← 返回方法论

智能体产品开发 SOP(AI Coding 版)

面向智能体产品开发的个人 SOP:框架选型、方案设计、开发调试到交付归档,Claude Code + Superpowers 全流程速查

  • AI-Coding
  • Agent
  • SOP

适用范围

面向使用 AI Coding 开发智能体产品的个人 SOP。当前处于 PoC 积累期:技术验证、流程沉淀与经验记录。适合自己速查,也可让零经验新人按步骤执行。

0. 核心原则

  1. 前期讨论清楚再动手:方案未确认就写代码,通常意味着返工。
  2. 先框架后细节,增量迭代:按 PoC → MVP → V1.0 推进,每一步在已有框架上加功能。
  3. AI 产出必须人审:开发者必须审核 AI 输出。
  4. 调试遵循系统方法:不猜测修复;分层验证,定位根因后再修改。

1. 工具基础:Claude Code + Superpowers

1.1 核心命令

命令作用最佳使用时机
/compact主动压缩上下文,释放空间完成一个任务后;上下文占用超过 60% 时。压缩时说明保留范围:当前目标、已完成内容、剩余 TODO
/security-review安全审查有 SQL 注入、XSS、认证授权、不安全数据处理、依赖漏洞等风险时
/context查看上下文占用任务变慢或开始”变飘”时

1.2 Bundled Skills

命令机制用法
/simplify三 Agent 并行审查:复用性、质量、效率/simplify 全量;/simplify ClassName 指定模块
/loop定时调度或自主迭代直到目标达成/loop 30m /review;/loop "修复所有测试直到通过"
/debug排查 Claude Code 自身问题MCP 连接、工具调用或权限异常;CC 卡住/报错时优先运行

1.3 使用习惯

技巧用法建议
@文件 / @文件夹/指定上下文用已确认的资料目录,避免口语化模糊指令并减少 Token 消耗
btw 问题临时对话查询 API 用法、语法等小问题,不污染当前任务上下文
--dangerously-skip-permissions跳过确认仅个人练手时使用
/compact + 保留范围主动压缩超过 60% 上下文时使用,明确保留当前目标、已完成项和 TODO

1.4 Superpowers Skills 速查

只要有 1% 概率适用就必须调用。优先使用流程技能(如 brainstorming、debugging)确定”怎么做”,再使用实现技能(如 TDD、writing-plans)指导执行。TDD、debugging、verification 等刚性技能不得跳步。

Skill何时使用一句话说明
brainstorming所有新功能、设计或创意工作前需求澄清 → 2–3 个方案对比 → 选定 → 输出 Spec
systematic-debuggingBug、异常或非预期行为根因调查 → 模式分析 → 假设验证 → 修复;禁止猜修
test-driven-development实现功能或修 Bug 前RED → GREEN → REFACTOR,先写会失败的测试
writing-plans已有 Spec,准备编码前生成分步实施计划,含文件结构、步骤和测试策略
subagent-driven-development执行实施计划每个 Task 交由独立子代理完成,并做双阶段 Review
dispatching-parallel-agents两个及以上独立任务可并行时每个问题域一个 Agent,互不干扰并行推进
executing-plans无子代理环境执行计划加载计划 → 逐 Task 执行 → 验证
verification-before-completion准备宣告完成前没有验证证据,就不能说”通过”
requesting-code-review功能完成或合并前独立 Reviewer 消除作者盲区
receiving-code-review收到 Review 反馈时理解 → 验证 → 技术评估 → 实施,避免情绪化或盲目接受
finishing-a-development-branch实现完成,准备集成时验证测试后选择 merge、PR 或 cleanup
using-git-worktrees需要隔离工作区先检测已有隔离,优先原生工具,再 fallback 到 Git worktree
writing-skills创建或编辑 Skill 文件时将 TDD 用于文档:写测试场景 → 验证失败 → 编写 Skill
using-superpowers每次对话开始建立 Skill 发现规则,避免遗漏

1.5 /simplify 与 Code Review 的选择

场景优先使用原因
刚重构一个函数,想确认无冗余/simplify自动做复用、质量、效率三维检查,可修复无用 import、重复逻辑等
完成复杂模块,准备合入 mainrequesting-code-review独立 Reviewer 审视,减少作者盲区
同事在 PR 留了多条意见receiving-code-review逐条验证与技术评估,决定接受或反驳
深夜完成代码,想先自查/simplify无需真人参与,AI 自查即可

常用流程组合:

  • 新功能:brainstorming → writing-plans → subagent-driven-development → verification
  • 修 Bug:systematic-debugging → test-driven-development → verification
  • 重构:writing-plans → subagent-driven-development → requesting-code-review

2. 开发前:调研与方案设计

2.1 AI 辅助框架选型方法论

Step 1:明确需求与约束(输入对齐)——把业务场景转换成技术选型标准。向 AI 描述业务背景、团队技术栈、部署环境、性能/安全要求,要求其提炼选型维度(语言生态、多 Agent 能力、MCP 支持、生产就绪度、社区活跃度),并指出”一票否决项”。

