1 篇博文 含有标签「AI 原生 SDLC」

AI 进入软件研发以后，最容易犯的错误，是在原有 SDLC 的“编码”节点旁边放一个聊天机器人，然后宣布团队已经完成 AI 转型。

真正的变化更深：代码生成不再是主要稀缺资源，问题选择、上下文、验证、风险判断、发布反馈和人类注意力才是。团队如果只提高生成速度，结果通常不是更快交付，而是更多 PR、更长评审队列、更高变更风险和更快积累的技术债。

因此，AI 原生 SDLC 不是“AI 帮人写代码”，而是一套新的工程操作系统：

人类定义结果、边界和风险；Agent 在隔离环境中执行；确定性系统与独立评审生成证据；发布系统控制影响面；生产反馈再写回任务、规则、测试和组织知识。

本文基于截至 2026 年 8 月 30 日可获得的一手资料，重点参考：

• Claude Code 团队的 JIT 规划、Dogfood、专家评审和扁平 Pod；
• Anthropic Security 对 Plan、Code、Test、Deploy、Monitor、Governance 的 AI 原生安全改造；
• Spotify 的 Backstage、Golden State、Fleet Management、Honk、Verifier 与 LLM Judge；
• OpenAI 的 Harness Engineering、仓库内知识、隔离环境、Agent 可观测性与任务编排；
• DORA 2025 对平台工程、交付吞吐、稳定性和信任的研究。

文章会给出完整链路、最细阶段流程、可复制模板、风险路由、工具地图、指标体系与 90 天建设计划。