智能体开发新需求¶

AI 智能体在开发中的角色¶

在真实项目中，AI 通常分 4 类角色：

需求理解/拆解 Agent
把 PRD → 技术任务列表
输出接口、模块、边界条件
代码生成 Agent
写 feature code / patch
生成 API / service / UI
测试 Agent
生成单元测试 / 集成测试
补边界用例
代码审查 Agent
review PR
找 bug / 性能问题 / 安全问题

推荐流程¶

Step 0：明确需求（Human + AI）¶

输入：

PRD / 用户需求 / issue

让 AI 做：

需求拆解
技术影响分析
不确定点列表

👉 输出物：

功能列表
API 设计草案
修改文件范围

Step 1：任务拆解（AI 最擅长）¶

让 AI 输出：

需要改哪些模块
每个模块做什么
依赖关系
风险点

👉 例子：

新增订单导出功能
- backend:
  - order service 增加 export API
  - query 优化（分页+筛选）
- frontend:
  - 新增导出按钮
  - loading + download handler
- infra:
  - 文件存储 / 临时文件清理

Step 2：代码生成（分块执行，不要一次性生成）¶

关键原则：

❌ 不要让 AI “一次写完整功能” ✅ 要拆成“小 patch + 可 review 单元”

做法：

每个模块单独 prompt
限定文件范围
限定 diff 风格输出

Step 3：自动生成测试¶

让 AI：

根据代码生成 unit test
补 edge case

例如：

空数据
并发请求
超长输入
权限异常

Step 4：AI Code Review¶

让另一个 AI agent 做：

找 bug
检查逻辑漏洞
安全检查（SQL injection / XSS）
性能问题

👉 很重要的一点：

review agent 必须和 coding agent 分离（类似双人审查）

Step 5：人类合并 + CI验证¶

最终：

人 review PR
跑 CI
再由 AI 辅助 debug failing test

主流使用方式（方法论）¶

PR Agent 模式（推荐）¶

流程：

issue → AI拆解
AI生成 branch + code
AI自动开 PR
AI review + test
人 review merge

工具思路：

GitHub Actions + AI bot
PR reviewer agent

多智能体（Agent Workflow，企业级）¶

典型结构：

Planner Agent → Architect Agent → Coding Agent → Test Agent → Review Agent

特点：

每个 agent 只做一件事
类似“软件工厂流水线”

适合：

大型项目
微服务系统
高频迭代团队

关键最佳实践（非常重要）¶

1. 不要让 AI “直接改整个项目”¶

必须：

限定文件范围
限定 diff
分步骤执行

2. 让 AI 输出“计划”比写代码更重要¶

80%价值来自：

设计
拆解
风险识别

3. 用“测试驱动 AI”¶

流程：

先让 AI 写 test → 再写实现

效果：

bug 大幅减少

4. 给 AI 提供“项目上下文”¶

必须喂：

目录结构
API规范
coding style
现有模块说明

否则质量会很差

5. 每个 agent 单职责¶

不要一个 AI：

又写代码 + 又 review + 又测试

会互相污染判断

实战流程模板（你可以直接用）¶

你可以这样用 AI：

① 输入需求¶

帮我实现 xxx 功能（附 PRD）

② 让 AI 输出：¶

技术方案
文件修改清单
风险点

③ 再问：¶

请按模块逐个生成 patch（不要一次性输出）

④ 再问：¶

为每个模块生成 unit test

⑤ 再问：¶

review 这段代码，指出 bug 和优化点

如果你想进阶（企业级玩法）¶

可以考虑：

OpenAI API + function calling
LangGraph / AutoGen / CrewAI
GitHub bot agent
CI/CD hook 自动 review