5阶段、33步、14个Agent一文看懂AI-DLC的核心数字【免费下载链接】aidlc-workflowsAI-Driven Life Cycle (AI-DLC) adaptive workflow steering rules for AI coding agents项目地址: https://gitcode.com/GitHub_Trending/ai/aidlc-workflowsAI-DLCAI-Driven Development Life CycleAI 驱动开发生命周期是一个开源的 AI 编程 Agent 工作流框架它把 Claude Code、Cursor、Codex 等 AI 编程助手变成结构化、可验证的软件交付流水线。整个框架可以用三个数字概括——5 个阶段、33 个步骤、14 个 Agent外加 11 套工作流档案和 98 种审计事件。这篇文章不贴代码带你用最少的篇幅看懂这套「数字背后」的完整方法论。一、关键数字速览AI-DLC 的核心架构一览先看这张官方给出的核心指标表来源docs/guide/00-introduction.md指标数值说明阶段Phases5 个Initialization → Ideation → Inception → Construction → Operation步骤Stages33 步每步有明确输入、输出和负责 AgentAgent14 个11 个领域专家 2 个评审员 1 个自适应编排器工作流档案Scopes11 种从完整 feature 到轻量 express深度等级3 级Minimal / Standard / Comprehensive审计事件类型98 种每个决策都留痕全程可追溯一句话理解引擎engine负责决定「下一步做什么」指挥者conductor负责「把这一步做好」14 个 Agent 负责扮演各个领域的专家角色。完整定义可参阅 AI-DLC-Workflows-2.0-Specification.pdf。二、5 个阶段从「一句话需求」到「线上运营」AI-DLC 的生命周期由 5 个阶段组成按顺序执行每步都有专人负责。各阶段步骤文件都存放在 core/aidlc-common/stages/ 目录下逐阶段展开如下详细图表见 docs/guide/04-phases-and-stages.mdPhase 0初始化Initialization— 3 步#步骤干什么0.1Workspace Scaffold创建本次任务intent的专属记录目录0.2Workspace Detection自动识别项目类型语言、框架、新旧项目0.3State Init初始化状态文件和审计日志这 3 步全自动执行不到一秒完成无需人工干预。Phase 1构思Ideation— 7 步验证「这事值不值得做」1.1 意图捕获 → 1.2 市场调研 → 1.3 可行性分析 → 1.4 范围定义 → 1.5 组队 → 1.6 粗糙原型 → 1.7 审批交接。其中只有意图捕获、范围定义、审批交接是必选ALWAYS其余按任务类型条件执行——比如修 bug 就不需要市场调研。Phase 2孵化Inception— 9 步把想法变成可执行的设计2.1 逆向工程老项目专属→ 2.2 实践发现 → 2.3 需求分析 → 2.4 用户故事 → 2.5 精化原型 → 2.6 领域设计 → 2.7 工作单元拆解 → 2.8 契约设计 → 2.9 交付规划。这里的 2.7 是关键把大任务拆成一张张「工作单元卡Unit」后续开发按卡推进。Phase 3施工Construction— 7 步真正的写代码阶段3.1 功能设计 → 3.2 非功能需求 → 3.3 NFR 设计 → 3.4 基础设施设计 → 3.5 代码生成 → 3.6 构建与测试 → 3.7 CI 流水线。前 5 步按单元逐个跑后 2 步在所有单元完成后一次性跑完避免「一次性审 15000 行代码」的灾难。Phase 4运营Operation— 7 步部署与持续运营4.1 部署流水线 → 4.2 环境开通 → 4.3 部署执行 → 4.4 可观测性 → 4.5 事件响应 → 4.6 性能验证 → 4.7 反馈与优化。4.7 是终点站批准后工作流结束也可以反馈回路跳回 1.1 开启下一轮迭代。⚡三、33 步的细节执行模式与 3 道验证门33 3 7 9 7 7。但「怎么跑」比「有多少」更有意思33 步的 4 种执行模式来源docs/guide/04-phases-and-stages.md模式步数用户交互典型步骤Inline对话内完成29每步末尾审批绝大多数步骤Subagent子代理协作2中途提问 审批2.2 实践发现、3.5 代码生成Pipeline两级流水线1仅审批2.1 逆向工程Mob多代理协作1中途判断 审批2.4 用户故事3 道验证门Verification Gate在构思→孵化、孵化→施工、施工→运营三个阶段交界处引擎会自动跑溯源检查——需求是否都有对应故事、产物是否都有引用、有没有「孤儿文件」。