5.0 KiB
5.0 KiB
type, tags, aliases, source, status, owner, updated
| type | tags | aliases | source | status | owner | updated | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| process_overview |
|
|
AI_驱动_内部系统开发流程_V3.docx | active | 内部技术团队 | 2026-05 |
AI 驱动内部系统开发流程 V3 总览
版本定位
本流程适用于公司当前阶段的 ERP、内部系统、小型业务系统、运营工具、AI 辅助开发项目。
核心目标不是让流程变复杂，而是解决以下问题：
- 业务需求说不清。
- AI 生成内容不完整。
- 前端模型介入太晚。
- 后端数据库设计被页面倒逼。
- 测试太晚才发现需求漏项。
- 项目完成后留下大量重复代码和技术债。
总体阶段
| 阶段 | 阶段名称 | 核心目标 | 核心负责人 |
|---|---|---|---|
| 阶段0 | 项目入口分级 | 判断项目是否值得做、走轻流程还是完整流程 | 业务主管 / 技术负责人 |
| 阶段1 | 业务需求完整形成 | 业务侧通过 Vibe Coding 跑完整需求 | 业务主管 / 业务人员 |
| 阶段2 | 高保真模型与业务对象确认 | 把完整但粗糙的需求收敛成可开发模型 | 前端 / 产品经理 |
| 阶段2.5 | 测试提前补漏 | 在开发前用测试视角发现需求漏洞 | 测试 |
| 阶段3 | 研发协作与正式开发 | 基于高保真模型进行模块化、安全、可维护开发 | 前端 / 后端 / 算法 |
| 阶段4 | 测试、培训、上线、回流 | 完成测试、培训、上线验收和问题回流 | 测试 / 业务主管 |
| 阶段5 | 技术债治理与能力沉淀 | 清理 AI 冗余代码并沉淀复用能力 | 技术负责人 |
阶段门禁
| 门禁 | 通过标准 |
|---|---|
| Gate 0 | 项目入口通过：确认值得做，确认项目类型。 |
| Gate 1 | 需求完整通过：主流程、分支、页面、按钮、字段、状态大致完整。 |
| Gate 2 | 高保真模型通过：页面收敛、按钮行为、业务对象、状态、V1/V2 明确。 |
| Gate 2.5 | 测试补漏：测试用例初稿发现的阻塞问题已处理。 |
| Gate 3 | 开发联调通过：前后端、数据库、权限、安全、主要流程联调完成。 |
| Gate 4 | 上线验收通过：测试通过、业务确认、培训完成。 |
| Gate 5 | 技术债治理完成：重复代码、组件、接口、数据结构完成治理或进入债务池。 |
完整版文件结构
00_项目入口分级.md01_主流程说明.md02_日常操作页面结构.md03_功能页面按钮盘点表.md04_分支流程_XXX.md05_异常流程_XXX.md06_VibeCoding页面验证记录.md07_高保真模型.html07_高保真模型说明.md08_项目周期与版本确认.md09_前端技术评审.md10_技术预检记录.md10A_统一业务对象模型.md10B_按钮行为矩阵.md11_测试用例初稿与需求补漏.md12_研发任务拆分与协作计划.md13_技术实现对接.md14_代码治理与安全规范.md15_开发问题与联调记录.md16_正式测试报告.md17_内部培训手册.md18_上线验收记录.md19_上线问题与回流需求.md20_技术债清单.md21_业务原子能力沉淀清单.md22_组件库与服务复用清单.md23_AI开发上下文模板更新记录.md
轻量版文件结构
小项目可以使用轻量版：
00_项目入口分级.md01_业务需求包.md02_高保真模型包.md03_项目版本与技术预检.md04_测试用例初稿与需求补漏.md05_研发协作与技术实现包.md06_代码治理与安全规范.md07_测试培训上线包.md08_技术债与能力沉淀包.md
最终核心原则
- 先分级，再开发。
- 阶段1追求需求完整，不追求产品完善。
- Vibe Coding 页面只是需求原型，不直接进入生产。
- 阶段2追求模型高效，前端必须深度参与。
- 高保真模型确认后，才允许正式开发。
- 统一业务对象模型是页面、接口、数据库、测试、AI 提示词的共同基础。
- 性能、安全、权限、并发、日志、可回滚必须提前预检。
- 测试提前补漏，不只是上线前找 Bug。
- 研发阶段以代码质量、模块化、安全性、可维护性为中心。
- AI 代码必须治理，不能直接堆进生产。
- 每个项目都要沉淀业务原子能力。
- 每完成 3-4 个项目，必须进行技术债治理。
一句话总结
这套流程不是为了让 AI 替代开发，而是让 AI 帮业务更快形成完整需求，让前端和产品把需求收敛成高保真模型，让研发团队基于模型高质量开发，让测试和技术债治理保障系统长期可用。