查看“︁AI-Native SDLC”︁的源代码

== 1. Executive Summary & Philosophical Shift ==

With the deployment of advanced software engineering agents, code generation speed has accelerated exponentially, shifting the delivery bottleneck downstream to evaluation, specification gating, and deployment reviews. This framework re-architects the software engineering lifecycle to safely operationalize autonomous agents within the repository.

=== 1.1 Legacy SDLC vs AI-Native SDLC ===

{| class="wikitable" style="width:100%;"
|-
! style="background:#f2f2f2;" | Dimension
! style="background:#f2f2f2;" | Legacy SDLC
! style="background:#f2f2f2;" | AI-Native SDLC
|-
| '''Delivery Medium'''
| Cross-team meetings, Jira tickets, manual handoffs
| Version-controlled markdown artifact chains
|-
| '''Primary Author'''
| Human engineers writing all code and tests manually
| AI automated generation; humans perform review & tuning
|-
| '''Quality Gating'''
| Manual Code Review, sequential QA testing
| Automated continuous evaluation (Evals) & hard hooks
|}

== 2. The 6-Stage Artifact-Driven Loop ==

AI-Native SDLC replaces traditional ticketing handoffs with a chain of continuous, version-controlled markdown documents:

* '''1. Plan''' -> Artifact: <code>intent.md</code>
** '''AI Role''': Interrogates requirements dynamically to structure ambiguous business goals.
** '''Human Role''': Defines the high-level business intent and scope boundaries.
* '''2. Design''' -> Artifact: <code>spec.md</code>
** '''AI Role''': Reads project architecture context to generate compliant technical specifications.
** '''Human Role''': Audits architectural alignment and resolves cross-system dependencies.
* '''3. Build''' -> Artifact: <code>plan.md</code> + Code Base
** '''AI Role''': '''Plan Mode Mandate.''' Generates target files to alter and local validation strategies before modifying code.
** '''Human Role''': '''Approves or Rejects plan.md.''' AI is blocked from file modifications without explicit human unlock.
* '''4. Test''' -> Artifact: Automated Test Logs
** '''AI Role''': Autonomously writes, executes, and fixes unit/integration tests in sandboxed runtimes.
** '''Human Role''': Audits edge cases and defines the absolute safety baseline.
* '''5. Deploy''' -> Artifact: Audited Pull Request
** '''AI Role''': Runs automated SAST security analysis, lints, and prepares environment deployment logs.
** '''Human Role''': '''Executes final manual merge (MFA verification)''' as the absolute gatekeeper.
* '''6. Maintain''' -> Artifact: Sandboxed Diagnostics
** '''AI Role''': Monitors production health and auto-generates isolated fault diagnosis reports.
** '''Human Role''': Feedback systemic constraints to Stage 1 to prevent future regression.

== 3. Repository Governance Architecture (The Control Stack) ==

To maintain systemic stability and prevent unauthorized file modifications or security leaks, all modern repositories must enforce a three-layer boundary structure.

=== 3.1 Base Layer (Base): CLAUDE.md Specification ===
This root-level configuration dictates the runtime context for the agent. '''AI is strictly forbidden from altering this file without a manual human commit override.'''

<pre>
# CLAUDE.md - Engineering Standards for Agent Session

## 1. Build & Test Infrastructure
- Build Command: npm run build or make compile
- Test Execution: pytest tests/unit/ or npm run test

## 2. Code Style & Constraints
- Language Standard: TypeScript (ES2022), Strict Null Checks enabled.
- State Management: Functional purity preferred. Side effects must be isolated in service domains.

## 3. Scar Tissue (Anti-Patterns to Avoid)
- FIX-001: Do NOT batch write to /api/v1/auth without resolving local token validation contexts.
- FIX-002: Avoid nested async blocks in repository drivers; use explicit sequential wrappers.
</pre>

=== 3.2 Specification Layer (Specification): Domain Skills ===
Guidelines for high-frequency or high-risk tasks defined programmatically:
* '''Database Schema Migrations''': AI-generated migrations must include full down (rollback) scripts.
* '''API Versioning Protocol''': Enforces breaking change analysis prior to altering public interfaces.

