代码已不再是瓶颈
如今，企业利用AI编写代码的速度远超一年前的想象，但围绕代码的流程却未能同步升级。
许多工程团队依然沿用传统的审批关卡、代码评审、任务交接和政策，限制了通过智能编码工具（如Claude Code）带来的生产力提升。
软件开发生命周期（SDLC）涵盖从构想到上线的全过程，通常包含规划、设计、构建、测试、部署和维护六个阶段。传统模式中，每个阶段由不同角色负责，工作通过文档、工单和签字流转。
传统SDLC流程繁琐，旨在确保每一步的责任和控制，但其设计初衷是为了优化代码编写这一最耗时的环节，而如今代码编写已大幅提速。需求文档、估算流程和安全评审等环节，原本用于协调长周期开发，现在反而成为效率瓶颈。
此外，传统SDLC假设每一步均由人工完成，最具价值的企业已围绕智能AI重构流程，同时确保人类始终参与决策。本文将分享Applied AI团队结合客户实践，总结的AI原生SDLC最佳实践，助力加速开发、优化流程。
当代码不再是瓶颈，构建阶段速度远超传统SDLC时，会出现三大现象：
- 瓶颈转移到构建阶段前后的规划、评审/测试和部署环节，这些仍以人工速度运行；
- 传统控制措施与实际脱节，人工逐行审查代码不再适用；
- 治理成本上升，因例外情况仍需通过周期性会议处理。
以安全审查为例，安全团队规模按人工产出设计，AI大幅提升代码产出时，审查队列积压或代码未经充分审查即发布，均不可接受，安全与政策检查必须跟上AI速度。
要充分释放智能AI的生产力并保障安全，传统SDLC需要像构建阶段那样彻底变革。
什么是AI原生SDLC？
AI原生SDLC是一种重新构想的流程，将传统控制目标与新型自动化执行结合，流程不再线性，而是循环，AI嵌入每个环节，实现自动交接和触发后续步骤，解决传统SDLC阶段间手动交接的低效。
传统SDLC与AI原生SDLC的对比
| 阶段 | 传统SDLC | AI原生SDLC |
|---|---|---|
| 规划 | 需求由委员会收集，通过研讨和签字形成文档 | Claude直接从源头提炼痛点，生成人机共读的intent.md |
| 设计 | 分析师撰写规格说明，设计师解析 | 需求与设计合并，AI辅助一站式完成，标准化技能驱动，版本控制 |
| 构建 | 代码和测试手写，文档后写 | AI生成代码和测试，知识以版本化机器可读的CLAUDE.md和技能形式保存 |
| 测试 | 阶段边界的QA关卡 | 持续评估贯穿实现过程 |
| 部署 | 人工逐行代码审查，治理周期性进行 | 多层AI审查，人工仅审查关键代码，治理嵌入AI行为，审批钩子控制流程 |
| 维护 | 人工监控生产环境 | AI代理监控部署，异常写回intent.md，形成闭环 |
贯穿右侧流程的是承诺产物，每阶段结束时提交版本控制，下一阶段从中读取。早期阶段以.md文件为主，后续以代码和记录为主，提交链即审计链，记录需求、产出和审批。
人类仍对所有需判断的决策负责，关注点随产物转移。
关键实践（Plays）
核心实践分为六个非线性阶段：规划、设计、构建、测试、部署、维护，涵盖完整生命周期。每个实践包含变更内容、启动方式、具体步骤、治理考量及效果衡量。
组织可根据需求分阶段优先转型。每个实践列出依赖，形成依赖图。
阶段以提交产物结束，触发下一阶段。人工关注审批关卡，重点审查AI标记内容，避免从零开始。
规划阶段
以intent.md捕获需求意图
需求可由人工灵感、工单或监控告警触发。人工通过与Claude头脑风暴，生成可读、版本化的intent.md原型规格，省去传统手写文档的繁琐。
产品负责人审核并修正AI生成的intent.md后提交。
执行步骤
- 需求发起人用自然语言描述问题、受影响用户、期望结果及范围。
- Claude提问细化范围、用户、约束及成功标准。
- Claude根据组织模板生成
intent.md。 - 发起人修正误解。
- 提交
intent.md至共享仓库，产品负责人接手。
治理
intent.md记录作者、时间戳和修订历史，产品负责人审批决定通过合并或关闭评审记录。
设计阶段
需求与设计规格
产品负责人批准intent.md后，Claude生成需求与设计规格spec.md，遵循组织的品牌、安全、合规和用户体验技能。
产品负责人审核规格，确保解决问题并标记关注点。
前端设计可用Claude Design快速原型，导出至Claude Code构建。
执行步骤
- 产品负责人开启带技能的会话，附加
