01-22 讲最终总复习版

这门《AI 原生开发工作流实战》01-22 讲，表面上看是在讲 Claude Code + SDD + 实战工作流，但从更高一层看，它真正讲的是：

在 AI 时代，软件开发如何从“人手工写代码”升级为“人类定义意图与规则、AI 高强度执行、全流程可验证可回退”的新工程体系。

所以，整门课不是零散技巧的拼盘，而是一条非常清晰的主线：

世界观建立 → 工具能力掌握 → 驾驶舱搭建 → 规范驱动实现 → 协同交付 → 维护演进

一、整门课总目标

课程的总目标就是构建一套 AI 原生开发工作流。

这套工作流有四个核心特征：

1. 人机分工重构

• 人类负责：定义意图、写规范、制定规则、做最终决策
• AI 负责：理解上下文、生成方案、编码测试、协同交付、问题分析

2. 从代码中心转向规范中心

过去是：

• 想法来了，直接写代码

现在是：

• 先写规范，再让 AI 执行

3. 从零散 Prompt 转向系统化流程

不是想到什么问什么，而是：

• 有上下文
• 有规则
• 有命令
• 有模板
• 有验证
• 有回退
• 有自动化

4. 覆盖全生命周期

AI 不只参与编码，而是参与：

• 需求
• 方案
• 编码
• 测试
• Review
• Commit / PR
• 构建
• 交付
• 维护
• 重构

二、整门课的总结构

Tony 把整门课分成四大部分：

01-03 概念篇：建立世界观
04-08 基础篇：掌握 Claude Code 基础能力
09-15 进阶篇：搭建扩展能力与安全机制
16-22 实战篇：跑通真实项目全生命周期

也可以概括成一句更有“哲学味”的话：

从“道”到“术”，再回归“道”。

• 概念篇讲“道”：世界观
• 基础篇与进阶篇讲“术”：工具和方法
• 实战篇再回到“道”：把方法升华为工程体系

三、概念篇（01-03）：建立 AI 原生世界观

第01讲：AI 原生开发是什么

这一讲解决的是最根本的问题：

什么叫 AI 原生开发？

它不是：

• 用 AI 补全几行代码
• 用 AI 写点脚本
• 把 AI 当搜索引擎

它真正的含义是：

围绕 AI 协作来重新设计软件开发流程。

核心变化有三个：

1. 开发方式变了

从“人写代码，工具辅助”变成“人机协作，AI 参与执行”。

2. 开发者角色变了

从“直接编码者”转向“设计规范、组织流程、治理质量的人”。

3. 软件工程范式变了

从“代码优先”转向“规范、流程、自动化优先”。

一句话记忆

AI 原生开发的本质，是让 AI 进入工程主流程，而不是只做边角辅助。

第02讲：规范驱动开发（SDD）

这一讲提出整门课最核心的方法论：SDD（Specification-Driven Development）。

SDD 的核心思想是：

• 先写 spec
• 再从 spec 推导出 plan
• 再拆成 tasks
• 最终实现 code

所以它本质上是：

从“代码中心开发”转向“规范中心开发”。

为什么要这样？

因为 AI 最大的问题之一是：

• 容易脑补
• 容易自洽
• 容易在模糊意图下“看起来很对，实际上跑偏”

