Agentic SDLC Forge：多智能体软件开发生命周期框架

Agentic SDLC Forge是一款CLI驱动的初始化工具，通过角色化多智能体工作流与动态知识库，解决大语言模型在代码生成中的上下文溢出和幻觉问题。其核心思路是构建虚拟开发小队，将AI能力有序融入软件开发生命周期（SDLC），通过严格角色分工与上下文边界控制，提升AI辅助开发的可靠性与效率。

随着大语言模型在软件开发中的应用，直接投喂庞大代码库和模糊任务描述易导致上下文溢出、注意力分散、违反架构规范及幻觉依赖等问题。传统AI编程助手（如Aider、Claude Code）功能强大但缺乏结构化工作流程约束，在复杂项目中易失方向。Agentic SDLC Forge因此设计，定位为完整的多智能体SDLC管道，而非简单代码补全工具。

虚拟开发小队架构

• 编排者：轻量模型（Claude Haiku）驱动状态机（规划→执行→验证→修复循环），负责状态路由，降低运行成本。
• 规划者：强模型（Claude Sonnet/Opus）分解用户故事为原子任务列表，输出目标、文件及验收标准。
• 执行者：轻量模型配合Aider工具，仅处理当前任务限定文件集，实现有界上下文控制。
• 验证者：强模型运行测试/lint/构建，分类失败并触发修复循环（有限重试）。
• 报告者：生成包含任务完成情况、Token消耗等的Markdown报告。
• 事件日志：.forge/runs/<run_id>/events.jsonl作为唯一真相源，记录智能体事件。

动态知识库

多层次规范体系：核心原则（编码标准）、领域上下文（业务访谈生成）、架构规则（平台特定规范）、Git流程规则、动态文件树，确保AI获取恰到好处的上下文。

1. 有界上下文优于大上下文：各智能体仅获取所需内容，避免信息过载。
2. 结构化智能体通信：契约采用验证模式定义，防止提示注入，保证可预测性。
3. 成本优化：便宜模型做路由（编排者），昂贵模型做判断（规划者/验证者）。
4. 重试硬限制：避免无限循环与资源浪费。
5. 工具可替换：规则与知识库为纯Markdown，与工具无关，适配不同LLM提供商。

• 运行时：Python 3.11+。
• 依赖：Aider（需在PATH中，通过uv/pipx安装）、Git（需在PATH中）。
• 操作系统：支持Linux/macOS，Windows适配为Stage9工作项。
• 本地LLM支持：提供Ollama-based docker-compose.yml与start_llm.sh，支持Qwen、Gemma、Llama等模型离线运行。

1. 角色化分工：不同能力模型各司其职，提升效率并降低错误率。
2. 上下文管理优先：严格边界控制让中等模型在特定任务中表现出色。
3. 结构化流程：通过明确契约限制AI不确定性。
4. 知识沉淀价值：动态知识库持续积累项目规范，比单次代码生成更持久。

Agentic SDLC Forge通过虚拟开发小队分工、上下文边界控制、动态知识库及事件驱动架构，有效解决大模型代码生成的核心问题。对于希望系统化整合AI到开发流程的团队，是值得研究与尝试的开源项目。