一句话摘要
在 AI 编程时代，个人生产力上限正在被抬高。真正的核心竞争力不再只是“写得快”，而是能否通过文档、计划和测试，把不确定的 agent 行为约束为可复用、可验证、可迭代的工程流程。
目录
1. 文档主导工作流
适用场景：需求复杂、影响范围大、多人协作、需要可追溯决策过程的项目。
流程步骤
-
发散需求 让 AI 讨论和挑刺、做头脑风暴、调研同类产品。 这一阶段不急着落代码，只处理业务目标、边界与优先级。
-
写 PRD（核心项目资产） PRD 最少包含：
- 术语表：统一项目语义，避免沟通歧义。
- 交互方式：明确关键交互路径和用户反馈。
- 验收标准/边界定义：为后续测试与回归提供锚点。
-
plan + review
先基于 PRD 生成计划，再进行多轮 review，确保任务拆分可执行、可验收。 -
实现 进入编码阶段。这里强烈推荐配合 worktree 并行推进正交任务，减少上下文切换损耗。
-
功能测试 + 迭代 如果出现偏差，优先回到文档检查“定义是否正确”，而不是只在代码层补丁式修复。
-
人工 review 对业务一致性、架构风险、测试覆盖进行最终兜底。
小结
文档主导的本质是：先把“为什么做、做到什么算完成”说清，再让 AI 高速执行“怎么做”。
2. 原型主导工作流
适用场景：需求模糊、体量较小、需要快速看效果的任务。
流程步骤
- AI 快速开发原型
- 按反馈快速迭代
- 通过代码反向生成文档
- 转入文档主导流程，进入规范化开发
小结
原型主导更像“先看样子再收敛定义”，文档主导更像“先定规则再规模化执行”。两者不是对立关系，而是前后衔接关系。
3. 零散的实践结论
3.1 显式要求 agent 采用 TDD
TDD 对 agent 的价值非常直接：
- 每轮目标更小，agent 不容易“脑补过度”。
- 测试先行，需求变成可执行文档。
- 代码改动引入回归时更容易第一时间暴露。
- 你始终知道“现在为什么改、改完是否正确”。
3.2 文档生命周期：用后即弃 vs 持续维护
二者都可以成立，但在长期项目中，持续维护文档的收益更高。
为什么持续维护文档重要
1 角色升级
业务需求 > 技术实现。工程师需要逐步从“执行者”升级为“方向与质量的监管者”。 在现阶段，agent 的自主性与长期记忆仍无法替代人类，因此你仍需理解项目深度。
2 带宽扩大
生产力提升后，单人可管理的项目规模和数量都会增加。 为了降低记忆与沟通成本，必须提升抽象层级，从代码视角转向文档视角。
虽然会损失部分细节，但能保留核心骨架，且维护成本通常更低。 在 agent 协助下，文档到代码的转换成本持续下降，自然语言与代码实现之间的边界会越来越模糊。
长期看，工程师会更多关注架构与行为逻辑，而不是把时间消耗在语法细节上。 在 agent 解决长期记忆和主动性问题之前，维护高质量文档仍是阶段性的最佳实践。
3.3 其他操作建议
- 计划先行（plan）
- 让 agent 写测试
- 善用 skill 把固定手动流程脚本化，例如：改完自动编译、跑测试、读日志，减少重复劳动和上下文切换。
- 关注骨架而非细节
- 工具轻量化
- 明确工作流应用场景
小结
在 AI 时代，稳定产出的关键不是让 agent 一次写对所有代码，而是让计划、测试、文档和工具链形成闭环。这样才能在规模上升时保持质量与节奏。
4. 总结
对于大规模、定义明确的 feature，我们以文档为核心主导开发。
对于重要且容易描述的 feature，我们持续维护文档，把文档作为长期资产。
对于其他 feature，我们按成本和收益灵活选择策略：
- 当 feature 较小，或定义仍不清晰时，以原型开发为核心，快速试错与迭代。
- 当小 feature 逐步演化为定义明确的大 feature 时，再切回文档主导流程，对其进行系统化重构与治理。
部分信息可能已经过时