检查不过流程会停下来让你决定继续还是回退修复。这是 AI-DLC 区别于「随便聊聊就写码」的核心机制。四、14 个 Agent一支「小型全能队」AI-DLC 的 Agent 名册遵循「小团队、宽能力」哲学Small Mob, Broad Agents——模仿人类团队 3-5 人搞定一个功能的做法而不是造 30 个窄领域专家再互相传话。14 个 Agent 的完整定义见 core/agents/ 目录11 个领域专家 AgentAgent角色最活跃的战场aidlc-product-agent产品经理意图捕获、需求分析、用户故事aidlc-design-agentUX 设计师粗糙/精化原型aidlc-delivery-agent交付经理组队、交付规划aidlc-architect-agent架构师横跨 3 个阶段的 10 步全队最忙aidlc-aws-platform-agentAWS 平台专家基础设施设计、环境开通aidlc-compliance-agent合规顾问纯辅助角色注入合规约束aidlc-devsecops-agent安全专家纯辅助角色威胁建模与扫描aidlc-developer-agent开发者代码扫描 代码生成aidlc-quality-agentQA 工程师构建测试、性能验证aidlc-pipeline-deploy-agentCI/CD 专家流水线、部署执行aidlc-operations-agentSRE可观测性、事件响应、反馈闭环2 个评审员 1 个编排器aidlc-product-lead-agent审需求、故事、原型——代表「客户视角」挑刺aidlc-architecture-reviewer-agent审技术设计——代表「评审委员会」把关aidlc-composer-agent自适应编排器。它评估你任务的「实现熵」意图模糊度、结构不确定性、风险等 5 个分量然后提议一份「最小可行执行清单」——哪些步骤该做、哪些可跳过让你批准后才生效。评审员只给结论READY / NOT-READY不改文件施工阶段的对抗式评审最多循环 2 轮且永远不阻塞——最终决定权在人类。五、11 种工作流档案同一套引擎不同的仪式感33 步不是每次都要跑满。AI-DLC 提供 11 种工作流档案引擎里叫 scope定义在 core/scopes/ 目录按需裁剪路线档案适用场景实际步数深度feature生产级完整功能33 / 33标准enterprise受监管/高审计要求33 / 33全面classic常规工作默认26 / 33标准mvp首个真实产品增量23 / 33标准infra环境与基础设施13 / 33标准express需求已明确的轻量路径10 / 33最小bugfix已知缺陷的定点修复9 / 33最小poc可行性验证8 / 33最小选择方式很简单用/aidlc 档案名显式指定或直接描述任务让 AI-DLC 推荐。完整对比见 docs/guide/workflow-profiles.md。六、隐藏数字98 种审计事件与全程留痕每个任务intent都有独立目录状态记录在aidlc-state.md所有决策写入audit/分片共98 种事件类型。这意味着你可以回答「这个设计决策是谁在什么时候、基于什么材料做的」——对需要审计留痕的团队来说这是 AI 编程从「玩具」走向「生产力」的分水岭。七、新手上路从哪些文件读起想做什么从哪里开始装好并跑第一个工作流docs/guide/01-getting-started.md看懂 5 阶段 33 步全流程docs/guide/04-phases-and-stages.md理解 14 个 Agent 分工docs/guide/06-agents.md挑选工作流档案docs/guide/workflow-profiles.md看指挥者conductor如何执行core/aidlc-common/conductor.md了解完整方法论AI-DLC-Workflows-2.0-Specification.pdf结语为什么是「5、33、14」这三个数字不是设计者的偏好而是一套工程权衡的结果5 个阶段覆盖了软件生命周期的完整闭环含运营反馈33 步把每个阶段切成「有输入、有产物、有负责人、有审批」的原子单元配合 11 种档案灵活裁剪14 个 Agent用「宽能力小团队」替代「窄专家流水线」减少交接损耗。理解这些数字你就理解了 AI-DLC 的设计骨架——接下来去跑一个/aidlc express试试吧。【免费下载链接】aidlc-workflowsAI-Driven Life Cycle (AI-DLC) adaptive workflow steering rules for AI coding agents项目地址: https://gitcode.com/GitHub_Trending/ai/aidlc-workflows创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 5阶段、33步、14个Agent：一文看懂AI-DLC的核心数字
