Agentic Dev：Claude 结构化 AI 编程工作流，实现完整的会话周期管理

一个为 Claude 设计的结构化 AI 编程工作流框架，提供从需求摄入到代码实现的完整会话周期，支持状态保存与恢复。

在 AI 辅助编程领域，如何让大型语言模型（如 Claude）更高效、更可靠地完成复杂开发任务，一直是开发者和研究者关注的焦点。Agentic Dev 项目为此提供了一个创新的解决方案——一个结构化的 AI 编程工作流框架，专为 Claude 设计，实现了从需求摄入到代码交付的完整会话周期。

这个项目的核心理念是：将 AI 编程从简单的问答模式升级为结构化的工作流模式。通过定义清晰的阶段和状态转换，Agentic Dev 让 Claude 能够像专业软件工程师一样，系统性地处理复杂开发任务。

在使用 Claude 或其他 AI 助手进行编程时，开发者常常遇到以下问题：

1. 上下文丢失：长会话中，早期的需求和约束容易被遗忘
2. 缺乏规划：AI 倾向于立即开始编码，而没有充分理解问题和设计方案
3. 质量不稳定：输出质量波动大，有时优秀，有时偏离目标
4. 难以协作：多人协作时，会话状态难以共享和恢复
5. 无法复盘：缺乏结构化的记录，难以回顾和优化流程

Agentic Dev 通过引入软件工程的最佳实践，解决了上述问题：

• 阶段化执行：每个阶段有明确的目标和输出标准
• 状态持久化：支持会话状态的保存和恢复
• 质量门禁：关键节点设置审查环节，确保质量
• 可追溯性：完整的执行记录，便于复盘和优化

Agentic Dev 定义了一个完整的八阶段工作流：

intake → start → research → plan → review → implement → review → end

让我们逐一深入了解每个阶段的设计理念和具体职责。

目标：充分理解用户需求，建立共同认知

在这个阶段，Claude 会与用户进行深入沟通，明确以下关键信息：

• 功能需求：用户想要实现什么功能
• 技术约束：目标平台、技术栈、性能要求
• 质量标准：代码规范、测试覆盖率、文档要求
• 交付时间：项目里程碑和最终 deadline

输出物：

• 需求文档（Requirements Document）
• 技术约束清单（Constraints Checklist）
• 初步可行性评估

这个阶段的关键是多问少答。Claude 会通过一系列问题帮助用户澄清模糊的需求，避免后期返工。

目标：建立项目基础结构，初始化工作环境

在明确需求后，Claude 会：

• 创建项目目录结构
• 初始化版本控制（Git）
• 设置开发环境配置
• 创建基础文档模板

输出物：

• 项目目录结构
• README.md 模板
• 基础配置文件（.gitignore、package.json、pyproject.toml 等）
• 开发环境设置指南

目标：调研相关技术方案，为设计决策提供依据

这是传统 AI 编程容易跳过的关键步骤。Agentic Dev 强调：

先调研，后设计；先设计，后编码。

在这个阶段，Claude 会：

• 调研相关开源库和框架
• 分析类似项目的实现方案
• 评估不同技术选型的优缺点
• 识别潜在的技术风险

输出物：

• 技术调研报告（Research Report）
• 技术选型对比表
• 风险评估文档