当 AI 将代码生成速度提升 10 倍,真正拉开差距的不再是“谁写得快”,而是“谁写得稳、谁写得可维护”。 本方案围绕 规范驱动开发(SDD) 与 自动化质量门禁 两大支柱,为 3 人团队提供可立即落地的协作框架。
在仓库根目录创建 CLAUDE.md,作为 AI 每次会话前自动加载的“宪法”。内容应包含:
📌 落地建议: 将详细规范拆分到 ./claude/rules/*.md(如 coding-style.md、testing.md),按需加载,避免单一文件过于臃肿。
每次 AI 生成代码前,必须有一份可检索的任务单(Issue/Ticket),明确:
💡 价值 把“聊过了”变成“交差了”——有书面记录可追溯、可签收。
| 代码类型 | 谁来做 | 审查重点 |
|---|---|---|
| 标准化 CRUD(Controller/Service/Repository) | AI 全权 | 字段映射、参数校验 |
| 核心业务逻辑(支付、解锁、分账) | AI 生成 + 人工复核 | 事务边界、幂等性 |
| 第三方集成(DeepSeek/OpenIM/Lilishop) | AI 生成 + 人工调优 | API 调用方式、错误处理 |
| 架构级代码(主程序、依赖注入、中间件) | 人工主导 | 确保架构方向正确 |
核心矛盾: AI 生成速度远超人工审查。破解之道是在 CI/CD 中嵌入自动化质量闸门。
⚠️ 确定性门禁原则: 质量门禁的通过与否必须由确定性工具判定(编译器退出码、测试退出码、grep/jq 检查),而不是让 AI 自己判断“好不好”。
将所有依赖(Go 后端、MySQL、Redis、MongoDB、OpenIM、Lilishop)纳入 docker-compose.yml。Go 编译成单一二进制文件后打包的 Docker 镜像通常仅几十 MB。
使用 devcontainer.json 配置标准化开发环境,新成员加入时一键启动,彻底解决“在我机器上能跑”的问题。
| 环境 | 用途 | 数据 |
|---|---|---|
| 开发环境 | 日常编码、AI 生成测试 | 测试数据 |
| 集成测试环境 | PR 自动触发集成测试 | 脱敏生产数据样本 |
| 预发布环境 | 上线前最终验证 | 与生产一致(脱敏) |
| 生产环境 | 正式对外服务 | 真实数据 |
用 AI 工具自动维护项目知识库(术语表、架构图、约定、决策记录),让新人快速上手,也让 AI 获得更精准的上下文。
| 优先级 | 事项 | 预估工作量 |
|---|---|---|
| P0 | 编写 CLAUDE.md 项目规范 | 2–3 天 |
| P0 | 搭建 Docker Compose 开发环境 | 3–5 天 |
| P0 | 配置 PR 质量门禁(测试 + lint) | 2–3 天 |
| P1 | 配置 AI 代码审查机器人 | 1–2 天 |
| P1 | 建立任务单模板(验收标准 / 非范围 / 失败路径) | 1 天 |
| P2 | 完善多环境部署流水线 | 3–5 天 |
| P2 | 建设团队 AI 规范文档库 | 持续进行 |
🎯 核心理念:当 AI 让代码生成速度提升 10 倍时,真正拉开差距的不再是“谁写得快”,而是“谁写得好、谁写得稳、谁写得可维护”。 把“好代码”的标准写进系统里,让 AI 在约束下自己干活。