字节笔记本
2026年8月28日
AI 原生 SDLC playbook：代码不再是瓶颈之后，流程怎么改
组织用 AI 写代码的速度已经快到一年前不可想象，但代码周边的流程没跟上：同样的审批门、评审、交接和政策，把 agent 带来的生产力增益卡在半路。Anthropic Applied AI 团队发布了 AI 原生 SDLC playbook，逐阶段讲怎么把 Claude 织进软件开发生命周期的六个阶段。作者 Louis Claxton。
代码不再是瓶颈之后
传统 SDLC 为「写代码是最贵阶段」的时代设计：PRD、估算仪式、安全评审，都是为了在数周到数季度的开发周期里强制对齐。当 build 阶段被 agent 压缩到小时级，三件事成立：
- 瓶颈移到 build 左右两边的环节——计划、评审/测试、部署，仍然以人的速度运行
- 控制措施和现实脱节：人工逐行评审在人写的时代合理，agent 写了大部分 diff 之后就跟不上了
- 治理成本上升：例外仍要走每周每月开会的委员会
一个直观的例子：安全团队按人的产出配比，agent 把代码产出翻几倍后，要么评审队列堆积，要么代码未经充分评审就上线——受监管的组织两者都不能接受，所以安全和策略检查必须跟上 agent 的速度。
AI 原生 SDLC：从线性到循环
传统流程是线性的，每阶段一个角色，靠文档、工单和签字交接。AI 原生 SDLC 把它变成一个循环，AI 嵌在每个点上，上一阶段的产出自动触发下一阶段。六个阶段的两端对比：
| 阶段 | 传统 SDLC | AI 原生 SDLC |
|---|---|---|
| Plan | 委员会收集需求，工作坊和签字蒸馏，手工撰写 | Claude 直接从源头综合痛点，写进人和机器都能执行的 intent.md |
| Design | 分析师写 spec，设计师解析 | 需求和设计压缩成与 agent 的一次工作会话，标准编码为 skills 进版本库 |
| Build | 测试和代码手写，文档事后补 | 测试和代码由 AI 生成，机构知识沉淀为版本化的 CLAUDE.md 和 skills |
| Test | 阶段边界上的 QA 门禁 | 持续 evals 织入实现过程 |
| Deploy | 人工逐行评审，治理散落在评审周期里 | 分层 agent 评审，人工评审留给受监管和关键代码；hooks 作为审批门，治理在 AI 行动的同时执行 |
| Maintain | 人盯生产环境找 bug | agent 监控在线部署，越界的控制带被诊断后写成新的 intent.md 回到循环 |
贯穿右列的主线是提交物（committed artifact）：每个阶段结束时向版本库写一个产物——intent.md、spec.md、plan.md、diff 和测试、带评审意见的 PR、事故记录——下一阶段以读它开始。早期阶段以 .md 文件为主，因为产品负责人和 agent 能读同一份文件并各自行动；从 Build 起产物变成代码及其记录。提交链同时就是审计链：谁要了什么、agent 产出了什么、谁批准的。人对每个需要判断力的决策负责，只是注意力随着必须评审的产物移动。
Plays：剧本化的落地单元
playbook 的主体是按六个非线性阶段组织的 plays。每个 play 覆盖五件事：改变了什么、怎么起步、具体实施步骤、治理考量、怎么衡量是否有效。plays 是模块化的，组织可以按自己的优先级在不同时间改造不同阶段；每个 play 标注了前置依赖，依赖图说明了采纳顺序。
运转方式是逐阶段演进的：一开始每个步骤靠手动 prompt，终态是一个循环——每个被接受的产物触发下一个门。比如一份被接受的 intent.md 触发需求和设计，批准的 spec.md 触发计划模式，合并的 PR 触发流水线，生产环境越界的控制带写下新的 intent.md，循环继续。人的注意力集中在门上，评审 agent 标记出的东西，而不是每个阶段从头开始。
以 Plan 阶段的第一个 play 为例：想法不再等别人来写成文档。意图以发起人自己的话、一次性捕获，成为版本库里的产物供下一阶段直接行动——来源可以是一个人的点子、一张工单，或 Stage 6 维护阶段冒出来的一个告警。
完整的六个阶段 plays（含每个 play 的步骤、治理和度量）在原文展开，适合工程负责人整篇精读。
本文翻译转载自 Anthropic 官方博客 The AI-Native SDLC playbook，作者 Louis Claxton，发布于 2026 年 8 月 21 日。