Anthropic AI-Native SDLC:用版本化产物重构软件开发流程

核心结论(一句话)

当代码生成不再是主要约束,研发流程应围绕可提交、可审查、可消费的产物重构:人类在意图、规格、计划与高风险门禁上决策,Agent 在受控范围内实施、验证和回流证据。

分类提炼

知识节点

关联图谱

上游(基于 / 来自)

下游(应用于 / 验证于)

同级(横向 / 并列)

正文要点

  1. 传统 SDLC 的控制目标仍然成立,但逐行审查、人工交接和低频委员会是为人类编码速度设计的。Agent 加快实现后,若不改造两侧流程,只会堆积审查与合规队列。
  2. 每一个阶段的结尾应提交一份事实产物。下一阶段与 Agent 从产物读取,而不是从口头背景或临时聊天继续;这条提交链同时保留谁提出、谁生成、谁批准的证据。
  3. 规划阶段从自然语言想法形成 intent.md;设计阶段根据现行策略生成 spec.md;构建阶段先在 Plan Mode 形成 plan.md,再授权执行。人不替 Agent 写这些产物,但要审查其中的判断。
  4. CLAUDE.md、Skill、Hook 和子 Agent 不是堆配置:前两者承载新人需要的知识和可变策略,Hook 承担确定性禁止项,子 Agent/工作树用于边界清晰的并行任务。
  5. 测试阶段将真实任务和事故做成持续 Eval,PR 审查聚焦行为与风险。发布和运维的线上信号应重新成为下一份 intent 的输入,形成从事故到流程改进的闭环。
  6. 最小落地顺序是先选一个痛点明显的阶段,建立模板、验证和人工门禁;手动跑通“产物通过 → 下一阶段启动”后,再自动化触发器与 Agent 自主度。

备注

相关链接