AI 写代码已经快到你不敢想象的程度了——那团队整体交付为什么还是那么慢？
Anthropic 应用 AI 团队最近发了一份官方手册《The AI-Native SDLC Playbook》，上来就是一句扎心判断：代码已经不是瓶颈了，瓶颈变成了代码周围那些还按人类速度运转的环节——需求规划、代码评审、安全审批、部署发布。
今天我把这份手册的核心拆给你看，顺便聊聊对我们这种小团队和独立开发者，到底哪些能直接用。
一、为什么说代码不再是瓶颈
传统软件开发有一套六阶段流程：规划、设计、构建、测试、部署、维护。这套流程设计的时候，假设”写代码是最耗时最贵的环节”，所以把大量控制机制堆在流程上。
但现在情况反过来了：构建阶段被 AI 压缩到几个小时，而规划、评审、部署这些环节还维持着原来的节奏。整个流程变成了一个沙漏形——中间快、两头慢。
Anthropic 的形容很形象：安全团队的人力规模是按”人类产出速度”设计的，Agent 把代码产出量放大数倍后，要么审查队列越积越长，要么代码在审查不足的情况下上线。受监管的组织两种结果都不能接受。
所以结论是：AI 原生 SDLC 不是把 AI 塞进旧流程，而是把流程本身重新设计一遍。
二、核心机制：把流水线改成一个循环
手册最核心的设计，是把传统的线性流水线改成一个循环，每个阶段都以提交一个版本化工件结束，下一阶段从读取这个工件开始：
- intent.md——规划阶段，发起人用自然语言和 Claude 头脑风暴，产出原始意图规格
- spec.md——设计阶段，Claude 读取 intent.md，在组织规则约束下生成需求和设计规格
- plan.md——构建阶段，Claude Code 进入 Plan 模式，先出书面计划，人质询批准后才能动代码
- 代码 diff + 测试——构建和测试的产物
- 带审查发现的 PR——部署阶段的评审记录
- 事故记录——维护阶段发现问题后，又写回一个新的 intent.md，循环继续
这一连串 commit 本身就是审计轨迹：谁提的需求、Agent 产出了什么、谁批准的，全在版本历史里，不用额外补审计动作。
人的角色也变了：人不再逐行审查代码，而是把注意力集中在闸口上——审查 Agent 标记出来的问题，做判断性决策。凡是需要判断的地方，人类承担最终责任。
三、构建阶段的三层约束：CLAUDE.md、Skills、Hooks
对用过 Claude Code 的人来说，这部分最有实操价值。Anthropic 把”AI 该怎么做”和”AI 不能做什么”拆成了三层：
第一层：CLAUDE.md（项目知识）
放在仓库根目录，记录项目怎么构建、怎么测试、各目录负责什么、哪些地方不能碰，以及 AI 经常犯的错误。Anthropic 给了一条非常实用的维护原则：AI 把同一个错误犯到第二次，就把纠正方法写进去。这些经验积累下来，等于给团队 AI 配了一本不断更新的”项目操作手册”。
第二层：Skills（组织知识）
比 CLAUDE.md 更聚焦，负责某一类反复出现的任务，比如迁移数据库、创建新服务、执行安全检查。团队验证过的步骤和踩过的坑，都能跟代码一起分发，版本化存在 git 里。安全规范也不只躺在文档里——写进 Skills，AI 生成代码时就直接遵守。
第三层：Hooks（红线护栏）
前两层是告诉 AI”应该怎么做”，Hooks 负责守住”绝对不能越过的红线”：AI 修改受保护文件、读取敏感信息、执行发布命令时，系统立即检查，不符合要求直接拦下。这是构建时的硬性护栏。
四、测试和部署：自检 + 持续 Evals
测试阶段，Anthropic 的思路是让 Agent 在给人类看之前先自检：把检查封装成一条命令（make test、npm test），设定可量化目标（所有测试通过、截图与设计稿一致），修 bug 时先写失败测试让 Claude 复现，确认测试失败后才让 AI 修。CI 里再跑持续 Evals——收集 20-50 个真实任务作为基准，模型切换、prompt 改写、Skill 更新时都要过 Evals 门禁，每个生产事故都会变成一条永久回归测试。
部署阶段，评审变成”双向运行”：多层 Agent 先评审，人工审查只保留给受监管和关键代码，Hooks 作为不可协商的审批闸口。维护阶段，Agent 监控生产环境，突破控制带就自动诊断，把发现写回循环——整个生命周期真正闭环了。
五、对我们小团队和独立开发者，能直接用的是什么
手册是给企业写的，但里面有四件事个人开发者和小团队今天就能用：
- 先上 Plan 模式：不管用 Claude Code 还是别的工具，让 AI 先出计划、列要改的文件、说怎么验证，你质询几轮再让它动手。这一条就能挡掉一半”方向错了白写”的翻车。
- 把 CLAUDE.md 当项目资产养：从第一天就维护，AI 犯过的错写进去，比口头提醒强一百倍。
- 给关键动作上 Hook：发布、改敏感文件、动生产配置这些操作，用 Hook 拦住让 AI 先问你再执行。
- 小步闭环：不要追求一次性把流程全改了，先从 Plan 和 Build 两个阶段开始，跑顺了再往测试、部署延伸。手册明确说这些模块没有强依赖，可以按需优先改造。想系统看 AI 编程工具怎么选，可以翻翻我的 AI编程工具专题；想把 Agent 串进日常工作流，AI智能体与自动化专题 里有更多落地案例。
我自己在维护博客和做自动化脚本时的体感是：AI 出代码从来不是问题，问题是”它改到哪了、为什么这么改、改完怎么验证”。这套工件链的思路，本质上就是把 AI 的中间过程变成可见、可审、可追溯的东西——这比 AI 本身更值钱。
老达点评
这份手册真正的价值，不是教你怎么用 Claude Code，而是提出了一个很尖锐的问题：当 AI 能把构建压缩到小时级，你的团队流程还是按”周”来设计的，中间差的那些时间去哪了？
答案很扎心：都被评审、交接、审批这些”人肉环节”吃掉了。Anthropic 给的方案是把控制从”事后审查每一行”变成”事前把规则写进 CLAUDE.md 和 Skills + 事中用 Hooks 卡红线 + 事后用 Evals 兜底”。说白了，把 AI 变成团队的一员，就得按管人的方式来管它——定规则、划红线、看结果，而不是盯过程。
当然，这套东西也有适用边界。它假设你的团队已经有成熟的工程规范可以沉淀，如果连测试都没有、连 CLAUDE.md 都不维护，那再好的方法论也落不了地。所以我的建议是：先跑起来，让 AI 帮你写第一份 CLAUDE.md，然后你就知道这东西的威力了。
