# Cali Product Workflow：为AI编码代理打造结构化产品开发工作流

> 基于Shape Up方法论的开源产品规划工作流，通过IN/OUT范围界定、对抗性评审、可视化审查门和类型化技术范围，帮助AI代理系统化地将产品创意转化为可执行的开发计划。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-09T11:15:39.000Z
- 最近活动: 2026-06-09T11:24:09.852Z
- 热度: 163.9
- 关键词: AI编码代理, Shape Up, 产品规划, 工作流, 范围界定, 对抗性评审, 软件开发, 产品管理, AI辅助开发, 多CLI支持
- 页面链接: https://www.zingnex.cn/forum/thread/cali-product-workflow-ai
- Canonical: https://www.zingnex.cn/forum/thread/cali-product-workflow-ai
- Markdown 来源: ingested_event

---

# Cali Product Workflow：为AI编码代理打造结构化产品开发工作流

## 原作者与来源

- **原作者/维护者**: Renato Caliari (Cali)
- **来源平台**: GitHub
- **原始标题**: cali-product-workflow
- **原始链接**: https://github.com/renatocaliari/cali-product-workflow
- **发布时间**: 2026年6月9日

---

## 项目背景与核心理念

随着AI编码代理能力的快速发展，越来越多的开发者和团队开始依赖AI辅助进行软件开发。然而，一个普遍存在的问题是：许多AI代理在接到需求后立即开始编码，缺乏充分的产品规划和范围界定，导致项目范围蔓延、假设未经检验、技术债务累积。

Cali Product Workflow项目正是为了解决这一问题而生。它由资深产品经理Renato Caliari创建，将Basecamp的Shape Up方法论系统化地引入AI编码代理的工作流程中。核心理念可以用一句话概括：**"三思而后行"** —— 在编写第一行代码之前，充分思考、规划、验证。

## Shape Up方法论在AI时代的应用

Shape Up是Basecamp公司开发的一套产品开发方法论，强调在开发前进行"塑造"(Shaping) —— 即定义清晰的范围边界、识别风险、确定解决方案的轮廓，但不涉及具体实现细节。Cali Product Workflow将这一方法论适配到AI编码代理的语境中。

### 关键概念：IN/OUT范围界定

传统的产品需求文档往往只描述"要做什么"，而Shape Up强调 equally important 的是"不做什么"。Cali Product Workflow要求每个产品提案明确界定：

- **IN范围**：明确包含在解决方案中的功能和行为
- **OUT范围**：明确排除在当前版本之外的功能和行为

这种边界界定帮助AI代理理解任务的完整上下文，避免在开发过程中不断"发现"新需求而导致范围蔓延。

### 对抗性评审机制

与简单的聊天式审查不同，Cali Product Workflow引入了"对抗性评审"(Adversarial Critique)。产品计划会被多个并行的评审者从不同角度审查：

- **流程完整性审查**：检查用户流程是否完整，状态转换是否考虑周全
- **数据模型审查**：验证数据结构和关系设计是否合理
- **可行性审查**：评估技术实现的可行性
- **用户体验审查**：基于Nielsen启发式原则进行UX/UI审计
- **代码库结构审查**：分析架构、性能和潜在的AI生成代码问题

这种多角度的对抗性评审能够发现单一视角难以察觉的盲点、风险和假设漏洞。

## 双维度控制：Appetite × Mode

Cali Product Workflow的一个创新设计是通过两个正交维度控制整个工作流：Appetite（投入意愿）和Mode（交互模式）。

### Appetite：投入预算而非时间估算

与传统的时间估算不同，Appetite是一个约束条件而非预测。它回答的问题是"这个需求值得投入多少注意力？"而不是"这需要多长时间？"

| Appetite级别 | 含义 | 适用场景 |
|-------------|------|---------|
| **PoC** | 快速验证想法，最小化仪式 | 概念验证、原型探索、一次性实验 |
| **Focused** | 标准审查，平衡深度与速度 | 大多数功能、Bug修复、小改进 |
| **Comprehensive** | 完整流程，无捷径 | 关键功能、高风险变更、生产发布 |

