AI原生SDLC：6步重做流程

如果 Claude Code 让写代码变快，软件开发最容易卡住的地方，可能反而不在代码里。

代码十分钟写完，计划还没确认；PR 已经开了，测试、评审和发布还在排队。

我读 Anthropic 的《The AI-Native SDLC playbook》时，最有用的提醒不是“让 AI 多写一点”，而是换个问题：下一阶段接到的，究竟是人的记忆，还是已经提交的产物？

这套 AI 原生流程，我把它拆成六段：

1. 计划：把想法写进 intent.md
2. 设计：把规则、风险和例外写进 spec.md
3. 构建：先读 plan.md，再让智能体动手
4. 测试：让当前任务能失败、能重跑
5. 部署：AI 可以修 PR，但合并和生产放行仍有人负责
6. 维护：把生产信号送回新的 intent.md

先别急着全自动。我会连续两周记录计划、设计、实现、测试、评审、发布六个阶段的处理时间、等待时间和返工次数。先看等待是不是从写代码搬到了评审、测试或发布，再谈效率。原文提到从 20–50 个真实任务起步，我把它当样本起点，不当成通过线。

放权前，逐项检查六件事：意图有人接受，风险写进规格，计划能交给没看过聊天的人，测试能判对错，Hook 有正反例，回滚真的演练过。

我的试跑顺序很简单：选一个低风险、重复出现、测试清楚的任务，写 intent，让 Claude Code 在 plan mode 留痕，再从只读诊断或 PR 写入开始。能不能扩大权限，让等待、返工和回滚数据来回答。

这不是 Anthropic 官方中文译本，是基于公开文章和官方文档做的中文拆解。先收藏第 3、5、10 张，把第一条交接链跑通。

你现在最堵在哪一环：计划、评审、测试还是发布？留一个真实任务，也写下你愿意先开放给智能体的动作。

#AI原生SDLC #ClaudeCode #AI编程 #软件工程 #研发流程 #智能体治理 #代码评审 #持续评测 #工程效率 #技术科普