5阶段、33步、14个Agent一文看懂AI-DLC的核心数字【免费下载链接】aidlc-workflowsAI-Driven Life Cycle (AI-DLC) adaptive workflow steering rules for AI coding agents项目地址: https://gitcode.com/GitHub_Trending/ai/aidlc-workflowsAI-DLCAI-Driven Development Life CycleAI 驱动开发生命周期是一个开源的 AI 编程 Agent 工作流框架它把 Claude Code、Cursor、Codex 等 AI 编程助手变成结构化、可验证的软件交付流水线。整个框架可以用三个数字概括——5 个阶段、33 个步骤、14 个 Agent外加 11 套工作流档案和 98 种审计事件。这篇文章不贴代码带你用最少的篇幅看懂这套「数字背后」的完整方法论。一、关键数字速览AI-DLC 的核心架构一览先看这张官方给出的核心指标表来源docs/guide/00-introduction.md指标数值说明阶段Phases5 个Initialization → Ideation → Inception → Construction → Operation步骤Stages33 步每步有明确输入、输出和负责 AgentAgent14 个11 个领域专家 2 个评审员 1 个自适应编排器工作流档案Scopes11 种从完整 feature 到轻量 express深度等级3 级Minimal / Standard / Comprehensive审计事件类型98 种每个决策都留痕全程可追溯一句话理解引擎engine负责决定「下一步做什么」指挥者conductor负责「把这一步做好」14 个 Agent 负责扮演各个领域的专家角色。完整定义可参阅 AI-DLC-Workflows-2.0-Specification.pdf。二、5 个阶段从「一句话需求」到「线上运营」AI-DLC 的生命周期由 5 个阶段组成按顺序执行每步都有专人负责。各阶段步骤文件都存放在 core/aidlc-common/stages/ 目录下逐阶段展开如下详细图表见 docs/guide/04-phases-and-stages.mdPhase 0初始化Initialization— 3 步#步骤干什么0.1Workspace Scaffold创建本次任务intent的专属记录目录0.2Workspace Detection自动识别项目类型语言、框架、新旧项目0.3State Init初始化状态文件和审计日志这 3 步全自动执行不到一秒完成无需人工干预。Phase 1构思Ideation— 7 步验证「这事值不值得做」1.1 意图捕获 → 1.2 市场调研 → 1.3 可行性分析 → 1.4 范围定义 → 1.5 组队 → 1.6 粗糙原型 → 1.7 审批交接。其中只有意图捕获、范围定义、审批交接是必选ALWAYS其余按任务类型条件执行——比如修 bug 就不需要市场调研。Phase 2孵化Inception— 9 步把想法变成可执行的设计2.1 逆向工程老项目专属→ 2.2 实践发现 → 2.3 需求分析 → 2.4 用户故事 → 2.5 精化原型 → 2.6 领域设计 → 2.7 工作单元拆解 → 2.8 契约设计 → 2.9 交付规划。这里的 2.7 是关键把大任务拆成一张张「工作单元卡Unit」后续开发按卡推进。Phase 3施工Construction— 7 步真正的写代码阶段3.1 功能设计 → 3.2 非功能需求 → 3.3 NFR 设计 → 3.4 基础设施设计 → 3.5 代码生成 → 3.6 构建与测试 → 3.7 CI 流水线。前 5 步按单元逐个跑后 2 步在所有单元完成后一次性跑完避免「一次性审 15000 行代码」的灾难。Phase 4运营Operation— 7 步部署与持续运营4.1 部署流水线 → 4.2 环境开通 → 4.3 部署执行 → 4.4 可观测性 → 4.5 事件响应 → 4.6 性能验证 → 4.7 反馈与优化。4.7 是终点站批准后工作流结束也可以反馈回路跳回 1.1 开启下一轮迭代。⚡三、33 步的细节执行模式与 3 道验证门33 3 7 9 7 7。但「怎么跑」比「有多少」更有意思33 步的 4 种执行模式来源docs/guide/04-phases-and-stages.md模式步数用户交互典型步骤Inline对话内完成29每步末尾审批绝大多数步骤Subagent子代理协作2中途提问 审批2.2 实践发现、3.5 代码生成Pipeline两级流水线1仅审批2.1 逆向工程Mob多代理协作1中途判断 审批2.4 用户故事3 道验证门Verification Gate在构思→孵化、孵化→施工、施工→运营三个阶段交界处引擎会自动跑溯源检查——需求是否都有对应故事、产物是否都有引用、有没有「孤儿文件」。