Appetite的设定会影响后续所有阶段的深度：评审者的数量、是否使用监督者、验证的严格程度等。

### Mode：交互深度控制

Mode控制工作流的广度——哪些阶段运行，需要多少人工交互：

| Mode | Plannotator审查门 | 界面探索 | IN/OUT确认 | 技术审批 | 适用场景 |
|------|------------------|---------|-----------|---------|---------|
| **Auto** | 无 | 自动 | AI决定 | 自动 | 原型验证、快速实验 |
| **Light** | 1个预技术门 | 自动 | AI决定 | 自动 | 标准功能、Bug修复 |
| **Moderate** | 1个预技术门 | 用户选择 | AI决定 | 自动 | 界面重要的功能 |
| **Full Product** | 2个门 | 用户选择 | 用户确认 | 自动 | 关键功能、产品上下文 |
| **Full Product + Tech** | 2个门 | 用户选择 | 用户确认 | 门+技术问题 | 完整流程、高风险变更 |

这两个维度的组合提供了15种不同的工作流变体，从最快的"PoC + Auto"到最严格的"Comprehensive + Full Product + Tech"。

## 完整的三阶段工作流

Cali Product Workflow包含15个阶段，分为三个概念阶段：

### 第一阶段：塑造 (Shaping)

从原始想法到经过评审、批准的成型提案：

1. **设置与上下文收集**：了解项目背景、约束条件、历史经验
2. **Job To Be Done分析**：理解用户雇佣产品完成什么工作
3. **机会映射**：识别和评估不同的机会点
4. **市场分析**：多方法市场研究
5. **Shape Up塑造**：定义IN/OUT边界、风险分析、聚焦范围
6. **计划评审**：对抗性评审发现盲点
7. **审查门**：Plannotator可视化审查
8. **界面探索**：5种界面原型方案对比
9. **界面审查门**：界面方案可视化审查
10. **方案选择**：用户选择或AI自动选择
11. **技术规划**：生成类型化技术范围

### 第二阶段：执行 (Execution)

12. **范围执行**：自主执行类型化范围
13. **迭代验证**：实现→验证→审查→质量的自动迭代循环

### 第三阶段：验证与审计 (Verification & Audit)

14. **执行后审计**：范围保真度、NFR覆盖、边界情况、文档、测试质量

## 类型化技术范围

Cali Product Workflow将技术工作分解为四种类型化的范围(Scope)，每种类型有特定的执行策略：

### Feature Scope（功能范围）

最常用类型，包含自动迭代循环：
- 实现功能代码
- 运行验证（单元测试、构建检查）
- 代码审查
- 质量检查
- 重复直到满足标准或达到最大迭代次数

### Spike Scope（探索范围）

用于技术探索和学习：
- 快速原型
- 技术可行性验证
- 不追求生产质量

### Optimize Scope（优化范围）

性能优化专用：
- 基准测试驱动
- 度量指标验证
- 回归测试保护

### Test-* Scope（测试范围）

专门用于测试相关任务：
- 单元测试
- 集成测试
- 变异测试

每种范围类型都有明确的入口标准、执行流程和退出标准，AI代理可以自主执行而不需要人工逐步指导。

## 技术架构与工具链

### 多CLI支持

Cali Product Workflow设计为跨平台工作，支持多种AI编码代理CLI：

| 功能 | Pi | OpenCode | Claude Code | Codex |
|------|----|---------|-------------|-------|
| 25个Skills | ✅ | ✅ | ✅ | ✅ |
| TUI覆盖层 | ✅ | ❌ | ❌ | ❌ |
| Plannotator审查门 | ✅ | ⚠️手动 | ⚠️手动 | ⚠️手动 |
| 斜杠命令 | ✅ | 通过文件 | 通过文件 | 通过文件 |

核心Skills在所有CLI上工作一致，TUI和深度集成是Pi特有的。

### 25个Skills的层次结构

Skills按功能分为四个层次：

**编排层 (Orchestrator)**：
- `cali-product-workflow`：协调整个多阶段工作流

**产品策略层 (Product Strategies)**：
- `cali-product-job-to-be-done`：理解用户真正雇佣产品完成的工作
- `cali-product-discovery`：客户发现和验证
- `cali-product-opportunity-mapping`：机会映射聚焦
- `cali-product-multi-method-market-analysis`：多方法市场分析
- `cali-product-evolutionary-principles`：可持续开发的进化原则

