AI-Native SDLC

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

维度	传统 SDLC	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: intent.md
  • 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: spec.md
  • 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: plan.md + 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 plan.md，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 intent.md。
  • 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。

# 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。

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：

1. 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。
2. 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）。
3. 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