而 Spec 的作用就是把意图清晰化、显式化、结构化。

SDD 的最大价值

• 降低沟通损耗
• 把返工前移
• 让 AI 有明确目标
• 让需求、设计、实现之间有追踪链路

一句话记忆

SDD 就是先把“想做什么”写清楚，再让 AI 去做。

第03讲：开发者的新角色

AI 时代最重要的不是“代码是不是你亲手敲的”，而是：

你是否能够定义问题、制定规则、评估结果。

Tony 把开发者的新角色概括为：

• 规范设计者
• 工作流指挥家
• 质量治理者
• 最终决策者

这意味着人类价值整体上移。

以前开发者最重要的是：

• 代码写得快不快

现在越来越重要的是：

• 规范写得清不清
• 流程设计得好不好
• 风险把控得稳不稳
• 质量标准定得准不准

一句话记忆

人类从执行层上移到指挥层。

四、基础篇（04-08）：掌握 Claude Code 基础能力

第04讲：Claude Code 初识与基本交互

这一讲的重点是认识 Claude Code 这种 Coding Agent。

它和普通聊天机器人不同的地方在于：

• 不只是回答问题
• 而是能理解项目上下文
• 能看代码
• 能执行命令
• 能改文件
• 能完成任务

一句话记忆

Claude Code 是执行型 AI，不只是问答型 AI。

第05讲：@ 上下文注入

这一讲讲怎么给 AI 喂上下文。

主要方式：

• @file：注入文件
• @dir：注入目录
• @symbol：注入代码符号

重点不只是“能注入”，而是：

要精准注入，而不是胡乱塞。

因为上下文太大：

• 成本高
• 干扰多
• 容易污染
• 容易丢重点

一句话记忆

@ 的本质是精准喂上下文。

第06讲：! 命令执行与终端协同

这一讲把 AI 从“看代码”推进到“连环境”。

通过 !，AI 可以：

• 执行 shell 命令
• 读取命令输出
• 分析测试结果
• 分析编译报错

这样 AI 就不再停留在静态文本世界，而是接入真实工程系统。

一句话记忆

! 让 AI 连接终端和真实运行环境。

第07讲：CLAUDE.md

这一讲是课程里的关键节点之一。

CLAUDE.md 的作用是：

• 存项目背景
• 存架构说明
• 存开发约定
• 存长期协作上下文

它解决的问题是：

不要把长期记忆靠单次会话维持。

因为会话会污染、会遗忘、会变贵。
所以稳定信息要文档化，而不是会话化。

一句话记忆

CLAUDE.md 是 AI 协作的长期记忆。

第08讲：constitution.md

这一讲讲的是规则和约束。

constitution.md 是项目“宪法”，用于定义：

• 必须遵守的原则
• 不允许违反的红线
• 例如：简单性、可测试性、可读性、TDD、禁止某些写法

它的意义在于：

把团队口头规范显式化，变成 AI 可读、可执行的行为护栏。

一句话记忆

constitution.md 是 AI 行为的规则护栏。

五、进阶篇（09-15）：扩展能力与安全机制

第09讲：Slash Commands

Slash Commands 的核心是把高频 Prompt 封装成命令。

比如：

• /review
• /commit
• /build

这样做的意义是：

• 标准化
• 降低重复劳动
• 沉淀团队经验
• 让流程可复用

一句话记忆

Slash Commands 把 Prompt 资产化。

第10讲：Templates

Templates 让命令输出更加结构化，比如统一生成：

• Spec 模板
• Plan 模板
• Review 模板
• PR 描述模板

意义在于：

• 输出稳定
• 易检查
• 易复用
• 易协作

一句话记忆

Templates 把输出标准化。

第11讲：Hooks

Hooks 就是在关键节点自动触发动作。

可以做：

• 格式化
• 检查
• 拦截
• 提醒
• 自动补充步骤

它的核心价值是：

把治理嵌入流程，而不是靠人记住。

一句话记忆

Hooks 是流程中的自动治理机制。

第12讲：Skills

Skills 的作用是把复杂经验封装成能力模块。

比如某种：

• 测试生成能力
• 架构分析能力
• 重构套路
• 审查套路

这样 AI 不是每次从零开始想，而是像调用“专业技能包”。

一句话记忆

Skills 是经验的模块化封装。

第13讲：Sub-agents

Sub-agents 是多智能体协作。

比如：

• 一个 Agent 做代码分析
• 一个 Agent 做测试设计
• 一个 Agent 做文档整理

这样复杂任务可以分工，不必全塞给同一个 AI 流程。

一句话记忆

Sub-agents 让复杂任务分工执行。

第14讲：MCP

MCP 用于让 AI 连接更多外部工具和系统。

这样 AI 不只看本地代码，还能接入：

• 外部服务
• 平台
• 数据源
• 工具链

所以 AI 的边界被进一步打开。

一句话记忆

MCP 让 AI 具备系统连接能力。

第15讲：Checkpointing 与 Headless

这一讲其实是在讲两件很关键的事：

1. Checkpointing

作用是：

• 做改动前留快照
• 出问题能回退
• 支持小步试错

2. Headless

作用是：

• 无人值守运行
• 适合自动化任务和流水线

这两者组合起来，形成长程自动化的基础。

一句话记忆

Checkpointing 保证安全回退，Headless 支持自动执行。

六、实战篇（16-22）：跑通项目全生命周期

第16讲：搭驾驶舱

这一讲是实战真正开始的地方。

核心是先搭 AI 开发“驾驶舱”，包括：

• CLAUDE.md
• constitution.md
• .claude/commands/
• .claude/templates/

本质是先统一：

• 上下文
• 规则
• 命令
• 模板

一句话记忆

先搭驾驶舱，再做任务。

第17讲：需求编译