**工作流阶段层 (Workflow Stages)**：
- `cali-product-shape-up`：Shape Up规划
- `cali-product-interface-alternatives`：界面替代方案探索
- `cali-product-plan-critique`：产品计划差距分析
- `cali-product-codebase-critique`：代码库结构评审
- `cali-product-ux-critique`：完整UX/UI审计
- `cali-product-tech-planning`：技术范围生成
- `cali-product-testing-ai-code`：AI感知变异测试策略
- `cali-product-testing-execution`：实现后测试协议
- `cali-product-scope-executor`：自主范围执行
- `cali-product-execution-critique`：执行后审计

**产品战术层 (Product Tactics)**：
- `cali-product-ads`：广告和增长渠道
- `cali-product-business-models`：商业模式画布
- `cali-product-health`：产品健康指标
- `cali-product-marketplace-playbook`：市场动态
- `cali-product-open-source`：开源策略
- `cali-product-pricing`：定价策略
- `cali-product-promotions`：促销和活动
- `cali-product-trust-building`：信任建立机制

**补充层 (Complementary)**：
- `cali-product-coding-standards`：自包含编码标准

## 证据基础与局限性

Cali Product Workflow的设计基于2025-2026年AI代理研究的实证证据。项目文档中详细列出了每个架构决策背后的研究支持，包括：

- **并行编排**：来自CMU的CAID研究，显示git-worktree隔离+依赖DAG可提升26.7%准确率
- **跨会话学习**：来自北航和KAIST的研究，抽象记忆池可提升3.7%性能
- **输出验证门**：来自PDMA和Phaselock的阶段门代理研究
- **上下文隔离**：来自Agent Factory和浙江大学的上下文工程研究
- **可视化审查门**：来自Plannotator和Placement Theory的人机协作研究

同时，项目也坦诚地列出了15个已知的局限性，包括上下文衰减、幻觉引用、静默错误答案、过度自信估算等。这种透明度帮助用户理解工具的能力边界。

## 与其他框架的比较

### 与Claude Code/OpenCode的比较

Claude Code和OpenCode都有"规划"模式，但相对基础——只是限制工具使用并添加通用规划指令。缺乏：
- 结构化的产品思考
- 范围边界定义
- 对抗性评审
- 领域特定知识库
- 可视化审查门

### 与BMAD Method和Superpowers的比较

BMAD Method (47K⭐) 和 Superpowers (199K⭐) 都强制软件工程的结构化，但缺少：
- Appetite × Mode的自动级联控制
- Shape Up方法论
- 产品领域库
- 多角度对抗性评审

## 实际应用建议

### 何时使用Cali Product Workflow

**适合场景**：
- 需要明确范围边界的新功能开发
- 产品方向尚不清晰的探索性项目
- 需要多利益相关方审查的重要功能
- 希望建立系统化产品开发流程的团队

**不适合场景**：
- 简单的Bug修复或一行代码变更
- 已经明确定义的技术任务
- 时间极其紧迫的原型验证

### 推荐的起步配置

对于初次使用者，建议从`Focused + Light`配置开始：
- 足够的规划深度确保质量
- 不过度的审查门避免疲劳
- 自动界面探索节省时间

随着团队熟悉度的提升，可以逐步升级到`Full Product`或`Comprehensive`配置。

## 局限性与未来展望

Cali Product Workflow是一个强大的工具，但并非万能。它需要：
- 诚实设定Appetite的人类判断
- 对Plannotator审查门的认真参与
- 对AI代理能力的现实期望

项目作者强调，这个工作流不是产品规划的银弹，而是"结构化思考"的工具，帮助用户在编码之前发现更多问题。最终的责任和判断仍然在人类手中。

随着AI技术的快速发展，我们可以期待这类结构化工作流会不断进化，更好地弥合产品思维与代码实现之间的鸿沟。

## 总结

Cali Product Workflow代表了AI辅助软件开发领域的一个重要进步。它将成熟的产品管理方法论（Shape Up）与AI代理的技术能力相结合，创造了一套系统化的产品开发流程。

通过IN/OUT范围界定、对抗性评审、可视化审查门和类型化技术范围，它帮助团队在编码之前充分思考，减少返工，提高产品质量。Appetite × Mode的双维度控制提供了灵活性，使不同复杂度的项目都能找到适合的工作流配置。

对于希望提升AI编码代理效能的团队和个人开发者而言，Cali Product Workflow是一个值得深入研究和实践的开源项目。