从0到1搭建AI自动化开发工作流：完整指南

你也可以直接拿我这套，我会把生成好的工作流引导文档放在评论区，复制就能用。工具用 Cursor、Codex、Claude Code 都行，思路通用。

这套流程不是一次成型的，需要边用边迭代，最后变成贴合你自己项目的那一版。

一、先看全景：这套工作流到底在干什么

一句话：把 AI 从”自由写代码”逼成”按文档跑流水线”。

整个链路是这样的：

策划需求 →[需求 skill]→ 详细需求文档（人工确认） →[技术文档 skill]→ 技术方案（人工确认） →[代码生成 skill]→ harness + 多 Agent 写代码 → 双 Review → 测试 → 提交 ↑ [Bug 解决 skill] 全程随时介入

关键词只有一个：前期把关。

需求和技术文档这两道关把住，后面就不会走歪。把关松了，后面 AI 跑得越快、错得越远。

二、让 AI 摸清你的项目

新项目还好。老项目代码堆成山，AI 一来两眼一抹黑，写出来的东西全是它脑补的。

所以第一件事，不是让它写代码，是让它读代码。

具体怎么做：

1. 打开你的工程根目录。
2. 让 AI 探索完整目录结构，把所有子目录和源文件过一遍。
3. 重点说清楚你的项目是什么类型。比如”我这是后端服务集群，重点看每个服务的目录划分、架构分层、主要源文件”。
4. 让它把梳理结果写成 ARCHITECTURE.md 一类的架构文档。

这份架构文档要让 AI 深度阅读代码后再产出，不是扫一眼目录就糊一份。它是后面所有事情的地基——AI 每次干活前都会读它，不会再凭空想象你的项目。

老项目尤其要做这一步。老代码 AI 改造起来最容易翻车，靠的就是这份地图。

三、立规矩

规矩不立，AI 写出来的代码风格五花八门。

你要把项目里的隐性规矩，全部显性化，变成 AI 看得懂的文件：

• 编码规范：命名、缩进、注释、错误处理风格
• 配置表生成协议：表怎么命名、字段怎么导、对应到哪个结构体
• 代码生成协议：模板代码长什么样、放在哪、不能改哪些
• 数据库表生成规则：建表规范、迁移流程
• 具体功能模块约定：模块边界、调用约束

这些一开始可能不全，没关系，遇到一次错就补一条。规矩越细，AI 走偏的概率越低。

规矩铺好后，整条开发链就靠四个核心 skill串起来：

编号 skill 干什么 ① 需求 skill 把策划那份”标题党”扩成可执行的详细需求 ② 技术文档 skill 把需求翻译成模块/接口/数据结构的技术方案 ③ 代码生成 skill 按技术文档分任务、分 Agent 把代码写出来 ④ Bug 解决 skill 卡住时按固定套路定位、修复、防回归

下面四节，挨个讲。

四、需求 skill ①：把策划文档扩成详细需求

策划丢给你的需求文档，通常是这样的：标题一句话，正文几行，剩下全靠你猜。

直接喂给 AI，AI 也会猜。猜歪了就完蛋。

所以做一个需求生成 skill：

• 输入：策划给的原始需求
• 处理：AI 按固定模板补全细节，包括场景、边界条件、异常处理、数据流向、影响范围
• 输出：一份详细的 需求文档.md

这一步必须人工确认。

逐条看 AI 补出来的细节，挑出偏离原意的、漏掉的、误解的，让它改。改到你觉得”对，就是这个意思”为止。

这一关把住，技术文档就稳了一半。

五、技术文档 skill ②：把需求翻译成技术方案

需求文档确认完，再让 AI 写技术文档：

• 涉及哪些模块
• 数据结构怎么改
• 接口怎么定
• 调用链路怎么走
• 哪些地方有兼容性风险

这一步还是要人工确认。

看思路对不对。如果 AI 选的方案不是你想要的，直接告诉它换思路，或者你来指方向让它细化。

记住：整个工作流最值钱的时间，就花在确认需求文档和技术文档这两步。 前面磨刀两小时，后面砍柴十分钟。

六、代码生成 skill ③：上 harness，按文档写代码

技术文档确认完，才轮到写代码。

代码生成 skill 干的是：把技术文档拆成任务清单，分给多个 Agent，按规则一步步落地。这里就要用到 harness（受控流水线） 这个概念——AI 不再自由发挥，而是按文档一步一步执行。

