开发流程与协作 · 落地实施方案

基于 AI 原生团队的工程化实践 — 短剧 APP 项目
v1.0  ·  2026 年 7 月

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。

01 确立人机协作流程与规范

1. 项目级指令文件(CLAUDE.md / AGENTS.md)

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。

2. 任务单驱动(Harness 协作流程)

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。

3. 分层代码生成策略

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

02 建立 CI/CD 流水线与质量门禁

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。

1. 三道质量闸门

🔒 本地闸门(开发机)

  • AI 生成代码后自动运行 go fmt、go vet、go test -short
  • 不通过不能提交

🔍 PR 闸门(合并前)

  • 完整单元测试、集成测试、静态代码扫描(golangci-lint)
  • 安全扫描(Trivy)
  • 测试失败或覆盖率不达标 → 自动拒绝合并

🚀 上线闸门(部署前)

  • 冒烟测试、性能基准测试、数据库迁移预检
  • 生产环境部署需经过预发布环境验证

2. AI 代码审查增强

⚠️ 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”。

03 统一开发与测试环境

1. Docker Compose 一键启动

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。

2. 开发容器(Dev Container)

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。

3. 环境分层

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

04 团队协作与知识沉淀

1. 建立团队 AI 规范文档库

2. 定期 Code Review 与规范迭代

3. 知识库建设

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。


⭐ 落地优先级建议

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。