ai-lifecycle：基于BMAD方法的AI/ML项目全生命周期智能体工作流

ai-lifecycle是一个BMAD方法自定义模块，通过五个专业智能体覆盖AI/ML项目从领域研究到迭代优化的完整生命周期，支持深度学习、梯度提升、Transformer等多种范式。

BMAD方法是一种结构化的AI/ML项目管理方法论，它强调通过标准化的项目结构、智能体工作流和文档体系来规范开发过程。该方法的核心在于_bmad/目录结构，其中包含项目配置、智能体技能定义和路由配置等关键组件。ai-lifecycle作为BMAD生态系统中的一个模块，专门负责处理AI/ML项目的生命周期管理。

要使用ai-lifecycle，开发者首先需要安装BMAD Method基础框架，然后在项目根目录下通过git子模块的方式引入ai-lifecycle：

git submodule add https://github.com/avielbl/ai-lifecycle _bmad/ai-lifecycle
git submodule update --init

安装完成后，运行python3 _bmad/ai-lifecycle/scripts/init_project.py即可完成项目脚手架初始化，系统会根据所使用的IDE（如Claude Code、Cursor、Cline等）生成相应的配置文件。

ai-lifecycle的核心在于五个专业智能体的协同配合，每个智能体负责生命周期中的特定阶段：

这是项目的起点。该智能体负责领域研究和创意构思，输出领域知识库文档和研究论文。在项目的最后阶段，它还负责修订审计，确保所有上游文档得到更新和修正。

负责探索性数据分析（EDA），生成EDA报告并更新研究论文中的相关章节。这是连接领域知识和数据实践的桥梁。

承担架构设计和详细设计工作，输出架构文档和详细设计文档。详细设计文档会生成两类任务：INF-*前缀的基础设施任务（由开发者智能体执行，只需构建一次）和EXP-*前缀的实验任务（由工程师智能体在每个实验周期执行）。

负责技术规范（TECHSPEC）的制定和基础设施搭建。在此阶段会进行首次包安装（通过uv sync），并生成基础设施日志和冒烟测试报告。

执行具体的实验任务，生成实验日志。在分析阶段后，如果基线结果满足TECHSPEC的最低可行标准，还会触发条件性的超参数优化（HPO）阶段。