这一讲的核心产物是 spec.md。

它要写清楚：

• 用户故事
• 功能需求
• 约束条件
• 边界场景
• 验收标准

本质是把模糊需求编译成可执行规范。

一句话记忆

spec.md 负责把模糊想法说清楚。

第18讲：方案与任务编译

这一讲继续从 spec.md 往下编译出：

• plan.md
• tasks.md

plan.md 讲：

• 技术方案
• 架构设计
• 模块职责

tasks.md 讲：

• 原子任务
• 依赖关系
• 执行顺序
• 并行可能性

一句话记忆

plan.md 讲怎么做，tasks.md 讲一步步怎么干。

第19讲：编码与测试

这是把 AI 真正带入实施阶段的一讲。

关键方法不是“直接让 AI 写”，而是：

• 用 TDD
• 先写失败测试
• 再做最小实现
• 然后重构

这样做的核心价值是：

• 避免 AI 自说自话
• 用测试约束实现
• 提升可验证性
• 支持安全重构

一句话记忆

TDD 是把 AI 关进正确轨道的方式。

第20讲：协同与审查

这一讲讲的是团队协作怎么标准化。

重点包括：

• /review
• /commit
• AI 生成 PR 描述

作用是把这些高频协作动作：

• 标准化
• 资产化
• 团队共享化

一句话记忆

让 AI 参与的不只是编码，还有工程协同。

第21讲：构建与交付

这一讲把 AI 工作流继续往后延伸到交付阶段。

核心产物有：

• Dockerfile
• Makefile
• CI/CD workflow

目的就是让 AI 也参与：

• 构建
• 打包
• 测试
• 自动化交付

一句话记忆

AI 不只写代码，还要进交付链路。

第22讲：维护与重构

最后一讲讲的是 AI 如何进入存量系统维护阶段。

主要能力包括：

1. 问题诊断

• Headless 分析日志
• 定位 panic 原因

2. 安全重构

• Checkpointing
• /rewind
• 小步修改、可逆试错

3. 文档同步

• /update-docs
• 扫描代码更新 README

一句话记忆

AI 原生开发最终要覆盖维护和演进，而不止是新功能开发。

七、整门课最重要的几个文件

1. CLAUDE.md

长期上下文、项目记忆、协作背景。

2. constitution.md

规则、红线、质量原则、行为护栏。

3. spec.md

需求规范，描述做什么。

4. plan.md

技术方案，描述怎么设计。

5. tasks.md

执行任务，描述一步步怎么落地。

这些文件可以记成：

CLAUDE.md → 记忆
constitution.md → 规则
spec.md → 意图
plan.md → 方案
tasks.md → 执行

八、整门课的核心方法链

这门课最重要的不是单个知识点，而是整条链路。

1. 上下文构建链

CLAUDE.md + constitution.md + @ + !

作用：

• 让 AI 既知道现实，又知道规则，还能读环境。

2. 意图编译链

模糊需求 → spec.md → plan.md → tasks.md

作用：

• 把模糊意图一步步转成结构化执行计划。

3. 实现验证链

tasks → test → code → refactor

作用：

• 用 TDD 和测试驱动 AI 实现。

4. 协同交付链

review → commit → PR → CI/CD

作用：

• 让 AI 参与团队协作与工程交付。

5. 演进维护链

diagnose → fix → refactor → docs sync

作用：

• 让 AI 进入系统生命周期后半段。

九、整门课最核心的原则

这是总复习最值得背的部分。

原则1：先想清楚，再让 AI 写

意图不清，AI 只会更快跑偏。

原则2：规则必须显式化

别指望 AI 猜团队规范。

原则3：长期记忆要文档化，不要会话化

会话会遗忘、污染、变贵。

原则4：高频流程要资产化

Prompt 不是一次性消费品，要沉淀成命令、模板、技能。

原则5：AI 生成，人工定夺

人始终是最终责任人。

原则6：安全感来自可验证、可回退

测试和 Checkpointing 是底线。

原则7：工具会变，方法论要能迁移

真正要掌握的是 AI 原生工程思想，而不是某个产品按钮。

十、整门课的终极愿景

课程结尾讲得很清楚，未来会走向：

长程自主（Long-term Autonomy）的开发闭环

也就是：

• 人类设定清晰 Spec
• AI 自动生成 Plan 和 Tasks
• 自动编码
• 自动写测试
• 自动修错
• 自动提 PR
• 自动跑 CI/CD
• 自动分析部署反馈
• 自动进入下一轮修复

但这一切并不是“AI 自己 magically 变强”就行，
它依赖的正是整门课反复强调的那些基础设施：

• 清晰规范
• 明确规则
• 标准命令
• 自动流程
• 测试护栏
• 安全回退
• 人类顶层指挥能力

十一、整门课最本质的收获

如果只用一句话总结整门课：

你学到的不是 Claude Code 的操作技巧，而是一套面向未来的人机协同软件工程方法论。

如果再展开一点，就是：

• 学会了如何给 AI 建立上下文
• 学会了如何给 AI 制定规则
• 学会了如何把需求编译为规范
• 学会了如何用 TDD 约束 AI 编码
• 学会了如何把高频协作资产化
• 学会了如何把 AI 带入交付和维护
• 学会了如何从“写代码的人”升级为“组织 AI 工作的人”

十二、最终背诵版

整门课主线

概念篇建世界观，基础篇学交互与上下文，进阶篇做能力扩展与安全机制，实战篇跑通需求到维护的全生命周期。

整门课本质

把软件开发升级为一个由人类定义意图和规则、由 AI 高强度执行、全流程可验证可回退的人机协同工程系统。

整门课最终角色定位

开发者从直接编码者，升级为规范设计者、工作流指挥家、质量治理者和最终决策者。