本仓库从三个层次递进阐述人机协同的工程变革框架:
graph LR
VC[Vibe Coding<br/>个人 · 开发者日常工作模式]
AND[AI Native DevOps<br/>团队 · AI 嵌入研发流程]
ANA[AI Native Architecture<br/>应用架构 · AI 嵌入产品系统]
VC -->|术语基础| AND
VC -->|术语基础| ANA
AND -->|流程约束| ANA
ANA -->|架构支撑| AND
| 层次 | 关注范围 | 核心命题 | 入口文档 |
|---|---|---|---|
| Vibe Coding | 个人 | 开发者如何以"意图、约束、契约"为输入,让 AI 出草稿、人工审核、门禁把关 | vibe-coding-intro-for-traditional-dev.md |
| AI Native DevOps | 团队 | AI 如何增强软件交付全流程(需求 → 设计 → 建模 → 规范 → 实现 → 验证 → 交付 → 演进),各阶段谁来负责 | ai-native-devops/ai-native-devops.md |
| AI Native Architecture | 应用架构 | AI 如何安全、可控、可度量地嵌入产品系统——不是处处用 LLM,而是该用 Tool 的地方用 Tool,该用 Agent 的地方才用 Agent | ai-native-architecture/ai-native-architecture.md |
共同立场:最终决策、风险承担、上线责任与跨团队仲裁仍由明确的人工 Owner 承担。
Vibe Coding 是把 AI 作为研发第一类协作者的工程范式:开发者以意图、约束、契约为输入,AI 以草稿、候选方案、自动验证为输出,最终代码、测试与规范全部经过人工审核与可验证门禁才进入主线。
四个基石概念:
- Agent:自主推理与行动
- MCP:Agent 调用 Tool 的标准化协议
- A2A:Agent 间通信协议
- Skill:固定 SOP 编排
贯穿三层的基础判断——成本金字塔:
Tool(最便宜) ← 确定性能力,无幻觉,低成本 → 能用 Tool 就不要用 Agent
Skill(中等) ← 固定流程编排,少量 LLM 参与 → 流程确定就走 Skill
Agent(最贵) ← LLM 推理循环,token 成本,有幻觉风险 → 只有"新颖决策"才用 Agent
Skill 的深入解读(What / When / How + Claude Code 与 QoderWork 内置 Skill 清单)见 skill-deep-dive-for-traditional-dev.md。
8 阶段框架:P1 愿景→PRD → P2 原型/UI → P3 领域建模 → P4 OpenSpec 规范 → P5 实现与测试 → P6 质量验收 → P7 部署交付 → P8 变更演进。
每阶段明确:AI 输入、AI 输出、建议工件、人工确认点。关键工件(PRD、领域模型、OpenSpec、部署决策)必须经过人工签字才能进入下一阶段。
核心治理机制:分级发布策略、RACI 责任矩阵(A=最终负责、R=执行、C=咨询、I=知会)、AI 贡献度指标。
| 文件 | 说明 |
|---|---|
ai-native-devops/ai-native-devops.md |
主文章:8 阶段框架、AI 参与度、治理机制、指标与实施路线 |
ai-native-devops/ai-native-devops-sample-change-walkthrough.md |
演练模板:"订单取消"场景的全链路 AI 辅助变更 |
ai-native-devops/ai-native-devops-panorama.html |
全景图(可交互 HTML) |
核心立场:AI-Native ≠ 处处用 LLM。通过 Agent / Skill / Tool 三层金字塔模型,让架构决策带上成本意识。
三层定位:
| 层 | 本质 | 何时使用 |
|---|---|---|
| Agent | 不确定下多步推理 | 目标明确但路径不可枚举,需经验沉淀 |
| Skill | 确定性流程编排 | SOP 已明确,安全压倒一切 |
| Tool | 原子能力(通过 MCP 暴露) | 输入输出确定,可回测,不需要 LLM |
三问决策启发法(每项 AI 能力接入前必问):必须用 Agent 吗?→ 能接受不确定性吗?→ 治理平面覆盖了吗?
五个常见反模式:Agent 化一切、LLM 直接控物理设备、治理平面缺失、MCP Server 裸转发、Agent 缺终止条件。
| 文件 | 说明 |
|---|---|
ai-native-architecture/ai-native-architecture.md |
电网交易案例驱动,推导三层金字塔模型 |
ai-native-architecture/ai-native-architecture-diagram.html |
交互式金字塔架构图(点击卡片查看本质、KPI、安全约束) |
ai-native-architecture/ai-native-architecture-diagram-article.md |
架构图设计理念说明 |
CloudPilot 云管平台 MVP 是三层框架交汇的具象验证:以 Vibe Coding 为日常工作模式,走通从访谈到可运行代码的完整链路(P1-pre → P7: 实现)。按 Architecture 三层模型落地:报价走 Tool(确定性计算)、审批走 Skill(固定 SOP)、智能推荐走 Agent(需经验沉淀)。
/cloudpilot-demo 一键重放全链路(8 个阶段,22 个 Skill/Agent),所有 Prompt 可复现。Skill 清单(已实现 13 个 / 待实现 9 个)见 cloudpilot-case/README.md §Skill 清单。
| 文件 | 说明 |
|---|---|
cloudpilot-case/README.md |
案例总览、工件追溯表、Skill 清单、全部可重放 Prompt |
cloudpilot-case/ 下各工件 |
01-interview-notes.md → 02-prd.md → cloudpilot-mockup.html → 03-ddd-modeling.md → 04-openspec/ → 05-p5-code-bridge.md → 06-p5-implementation-workflow.md |
cloudpilot-demo-nav.html |
Demo 导航台:交互式阶段时间线 + 人机协同流程图 + 工件预览弹窗 |
| 角色 | 建议入口 |
|---|---|
| 所有读者 | vibe-coding-intro-for-traditional-dev.md — 先建立 Agent / MCP / A2A / Skill 统一术语基础 |
| 产品经理 | ai-native-devops/ai-native-devops.md §1, §4.1, §7.6, §9.2, §10.4, §11.1 — 需求结构化与 AI 参与边界 |
| 架构师 | ai-native-devops/ai-native-devops.md §4.3, §4.4, §7.2, §7.3, §7.8, §7.9 + ai-native-architecture/ai-native-architecture.md 全文 |
| 开发与 Tech Lead | ai-native-devops/ai-native-devops.md §4.5, §4.6, §6.1, §7.4, §7.7, §12 + cloudpilot-case/ |
| 平台 / SRE 与 QA | ai-native-devops/ai-native-devops.md §4.6, §4.7, §7.5, §7.8, §9, §11.3 |
| 想深入理解 Skill 的开发者 | skill-deep-dive-for-traditional-dev.md — Skill 的 What / When / How + 常见内置 Skill 清单 |
| Demo 演示者 | .claude/skills/cloudpilot-demo/ — /cloudpilot-demo 一键重放 + 演示者手册(讲解要点、常见 Q&A) |
| 资源 | 说明 |
|---|---|
| domain-driven-design-skills | DDD Skill 开源项目(战略建模 → 战术建模 → OpenSpec 桥接) |
| OpenSpec-practise | CloudPilot 的 P5-P7 补充案例:同一套 spec 结构驱动 Node.js + Python 双实现 |
详见 LICENSE。