工程师以计划模式启动 Claude Code 会话,向 Claude 提供第 2 阶段:设计中已批准的 spec.md,并让它对他们进行"访谈",在他们满意之前不断迭代计划。
发生了什么变化
| 传统方式 | AI 原生方式 |
|---|---|
| 工程师阅读设计文档后就开始编写代码。改动将如何实现——具体到哪些文件、哪些测试——都留在工程师的脑海中,最多也就写在工单评论里。没有其他人能够进行审查。审查者看到的第一份内容就是已完成的差异(diff),而此时返工已经为时已晚,效率低下。 | 工作以一份由 Claude 在计划模式下生成的书面计划开始,在此模式下 Claude 可以在不做任何改动的情况下阅读代码库。工程师在代码编写之前就对计划进行修正,经批准的版本会作为 plan.md 提交,供后续阶段核对。 |
入门指南
- 前提条件:若已存在意图文档(
intent.md或spec.md),以及CLAUDE.md文件会很有帮助。 - 基础设施:具备仓库访问权限的 Claude Code。
如何执行
- 工程师以计划模式启动与 Claude 的会话。
- 工程师向 Claude 提供
intent.md和spec.md,并要求其给出一份实施计划,指明将要改动的文件、工作顺序以及能证明改动有效的测试。 - 通过提问来仔细审视该计划:这项改动可能破坏什么?哪一步风险最大?Claude 选择不采用的其他方案又有哪些?
- 不断迭代,直到一位从未参与过这次对话的工程师仅凭该计划就能实现这项改动为止。
- 将经批准的计划作为
plan.md提交。该计划会加入审计记录,PR 审查环节(第 5 阶段:部署)会将最终的差异(diff)与之核对。 - 接受该计划并让 Claude 进行实施。有了扎实的计划,实施往往一次通过。
- 当实施与计划出现偏差时,在同一次提交中更新
plan.md。可以考虑使用钩子(hook)来强制保持两者同步。
实际效果
下面的计划是某保险公司的一项改动:客户门户中的一个面板,用于显示理赔状态。该面板调用门户的后端 claims-api,后者从较老的内部系统 claims-core 读取数据。
plan.md:
# Plan: claims status self-service (from intent.md and spec.md)
## Files that change
portal/src/claims/StatusPanel.tsx (new), claims-api/routes/status.py, claims-api/tests/test_status.py
## Order of work
1. Add the status endpoint behind existing auth (R1, R2, R3).
2. Panel against the endpoint, with the 60-second cache (R1, R4).
3. Wire into the portal nav.
## Risks
The claims-core API rate-limits at 50 rps; the panel must cache (spec concern 3).
## Proof
test_status.py covers the four claim states (R2) and fails on any extra field (R3); screenshot matches the approved mock.R1 到 R4 是 spec.md 中编号的需求,而 concern 3 是 spec.md 中标记出的一项风险。由于该计划引用了这些编号,审查者可以逐行将计划与规格说明进行核对。
治理考量
设计审查发生在任何代码生成之前,此时调整方向仍只是修改文档的事。计划模式本身就强制要求这一点,因为在工程师接受该计划之前,Claude 无法编辑文件。该计划及其修订版本会连同批准人一起被记录下来。常规改动由工程师批准,而任何组织认定为更高风险的改动都会提交给技术负责人或架构师。
如何衡量
- 先行指标:从首次实施即合并的改动所占比例,以及从计划批准到 PR 合并所用的时间(该数据存于 PR 元数据中的所需字段)。
- 滞后指标:每项改动的返工次数(同样来自 PR 元数据),以及已合并的差异(diff)与已提交的
plan.md保持一致的频率。
自动模式下的 Claude Code
Claude Code 也可以在自动模式(在新标签页中打开)下运行,在该模式中,工程师对计划进行迭代并批准,随后 Claude 会应用每一项改动,而无需逐次编辑提示确认。随着后续环节中的护栏逐渐成熟(经过调优的 CLAUDE.md、编码了策略的技能、可拦截不安全操作的钩子,以及 Claude 能够运行的测试套件),自动模式会成为常规工作的默认方式:紧凑的 spec.md、较小的影响范围,以及测试已覆盖的代码。
这一转变,正是从用户观察智能体进行编辑并审查其操作,转向对长时间自主会话后产出的工件进行审查。当与工作树(worktree)结合使用时,自动模式还能进一步实现跨个人和团队的并行化处理,这对于实现 SDLC 的自主运行以及按照第 6 阶段:维护中所述闭环至关重要。
遗留系统与真实来源
现有的 SDLC 流程很可能已经在追踪各类工件,只是没有使用 Markdown 文件。工作项可能在 Jira 中,需求可能在具备内置合规可追溯性的工具中,设计可能在 Figma 中,而变更审批则通过变更委员会进行。这些系统很难被替代,因为审计人员和监管机构已经认可它们,而且其他团队也依赖于它们,因此 AI 原生 SDLC 必须围绕现有系统进行适配。对于流程所产生的每一种工件,应指定一个系统作为真实来源,其余系统则保留一份副本或链接。
您可以按照以下配置方式设置,按工件区分选择不同的真实来源:
- 以代码仓库作为真实来源。 Markdown 工件是权威记录,遗留系统通过提交(commit)引用文件。对于以工程为主导的组织而言,这可能是最简洁的配置之一,因为所有记录都存放在同一个工具中,拥有同一个时间戳权威。
- 以遗留系统作为真实来源。 Jira、ServiceNow 或需求工具持有权威记录,而 Markdown 工件则是工作副本。Claude 在会话开始时读取该记录,并在产出规格说明或计划的同一会话中,通过 Model Context Protocol(MCP)连接器将结果写回。
- 以链接关联作为最低标准。 所有工件都标注记录 ID,所有遗留记录中都包含对应 Markdown 文件的提交 SHA 值。在向 AI 原生 SDLC 过渡时,链接关联是一个不错的起点,因为此时存在两个真实来源。
只要两者之间存在链接,或者其中一方被明确指定为真实来源,遗留系统与 AI 原生的 Markdown 优先系统就可以并存。