AI 原生 SDLC 实战指南

Fri, 21 Aug 2026 00:00:00 +0800

Note

如何用 AI 逐阶段改造你的软件开发生命周期。

代码不再是瓶颈 Link to heading

各类组织已经开始用 AI 以一年前难以想象的速度编写代码，然而围绕代码的流程却没有以同样的节奏改变。

许多工程团队仍然沿用相同的审批关卡、评审、交接和策略，拖累了使用 Claude Code 这类 agentic 编码解决方案所取得的效率提升。

软件开发生命周期（SDLC）是将软件从想法推进到生产环境的过程。大多数组织都在运行某种形式的相同六个阶段，涵盖软件的规划、设计、构建、测试、部署和维护。传统上，每个阶段都是由不同角色负责的独立环节：产品经理撰写需求，技术架构师将其转化为设计，工程师实现设计，受监管企业的 QA 团队进行验证，发布团队负责上线，运维团队监控运行情况。工作通过文档、工单和签字确认在阶段之间流转。

传统的软件开发生命周期（SDLC）流程繁重，目的是确保每一步都有人负责、都在掌控之中。然而，传统 SDLC 是为了在“编写和实现代码是最耗时、最昂贵的阶段”的时代实现效率最大化而设计的，而这一点如今已不再成立。PRD、估算仪式和产品安全评审的存在，都是为了在可能长达数周、数月甚至数个季度的开发工作中强制各方对齐。

传统 SDLC 的另一大特征是，其控制措施都假设每一步都由人来完成。那些创造最多价值的组织已经围绕 agentic AI 现在所能做的事情重建了流程，同时确保人类始终参与其中。在本指南中，我们将介绍 Applied AI 团队在 SDLC 的每个阶段内部集成 Claude 的若干最佳实践，以加速开发、让流程运转得更快——这些实践源于我们与客户的合作。

当代码不再是瓶颈、构建阶段的运行速度超过了传统 SDLC 所能容纳的范围时，有三件事会成立：

瓶颈会转移到构建阶段前后的环节，主要是规划、评审/测试和部署，它们仍以人类的速度运转。
控制措施不再符合现实，变得难以应付。当代码由人编写时，逐行人工审查是合理的；但一旦 Agent 撰写了 diff 的大部分内容，人工审查就跟不上了。
治理成本上升，因为例外情况仍然要通过每周或每月才开一次的会议和委员会来处理。

构建不再是制约因素——它周围那些以人类速度运转的环节才是。以人类速度运转的阶段维持原有时长，而构建则缩短到数小时。

以安全瓶颈为例。安全团队的规模是按人类产出来配置的，因此当 Agent 使代码产出成倍增长时，要么评审队列越积越长，要么代码在评审不足的情况下上线。受监管的组织无法接受任何一种结果，因此其安全和策略检查必须跟上 Agent 的节奏。

为了更好地实现 agentic AI 的生产力提升并保障其安全，传统 SDLC 生命周期需要经历与实现阶段同等程度的转型。

什么是 AI 原生 SDLC？ Link to heading

AI 原生 SDLC 是一个重新构想的过程，它将旧有的控制目标与新的执行方式相结合。流程不再是线性推进，而是变成一个循环，AI 被嵌入到每一个节点。AI 原生 SDLC 提倡自动化的交接和后续打法的触发，有助于解决传统 SDLC 各阶段之间手工、笨拙的交接问题。

Louis Claxton on Chang

AI 原生 SDLC 实战指南

代码不再是瓶颈 Link to heading

什么是 AI 原生 SDLC？ Link to heading