Step 2:广撒网调研(信息收集)——先不预设语言,要求 AI 搜集主流和新兴框架,按语言分类,列出 6–8 个候选(商业/开源均可),按多 Agent 协作、MCP/A2A 生态、生产就绪度、学习曲线输出初筛表。

Step 3:深度对比与业务映射(方案分析)——提供用户角色、核心功能流、扩展预期,要求 AI 对每个候选做业务映射、Gap 分析、架构建议和排除建议,输出适配度评分表。

Step 4:交叉验证与答疑(排除法)——主动挑战推荐结果(“为什么不是 X?”),区分官方原生实现、社区方案、Demo 能力与生产级能力,并要求 AI 绘制架构图检查模块划分是否自洽。

Step 5:输出决策文档(固化结论)——形成可汇报、可执行的选型结论:候选对比表、推荐方案、风险点、落地路线图、一句话结论及排除原因。

选型关键原则:

原则说明
先发散后收敛Step 2 不限制语言/框架,Step 3 再以业务场景过滤
带着质疑使用 AIAI 可能混淆社区版与官方版;关键结论必须要求来源或官方文档链接
图文结合复杂架构用 Mermaid;比纯文字更易发现模块矛盾
迭代深挖一轮对话不足时,针对关键框架继续调研官方文档/源码

2.2 PRD 与方案设计

PRD 产出遵循:北极星 → PoC → MVP → 正式版本。

/brainstorming 方案设计 SOP:

做什么用什么注意事项
梳理产品需求与技术可行性/brainstormingAI 提供建议,开发人员必须把关
提供背景资料@docs/ 指定文件/目录传入相关设计文档、API 文档和竞品资料
讨论 2–3 个技术方案并选定brainstorming 引导重点关注可扩展性与实现成本
输出技术设计文档/writing-plans + 人工审核审核修改后归档

步骤:背景资料放入 docs/ 对应子目录 → 用 @docs/相关文档 加载需求或背景 → /brainstorming 启动讨论 → 逐步确认功能范围、技术选型、模块拆分、接口定义 → /writing-plans 输出技术设计文档。

实战要点:复杂问题用递进方案(PoC 零基建快速验证 → MVP 轻量基建 → V1.0 平台协作);在 brainstorming 中主动提出安全与性能约束;设计文档保存至 docs/,讨论过程沉淀为方案对比表。

3. 开发中:编码、集成与调试

3.1 开发流程

做什么用什么注意事项
按计划逐模块实现/subagent-driven-development每个 Task 使用独立子代理
提供背景知识@docs/加载文档、技术设计和踩坑记录
代码质量把关/requesting-code-review + /receiving-code-review + /simplify先确保正确,再清理代码

步骤:基于技术设计文档用 writing-plans 生成实施计划 → /subagent-driven-development 执行 → 每完成一个模块跑测试 + /review 审查 → 关键节点用 /verification-before-completion 检查 → 每 3–5 个 Task 触发一次 /simplify 清理技术债 → 遇到 Bug 转入调试 SOP → 关键决策记录至 docs/。

增量开发原则:在已有框架上加功能,不推倒重来;接口契约由人先锁定,实现细节可交给 AI;先跑通 happy path,再处理边界 Case。

3.2 调试:/systematic-debugging

核心路径:根因调查 → 模式分析 → 假设验证 → 修复。

阶段动作铁律
1. 根因调查阅读完整错误;逐层测试;追溯数据流未查根因,不能提出修复
2. 模式分析找可工作的示例对比,定位差异不假设”那不重要”
3. 假设验证形成一个假设,用最小变更测试一次只改一处
4. 实施修复单点修复 → 验证;连续失败 3 次则质疑架构不堆叠修复

MCP / API 调试补充:先用 curl 裸调 MCP endpoint 确认协议层,再排查业务逻辑;注意 Accept 请求头;关注 Session 管理(部分 MCP Server 需要 initialize 握手)。

3.3 项目生命周期

阶段目标主要交付
PoC验证可行性,跑通核心链路技术设计文档 + 可运行 Demo
MVP补齐核心功能,可供内部体验完整核心功能 + 基础监控
V1.0生产可用,满足性能、安全与运维要求全量部署 + SLA + 完整文档

每一阶段开始前用 /brainstorming 确认方案,结束时完成交付归档。

4. 开发后:交付与归档

做什么验收方式注意事项
确认编译/测试通过go build ./...、go test ./...必须实际跑通
文档齐全检查 docs/ 各子目录至少包括 README、设计文档、踩坑指南
Git 提交整理按逻辑拆分 Commitfeat / fix / docs / chore 分开
环境说明检查 .env.example注释到位,新人可直接复制使用

Commit 规范:feat: 新功能|fix: 修复|docs: 文档|chore: 构建/配置。

附录:快速决策树

是

是

是

否

是

是

拿到新需求

/brainstorming 讨论方案

方案确认?

writing-plans 生成计划

计划确认?

/subagent-driven-development 执行

遇到 Bug?

/systematic-debugging

开发完成?

/simplify 或 Code Review

运行测试并提交

阶段结束?

整理 docs + Commit + 交付