具体怎么搭：

1. 把开发任务拆成多个小任务。一个任务一个目标，不要混。
2. 多个 Agent 分工协作。比如一个写业务逻辑，一个写单测，一个改配置。
3. 每个 Agent 干活前，强制读架构文档 + 规范文档 + 技术文档。
4. 配 hook：每完成一个任务，自动更新相关文档和索引，保证 AI 下次进来读到的是最新的。

这样 AI 就从”自由码农”变成”流水线工人”。看起来束缚多，实际产出反而更稳。

七、Bug 解决 skill ④：卡住时按套路排错

代码跑起来必然遇到 bug。这时候千万别直接丢一句”报错了你看看”给 AI，它会满屏乱改。

做一个 Bug 解决 skill，强制 AI 按固定流程走：

• 输入：完整报错日志 + 复现步骤 + 期望行为
• 处理：列出嫌疑文件和函数（不准乱改无关代码） 给出假设：bug 是哪一行、为什么触发 加日志或最小改动验证假设 假设成立后再提修复 patch 评估影响范围，列出可能被波及的地方
• 输出：修复 patch + 改动原因 + 回归检查清单

这套 skill 最大的价值是防止 AI 乱试。没有它，AI 会一边改一边引入新 bug；有了它，每一步都有据可查。

调试卡住时也用它——AI 按这套套路输出假设和验证步骤，你来判断方向对不对。

八、双 Review

代码写完不等于完事。强制 两轮 Review：

1. 第一轮：逻辑 Review。看实现思路对不对，有没有漏边界条件，有没有违反技术文档。
2. 第二轮：语法 / 编译 Review。看能不能过编译、有没有 lint 报错、有没有运行时低级 bug。

可以让两个不同的 Agent 跑这两轮，互相挑刺。一轮自己写一轮自己审，等于没审。

九、测试方案

Review 过了，再用测试把活儿钉死。

让 AI 看完项目代码，推荐适合的测试方案。常见几种：

• BDD 测试：行为驱动，适合业务逻辑复杂的项目
• GoogleTest：C++ 主流，单元测试
• Catch2：C++ 轻量级，语法友好

老项目改造阶段，别一上来就追求 100% 覆盖。先给改动到的核心路径补测试，慢慢扩。

测试方案选完，写进规范文档，以后 AI 写代码就会顺手带上对应的测试。

十、按 Git / SVN 做个性化调

工作流最后一公里：版本控制。

• 用 Git 的：让 AI 帮你写提交信息、拆 commit、走 PR 流程
• 用 SVN 的：让 AI 帮你按改动范围写 changelog、控制提交粒度

把你团队的提交规范也写进规则文件，AI 提交时就会照做。

十一、持续迭代

这套工作流不是一次成型的。

每次翻车记一条：是哪步漏了、是规则没写清、还是文档没更新。

然后回头补：

• 规则不够细 → 补规则文件
• 架构文档过时 → 让 hook 自动更新
• 需求 skill 漏字段 → 补模板
• Review 总漏同一类问题 → 加一条专门的检查项

跑得越久，工作流越贴合你的项目。半年后回头看，这套东西就是你的”第二大脑”。

总结：五句话记住

1. AI 不知道你的项目，先让它读，再让它写。
2. 规矩显性化，AI 才不会瞎发挥。
3. 四个核心 skill 串起整条链：需求 → 技术文档 → 代码生成 → Bug 解决。
4. 需求文档和技术文档两步必须人工确认，把关松了后面全白搭。
5. harness + 多 Agent + 双 Review + 测试，把”自由写代码”变成”流水线生产”。

工作流不是一次搭好的，是一边用一边长出来的。

今天先搭骨架，明天补一条规则，后天加一个 hook。三个月后你会发现，AI 已经能稳定接下 70% 的活，你只要做那 30% 最值钱的判断。

来解放双手 翘起 AI 给程序员真正的杠杆