夜雨聆风《AI驱动的研发协作实践》核心内容要点，文档涵盖了从理念到方法到落地的完整方法论。
主要结构包括：
理念篇 - 为什么需要这套实践、SDD与OpenSpec简介 方法篇 - 整体方案、Agent Assets、需求交付目录、标准工作流 进阶/治理/工具 - 超级个体、边界与风险控制、AI工具使用经验 落地与展望 - 工程初始化指南、后续探索方向、总结与落地建议
这是一套让 AI 参与研发全流程（需求 → 设计 → 审查 → 开发 → 测试 → 发布 → 归档）的协作方法论，核心是给 AI 完整的系统上下文 + 分阶段的行为约束，让 AI 真正成为研发体系的一部分。
核心组成（三大基础设施）
| Engineering Workspace | |
| 阶段命令 | |
| 标准工作流 |
七大阶段与命令
{prefix}-requirement | |||
{prefix}-design | |||
{prefix}-review | |||
{prefix}-develop | |||
{prefix}-test | |||
{prefix}-release | |||
{prefix}-archive |
阶段命令的 6 大设计要素
- 角色设定
— 每个阶段明确 AI 扮演的多个专家角色 - 状态扫描
— 先读上下文，扫描需求目录状态 - 迭代类型分支
— 区分首次生成、修订、局部更新等不同处理方式 - 批判扫描第二轮
— 第一轮 0 问题后，强制再做高风险盲点扫描 - 严重程度防降级
— 明确定义 CRITICAL 情况，WONTFIX 必须有决策人+理由+风险补偿 - 自我审核关
— 每阶段 10–30 项质检清单，逐项打勾才能交付
关键理念
- 不只是写得更快
：AI 真正的价值是让全过程更标准、可追溯、可审查 - 先有上下文，再用 AI；先有流程，再谈效率
- 人聚焦高价值决策
：AI 不替代人，而是让人聚焦边界确认、关键决策、风险把关
超级个体：一人 + 多 AI
一个人指挥一队各有专长的 AI，自己只做最关键的判断与串联：
- 并行
：独立任务拆给多个 agent 同时跑 - 流水线
：上一个 AI 的产出喂给下一个 - 互审
：A 生成、B 批判，交叉检查规避自我确认偏差 - 编排（主从）
：一个"指挥 agent"拆解任务、分发、汇总
风险控制核心原则
最终需求边界、架构决策、高风险接口、安全逻辑、上线窗口等必须人工拍板 - 先审后改
：设计/代码/测试/发布走"AI 首轮 + 人工拍板" - 复审必验证
：AI 复审必须实际读取修复后的文件，不信任"已修复"的声称 - 关键结论回写文档
：不把重要信息只留在对话窗口
落地建议
先选一个项目试点，跑通一个完整需求后再推广 先把系统全景和模块全景建起来，AI 才能稳定发挥 立即配置 Agent Assets 并运行安装脚本 直接复用 5 份产出物模板 + 2 份设计模板 每个需求完成后回写基线和知识库，让系统认知持续更新
三个核心结论
- 一致性
：AI 真正提升的是全流程的一致性，而非单点编码速度 - 可控性
：系统基线 + 统一目录 + 阶段命令 6 大要素 + 审核机制 = 可控 - 聚焦高价值
：AI 让人聚焦在边界确认、架构决策、风险把关上
如果只记三句话：
先给 AI 上下文、再让它干活；每个阶段配一道把关；人聚焦在判断和拍板上。
欢迎在评论区留下你的看法！