=== 3.3 Hard Constraints Layer (Hard Constraints): Hooks ===
* '''File Level Isolation''': Git hooks (pre-commit) must intercept agent access to .env, private keys, or master configurations without explicit human Multi-Factor Authentication (MFA).
* '''Command Whitelisting''': Execution targets are restricted to non-destructive development commands. Destructive targets (e.g., rm -rf, raw DB drops) trigger immediate process termination.

== 4. Operational Transition Roadmap ==

The evolution follows a strict phased approach: "Control, then Acceleration, then Full Autonomy."

# '''Phase 1: Regulated Build (Weeks 1-4)''': Enforce mandatory CLAUDE.md and plan.md interactive gates globally to eliminate unauthorized multi-file sweeping regressions.
# '''Phase 2: Continuous Evaluation (Months 2-3)''': Deploy '''Evals (Continuous Evaluation suites)''' to programmatically score agent output accuracy and prevent system regression during model upgrades.
# '''Phase 3: Upstream Shift-Left (Months 4+)''': Integrate the entire loop from product intent (intent.md) to autonomous technical specs and real-time production self-healing.

[[Category:Technical Architecture]] [[Category:R&D Efficiency]]

'''AI-Native SDLC（AI原生软件开发生命周期）'''是针对大语言模型（LLM）和Agent（智能体）时代对传统软件开发流程的一次'''重构与革新'''。

随着工程智能体的普及，写代码（Build）的速度大幅提升，研发交付的瓶颈已全面转移至下游的评审、拦截、安全与发布。本规范旨在将 AI 从单纯的“辅助编码工具”升级为“研发流程的自驱动核心”，人类工程师角色全面转变为'''意图定义者（Intent Definer）'''与'''最终红线守门人（Gatekeeper）'''。

== 1. 传统 SDLC vs AI-Native SDLC 核心对比 ==

{| class="wikitable" style="width:100%;"
|-
! style="background:#f2f2f2;" | 维度
! style="background:#f2f2f2;" | 传统 SDLC
! style="background:#f2f2f2;" | AI-Native SDLC
|-
| '''流转介质'''
| 跨团队会议、Jira 工单、口头交付
| 具备版本控制的文档链
|-
| '''编写主体'''
| 人类手动编写所有代码与测试
| AI 自动化生成，人类执行微调与审批
|-
| '''质量关卡'''
| 人工 Code Review、手动 QA 测试
| 自动化持续评测与硬拦截钩子
|}

== 2. 六阶段制品驱动闭环 (The 6-Stage Loop) ==

AI-Native SDLC 废除繁琐的工单交接，转而由一套'''相互耦合、可版本控制的文档链'''驱动研发闭环：

* '''1. 规划阶段 (Plan)''' -> 核心制品: <code>intent.md</code>
** '''AI 职责''': 动态追问人类，消除含糊语义，将原始想法提炼为结构化业务需求。
** '''人类职责''': 提供核心商业意图，划定业务边界。
* '''2. 设计阶段 (Design)''' -> 核心制品: <code>spec.md</code>
** '''AI 职责''': 读取项目既有架构，自动生成符合规范的技术施工规格说明书。
** '''人类职责''': 审计架构一致性，评估跨系统风险。
* '''3. 构建阶段 (Build)''' -> 核心制品: <code>plan.md</code> + 源码变更
** '''AI 职责''': '''强制进入计划模式'''。在动笔修改任何代码前，必须先输出 <code>plan.md</code>，列出拟变动文件清单与本地验证策略。
** '''人类职责''': '''审批或驳回 plan.md'''。未经人类授权，AI 禁止擅自修改任何系统文件。
* '''4. 测试阶段 (Test)''' -> 核心制品: 测试报告与覆盖率指标
** '''AI 职责''': 自主编写测试用例，在本地沙箱运行并自我修复断言失败。
** '''人类职责''': 定义全局安全基线，抽查边缘极端 case。
* '''5. 部署阶段 (Deploy)''' -> 核心制品: 附带审计日志的 Pull Request
** '''AI 职责''': 自动运行静态漏洞扫描（SAST）、依赖项检查、并自动准备发布描述。
** '''人类职责''': '''执行最终的合并（MFA 审批）'''，坚守最后一关。
* '''6. 维护阶段 (Maintain)''' -> 核心制品: 沙箱诊断报告
** '''AI 职责''': 实时监控生产指标，故障发生时自动在隔离沙箱内跑诊断，反向生成新的 <code>intent.md</code>。
** '''人类职责''': 审核故障归因，将其固化为系统长期约束。