intent.md。 - 以
intent.md为基础，指定约束，要求标记关注点。 - 人工审核规格，确认问题解决及未决问题处理。
- 解决关注点，产品负责人协调政策负责人。
- 提交
spec.md与intent.md。 - 产品负责人决定是否进入构建阶段，技术负责人参与高风险决策。
治理
规格编写时即应用政策技能，规格、提示和技能版本均受版本控制，产品负责人签字并处理关注点。
构建阶段
Claude Code计划模式
工程师启动Claude Code计划模式，输入批准的spec.md，与Claude反复讨论实现计划，直到满意。
执行步骤
- 启动计划模式会话。
- 提供
intent.md和spec.md，请求实现计划，包含变更文件、工作顺序和测试。 - 质询计划风险和备选方案。
- 迭代至计划清晰可执行。
- 提交
plan.md，作为审计链一部分。 - 批准计划后让Claude执行实现。
- 实现偏离计划时同步更新
plan.md。
治理
设计评审在代码生成前完成，计划及修订记录审批者，常规变更由工程师批准，高风险由技术负责人审批。
自动模式
自动模式下，工程师批准计划后，Claude自动执行变更，无需每步确认。随着技能、钩子和测试套件完善，自动接受成为常态，支持并行工作和闭环运行。
CLAUDE.md
CLAUDE.md文件为Claude提供团队约定、命令、架构和常见错误等上下文，版本控制，团队维护，持续迭代。
技能（Skills）
技能将组织知识转化为可执行规则，版本控制，统一更新，确保一致性。适用于必须强制执行的政策。
钩子（Hooks）
钩子为构建阶段提供确定性控制，如阻止对受保护路径的修改、自动格式化和防止凭证泄露。钩子应快速且针对变更文件，重型检查放在提交或PR阶段。
并行会话与子代理
工程师可同时管理多个Claude Code会话（不同git工作树），子代理作为会话内辅助工具，处理重复任务。提高任务并发量，保持会话聚焦。
反馈闭环
始终让Claude验证自身工作（测试、构建、截图对比），自动修正错误，确保质量。反馈闭环与验证子代理不同，后者为最终检查。
持续评估（Evals）
持续评估是AI原生的QA关卡，自动在配置变更时运行，确保代理保持标准。评估套件需动态更新，部分团队可选择定期离线运行。
部署阶段
AI参与PR评审
Claude自动审查PR，依据组织政策检测问题，自动回复评审意见，减轻工程师负担，聚焦行为和风险判断。
执行步骤
- 启用托管代码审查服务或在CI中集成claude-code-action。
- 技术负责人编写
REVIEW.md定义审查策略和分级。 - 设置人工审批阈值，确保分支保护。
- 通过@claude标签请求自动修复和复审。
- 审查反馈更新
CLAUDE.md，持续提升质量。 - 定期调整审查策略。
钩子作为审批关卡
钩子可暂停操作，等待人工审批，适用于发布授权等关键环节，确保流程合规。
受管设置
为合规企业配置权限和钩子，禁止绕过，保障安全。
CI/CD集成
Claude Code在CI/CD流水线中非交互运行，执行环境沙箱化，权限分级，部署通过MCP集成，回滚路径预演，确保安全可靠。
维护阶段
维护与闭环
本阶段重点实现Claude自动闭环运行。监控代理检测异常，自动生成intent.md，触发需求、计划、构建、测试和评审流程。通过独立置信度门控，决定是否升级人工介入。
执行步骤
- 选择稳定指标及基线，如CI测试失败率、部署后5xx率等。
- 编写检测脚本，基于统计规则捕捉异常。
- 定义响应等级，自动记录、诊断、提案。
- 触发方式多样，支持定时任务、Webhook等。
- 代理生成
intent.md，进入规划阶段。 - 服务负责人或值班工程师进行工单分流。
- 修复后添加回归测试。
Claude Tag
支持Slack等协作工具，Claude作为频道成员，实时响应事件，协助调查和修复，所有对话和知识均留存，提升响应效率和审计能力。
总结
随着模型和工具的进步，企业不仅能变革代码生产方式，更能重塑整个软件开发生命周期。该转型保持人类判断核心地位，兼顾大型企业的治理和合规需求。
本文汇集Applied AI团队的实战经验，旨在为读者提供切实可行的参考。
资源与致谢
本文档为平台团队搭建控制体系提供指导，感谢Jim Blackhurst、Will Steuk和Jamal Arif的贡献，灵感源自他们的前期工作。
