有独立的底层方法论,而非仅工具层面的规范约束。
系统架构与演进路线
HexaCanopy 是一个可扩展的软件工程管理体系,目标是覆盖软件工程管理的全流程。当前已完成并验证的是核心演示范围,未来可按需扩展。
已完成模块
|
模块 |
功能说明 |
|
产品管理 |
覆盖产品定义全流程,含方案设计、评审、发布等环节 |
|
需求管理 |
需求入站→分解→评审→任务衔接,支持人机协作 |
|
任务管理 |
任务创建→执行→日志→断点续跑,支持跨会话接续 |
三模块核心链路人机协作工作流如图所示:

规划中模块
|
模块 |
功能说明 |
|
缺陷管理 |
缺陷登记→定位→修复→验证闭环 |
|
质量验证 |
评审检查、质量门禁、自动化巡检 |
|
发布管理 |
版本规范、发布检查、变更日志生成 |
|
配置管理 |
工程级配置、环境参数、Agent 适配 |
|
团队协作 |
角色分工、权限模型、多人协作流程 |
|
风险管理 |
风险识别、评估、跟踪、缓解 |
|
度量管理 |
工程效率度量、质量指标、效能分析 |
外部扩展接口
|
接口 |
功能 |
说明 |
|
依赖管理 |
输入:继承外部能力 |
外部能力通过标准接口接入,增强特定领域执行效果 |
|
文档管理 |
输出:信息对外发布 |
内置文档发布引擎,针对不同场景文档需求,预设文档模板和文档发布工作流,整理工程信息,渲染发布 |
可扩展性说明
HexaCanopy 采用标准化接口设计,所有模块通过统一接口协作。工程实践需要哪些模块,按需引入即可——支持灵活组合和企业级定制。MetaCanopy 元技能体系为整个系统提供方法论基础。
模块化灵活发布
HexaCanopy 支持按角色场景灵活封装发布,不强求用户接受全套流程:
|
场景 |
推荐模块组合 |
|
独立开发者 |
全套模块(产品管理 + 需求管理 + 任务管理 + 缺陷管理等) |
|
产品经理 |
仅产品管理模块 |
|
开发工程师 |
需求管理 + 任务管理 + 缺陷管理 |
|
小型团队 |
按需选用,流程可配(模块间通过标准化接口协作) |
|
企业集成 |
按企业流程定制,依赖管理接入内部能力,文档管理对接企业规范 |
本次 TRAE AI 创新大赛,【见睿思齐】初步计划,会有 3 款 Canopy·帷系列产品参赛。所以,在备赛的这段时间里,业余时间会比较专注投入这件事。之前预告说要要做的社群运营和在线直播的事儿,恐怕一时半会儿,又无法兑现了。
虽然,我也不知道自己最终可以在比赛中走多远,但还是那句话:但行好事,莫问前程。[脸红]
如果你也有自己的想法想要借助 Vibe Coding 项目进行展示,HEXA 也愿意为你提供软件工程管理支持,帮助你不断有序迭代地逼近你的目标。

同类推荐:
META:AI 工程化落地的自主生长秩序 | Canopy·帷
hexa-product:从产品设计到需求下发 | HEXACANOPY
Canopy·帷:用上帝视角俯瞰整个 AI 实践的系统架构 | AI 实践
自己开发自己用,AI技能包开发的狗食原则 | HEXACANOPY
hexa-requirement:从需求分解到迭代执行 | HEXACANOPY
hexa-task:我的第一款Agent插件产品 | HEXACANOPY
AI辅助管理:将零散笔记整理为结构化MOC目录 | Obsidian实践

睿齐
知识管理实践教练
AI实践教练
技术传播者
汪力迪
公众号:techcomm / htstory
微信号:bgrichi
邮箱:hash_0813@163.com

夜雨聆风