== 3. 仓库治理架构：三层行为控制栈 ==

为防止自主智能体在仓库中出现盲目乱改文件或泄露机密，所有接入托管的项目必须实施以下三层强管制：

=== 3.1 基础层 (Base): CLAUDE.md 标准规范 ===
此文件必须放置于项目根目录下，定义 AI 在当前会话中的技术画像。'''严禁 AI 在未经人类 Commit 覆盖的情况下修改此文件。'''

<pre>
# CLAUDE.md - 项目研发规范与上下文指南

## 1. 构建与测试指令 (Build & Test)
- 编译项目: npm run build 或 make compile
- 运行测试: pytest tests/unit/ 或 npm run test

## 2. 代码风格约束 (Code Style)
- 技术栈: TypeScript (ES2022), 必须开启 Strict Null Checks。
- 状态管理: 优先采用纯函数设计，副作用必须隔离在 services 层。

## 3. 历史伤疤日志 (Scar Tissue)
- FIX-001: 绝对不要在未处理 Token 局部过期上下文的情况下，批量重写 /api/v1/auth。
- FIX-002: 避免在数据库驱动中使用嵌套的 async 块，必须使用同步包装器。
</pre>

=== 3.2 规范层 (Specification): 领域技能集 (Skills) ===
针对高频、高风险的细分领域任务，必须沉淀为非自由发挥的、程序化的任务描述：
* '''数据库 Schema 迁移规范''': 规定 AI 生成 Migration 文件时必须包含 down（回滚）脚本。
* '''API 变更协议''': 规定 AI 在修改对外接口时，必须先进行破坏性变更检查（Breaking Change Detection）。

=== 3.3 红线层 (Hard Constraints): 系统级钩子 (Hooks) ===
* '''文件读写硬隔离''': 通过 Git 钩子（pre-commit）或系统权限，严禁 AI 在无人类二次认证（MFA）时读取 .env、私钥、或直接修改核心主干配置。
* '''命令执行白名单''': 严格限制 AI 只能执行非破坏性的命令。任何触发 rm -rf、drop table 等高危指令的行为将直接触发会话强行终止。

== 4. 落地实施路线图 ==

企业流程演进应遵循“先受控、后提效、再闭环”原则，严禁一蹴而就：

# '''阶段一：受控构建 (Weeks 1-4)''': 在所有核心仓库强制推行 CLAUDE.md 模板，要求开发人员在与 Agent 配对编码时，必须开启“计划模式（plan.md）”，卡住非受控的多文件胡乱修改。
# '''阶段二：持续评测与规范固化 (Months 2-3)''': 引入 '''Evals（持续评测集）'''——针对 AI 生成的代码或规格说明进行自动化质量打分，确保底层大模型升级时不会导致既有业务逻辑退化（Regression）。
# '''阶段三：全闭环左移 (Months 4+)''': 彻底打通从产品意图（intent.md）到架构设计（spec.md）的自动化转换，并在生产环境异常时实现故障自诊断回流。
[[Boardline]]
[[Spec7-en]]
[[分类:技术架构]] [[分类:研发效能]]