从“更快的马”到“汽车”:AI 时代的软件开发新范式 AI-DLC

写在前面

过去两年，AI 编程工具层出不穷。但你有没有发现一个问题——大多数团队用 AI 的方式，只是让原来那套流程跑得快了一点？

产品经理还在写需求文档，工程师还在拆 Jira 工单，架构师还在画架构图，代码写完了照样要排队等 Review。整个开发流程本质上还是为人设计的、以人的节奏在运转。你把一个能力强大的 AI 智能体塞进这套流程里，结果往往是：AI 几分钟就能生成一份需求文档、提出架构方案、写出几千行代码，但如果没人验证它到底该不该做这些东西，你得到的只是“速度”，而不是“质量”。

这就是 AWS 的 Raja SP 在 2025 年提出 AI-DLC（AI-Driven Development Lifecycle，AI 驱动的开发生命周期）的背景。他把这个转变比作汽车取代马车——你可以在马车上装个发动机让它跑得更快，但那终究还是一辆马车。AI-DLC 要做的，是重新设计“汽车”本身。

2

一、AI-DLC 到底是什么？

简单说，AI-DLC 是对传统软件开发生命周期（SDLC）的一次根本性升级。它不是把 AI 当作一个代码补全工具或者聊天助手，而是把大语言模型（LLM）或一组模型当作贯穿软件开发每一步的活跃协作者。

AI-DLC 的核心运转逻辑是一个简单的循环：AI 制定计划 → 提出澄清问题 → 等待人类验证 → 执行。这个循环在生命周期的每一个活动中反复运行。

和之前那些“以人为本”的方法论（比如敏捷、Scrum）最大的区别在于：过去是人在主导、AI 在辅助；现在是 AI 在驱动对话和推进流程，人类负责验证和把关。

3

二、十大核心原则

Raja SP 在他的白皮书中定义了 AI-DLC 的十项基础原则，这里挑最关键的几条来说：

1. 重新构想，而非改造

不要把 AI 简单地“焊”到现有的开发方法上。要问的问题是：如果 AI 从一开始就存在，SDLC 应该长什么样？答案是——一个以 AI 为中心、AI 原生的开发流程。

2. 反转对话方向

传统的 AI 辅助开发是开发者不断向 AI 提问、等待回答。新范式下，开发者只需要描述自己的意图，AI 就会主动制定计划、提出问题、执行任务、验证结果，并在这个过程中主动寻求人类的批准。

3. 把设计技术融入核心

以前，开发团队自己决定用什么设计方法。AI-DLC 把领域驱动设计、行为驱动开发、测试驱动开发这些实践直接内置到工作流里，统一了工程质量标准。

4. 保持人类在环

AI 不可能 100%自主。AI-DLC 鼓励人类对 AI 的决策进行验证和监督，让 AI 从人类判断中受益。

5. 为复杂系统而生

企业级软件的复杂度远不止写代码。大型系统由多种服务、架构、不同类型的用户和利益相关者组成，还有多年积累的技术债务。AI-DLC 的价值在于它能在整个项目中保留所有这些上下文，让开发者获得一种全局理解。

4

三、三个阶段：AI-DLC 怎么运转？

AI-DLC 把整个开发生命周期划分为三个清晰的阶段，每个阶段都有专门的 AI 智能体和明确的产出。

第一阶段：Inception（构想）—— 搞清楚“做什么”和“为什么做”

这个阶段对应传统的需求分析和设计。AI 把业务意图转化为结构化的需求文档和技术规格，生成用户故事、非功能性需求和单元定义。

团队会进行一种叫 Mob Elaboration 的集体活动——大家一起验证 AI 分解出来的用户故事是否准确、完整。

第二阶段：Construction（构建）—— 搞清楚“怎么做”

AI 在这里主导代码生成和测试。团队则通过 Mob Construction 进行技术决策和把关。

这个阶段的产出包括领域模型、代码和测试用例。AI-DLC 用 11 个领域专家智能体，每个智能体跨多个阶段和阶段参与工作——不是一堆狭窄的专家，而是一批“宽能力”的 AI 角色。

第三阶段：Operations（运营）—— 持续运行和优化

进入运维阶段后，AI 继续参与监控、维护和优化，确保系统在真实环境中稳定运转。

从 Inception 到 Construction 的转换有明确的前置条件：所有工作单元定义清晰、故事有验收标准、计划获得批准。每个阶段之间都有人类的审批关卡，用户决定、AI 执行。

5

四、规格驱动开发：AI-DLC 的落地方法

AI-DLC 在实践中通常采用规格驱动开发（Spec-Driven Development，SDD）的方法。核心思想是：先定义好规格，再让 AI 执行。

SDD 有三个层次：spec-first（规格先行）、spec-anchored（规格锚定）和 spec-as-source（规格即源码）。不同的严格程度对应不同的场景需求。

6

五、这不仅仅是工具的升级

一位为 AWS 客户交付了九个月 AI-DLC 工作坊的实践者分享了他的观察：团队可以在几天内交付过去需要数月完成的项目，速度是真的。但更值得关注的是组织内部正在发生的文化转变——产品经理、架构师和工程师在重新思考他们的协作方式，哪些仪式还有存在的必要，哪些工具真正该进入循环。

AI-DLC 不是要取代 SDLC，而是它的下一个操作系统。在这个新模型里，人类仍然对业务和工程结果负责，但 AI 智能体承担了分析、执行、审查和验证工作中的实质性份额。

对于正在探索 AI 落地的团队来说，现在或许是时候停下来想一想：我们是在造一辆更快的马车，还是在造一辆汽车？