检查不过流程会停下来让你决定继续还是回退修复。这是 AI-DLC 区别于「随便聊聊就写码」的核心机制。四、14 个 Agent一支「小型全能队」AI-DLC 的 Agent 名册遵循「小团队、宽能力」哲学Small Mob, Broad Agents——模仿人类团队 3-5 人搞定一个功能的做法而不是造 30 个窄领域专家再互相传话。14 个 Agent 的完整定义见 core/agents/ 目录11 个领域专家 AgentAgent角色最活跃的战场aidlc-product-agent产品经理意图捕获、需求分析、用户故事aidlc-design-agentUX 设计师粗糙/精化原型aidlc-delivery-agent交付经理组队、交付规划aidlc-architect-agent架构师横跨 3 个阶段的 10 步全队最忙aidlc-aws-platform-agentAWS 平台专家基础设施设计、环境开通aidlc-compliance-agent合规顾问纯辅助角色注入合规约束aidlc-devsecops-agent安全专家纯辅助角色威胁建模与扫描aidlc-developer-agent开发者代码扫描 代码生成aidlc-quality-agentQA 工程师构建测试、性能验证aidlc-pipeline-deploy-agentCI/CD 专家流水线、部署执行aidlc-operations-agentSRE可观测性、事件响应、反馈闭环2 个评审员 1 个编排器aidlc-product-lead-agent审需求、故事、原型——代表「客户视角」挑刺aidlc-architecture-reviewer-agent审技术设计——代表「评审委员会」把关aidlc-composer-agent自适应编排器。它评估你任务的「实现熵」意图模糊度、结构不确定性、风险等 5 个分量然后提议一份「最小可行执行清单」——哪些步骤该做、哪些可跳过让你批准后才生效。评审员只给结论READY / NOT-READY不改文件施工阶段的对抗式评审最多循环 2 轮且永远不阻塞——最终决定权在人类。五、11 种工作流档案同一套引擎不同的仪式感33 步不是每次都要跑满。AI-DLC 提供 11 种工作流档案引擎里叫 scope定义在 core/scopes/ 目录按需裁剪路线档案适用场景实际步数深度feature生产级完整功能33 / 33标准enterprise受监管/高审计要求33 / 33全面classic常规工作默认26 / 33标准mvp首个真实产品增量23 / 33标准infra环境与基础设施13 / 33标准express需求已明确的轻量路径10 / 33最小bugfix已知缺陷的定点修复9 / 33最小poc可行性验证8 / 33最小选择方式很简单用/aidlc 档案名显式指定或直接描述任务让 AI-DLC 推荐。完整对比见 docs/guide/workflow-profiles.md。六、隐藏数字98 种审计事件与全程留痕每个任务intent都有独立目录状态记录在aidlc-state.md所有决策写入audit/分片共98 种事件类型。这意味着你可以回答「这个设计决策是谁在什么时候、基于什么材料做的」——对需要审计留痕的团队来说这是 AI 编程从「玩具」走向「生产力」的分水岭。七、新手上路从哪些文件读起想做什么从哪里开始装好并跑第一个工作流docs/guide/01-getting-started.md看懂 5 阶段 33 步全流程docs/guide/04-phases-and-stages.md理解 14 个 Agent 分工docs/guide/06-agents.md挑选工作流档案docs/guide/workflow-profiles.md看指挥者conductor如何执行core/aidlc-common/conductor.md了解完整方法论AI-DLC-Workflows-2.0-Specification.pdf结语为什么是「5、33、14」这三个数字不是设计者的偏好而是一套工程权衡的结果5 个阶段覆盖了软件生命周期的完整闭环含运营反馈33 步把每个阶段切成「有输入、有产物、有负责人、有审批」的原子单元配合 11 种档案灵活裁剪14 个 Agent用「宽能力小团队」替代「窄专家流水线」减少交接损耗。理解这些数字你就理解了 AI-DLC 的设计骨架——接下来去跑一个/aidlc express试试吧。【免费下载链接】aidlc-workflowsAI-Driven Life Cycle (AI-DLC) adaptive workflow steering rules for AI coding agents项目地址: https://gitcode.com/GitHub_Trending/ai/aidlc-workflows创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考