Anthropic 近期发布《The AI-Native SDLC Playbook》（AI 原生软件开发生命周期手册），旨在重构 AI 时代的研发流程。目前，Anthropic 内部约 80% 的合入代码由 Claude 编写，编码效率显著提升，但需求确认、代码评审、测试及发布等环节仍沿用传统节奏，导致整体交付速度并未同步加快。
为解决这一瓶颈，Anthropic 提出将规划、设计、构建、测试、部署和维护六大阶段全面适配 AI 能力，实现从“单向流水线”到“自动化闭环”的转变。
────01｜代码加速后，旧流程为何成为瓶颈？────
传统软件开发以“编码耗时最长”为前提设计，角色分工明确，通过文档和审批流转。当 AI 将 Build 阶段压缩至几小时，原有的平衡被打破：
- 审查拥堵：Agent 一次性生成大量文件，而 Reviewer 和安全团队人力未增，导致审查队列积压。
- 风险失控：为赶进度可能跳过充分检查，或在合规要求下无法上线，两条路均不可行。
Anthropic 的核心思路是：让 AI 贯穿整个生命周期，人则聚焦于需要判断力和授权的关键节点。
────02｜AI Native 的核心变革：从流水线到闭环────
传统研发是单向传递，而 AI Native 模式将其改造为一个基于版本化产物的 Loop（闭环）：
- 产物驱动：每个阶段产出标准文档（如
intent.md、spec.md、plan.md），既供人审核，也可作为触发下一阶段 AI 执行的指令。 - 自动触发：审核通过的
intent.md触发设计，获批的spec.md触发计划，合并 PR 触发 CI/CD，线上异常触发新的intent.md。 - 全程审计：Git 提交历史完整记录需求提出、AI 生成及人工批准过程，确保可追溯。
────03｜六大阶段实战指南────
1. Plan：用 intent.md 固化意图
不再直接撰写繁琐的需求文档，而是通过与 Claude 对话厘清问题影响、预期结果及限制条件。Claude 根据团队模板生成 intent.md，由提出者修正偏差，产品负责人确认后入库。此举保留了原始意图，避免多层转述导致的信息失真。
2. Design：前置安全与合规审查
Claude 读取 intent.md 及团队的 Skills（品牌、安全、合规规范），生成 spec.md，明确功能逻辑、数据流及系统影响。产品、安全及技术负责人在此阶段介入，将潜在问题拦截在编码之前，避免后期返工。
3. Build：Plan Mode 先于编码
严禁 AI 直接修改代码。工程师需引导 Claude 进入 Plan Mode，列出修改文件、实现顺序及潜在影响，生成 plan.md。经人工确认计划无误后，方可执行。
- CLAUDE.md：记录构建命令、代码约定及常见错误，控制在单页以内以节省上下文。
- Skills & Hooks：固定做法封装为 Skills，红线操作（如读取密钥）通过 Hooks 拦截。
- Subagent：复杂任务拆分至独立 Git worktree，并行处理互不干扰。
4. Test：建立反馈循环与 Evals
不以 AI 声称“完成”为准，而以测试结果为准。Agent 需自行运行测试、读取失败信息、修复代码并再次验证，形成闭环。此外，引入独立会话进行复核，并建立 Evals（评测集）：
- 每次模型升级或配置变更时运行 Evals，监控性能退步。
- 将线上故障转化为回归测试用例，长期运行。
5. Deploy：人机协同的最后闸门
Claude 可兼任 PR 作者与 Reviewer，依据 spec.md 和 plan.md 自查逻辑与安全。低风险改动可由 Agent 多层审查，高风险代码仍需人工复核。
在生产环境发布前设置“最后闸门”：Agent 完成所有准备工作，但执行发布命令时需 Hook 拦截，等待具名负责人批准。
6. Maintain：线上问题反哺开发
上线并非终点。Agent 持续监控生产指标，异常时进行只读诊断并提出建议。工程师确认处理后，将此次故障转化为新的 intent.md，重新进入 Plan 阶段，形成闭环。
────04｜落地建议：从痛点切入────
团队无需一次性配齐所有工具，可根据当前瓶颈分步实施：
- 基础层（无前置条件）：使用
intent.md规范需求；维护CLAUDE.md减少重复错误；建立测试反馈循环；通过 Hooks 控制高风险操作；强制使用 Plan Mode。 - 进阶层：将成熟经验封装为 Skills，使用 Subagent 处理重复任务，通过 Evals 监控配置变更影响。
- 高层：逐步接入 AI 辅助需求设计、PR 审查及 CI/CD，最终实现线上监控自动触发开发循环。
────结语：让人聚焦核心价值────
AI 极大提升了代码生成速度，但也带来了人类认知带宽的挑战。Anthropic 的方案本质是通过 AI 过滤信息，让人类注意力从琐碎的代码行间解放出来，集中在意图审核、风险把控和生产决策等关键环节。
对于希望尝试的团队，建议从编写一份清晰的 CLAUDE.md 开始，明确构建规则与禁忌，这是建立 AI 原生流程的第一步。
参考资料：