# Kaola-Workflow：面向 Claude Code 的六阶段智能开发工作流框架

> 本文介绍 Kaola-Workflow，一个专为 Claude Code 设计的六阶段开发工作流框架，通过多智能体编排实现从需求研究到代码交付的全流程自动化，支持会话恢复和跨上下文状态管理。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-05-16T10:45:19.000Z
- 最近活动: 2026-05-16T10:51:16.442Z
- 热度: 159.9
- 关键词: Claude Code, AI编程, 工作流框架, 智能体编排, TDD, 代码审查, 多智能体, 开发自动化
- 页面链接: https://www.zingnex.cn/forum/thread/kaola-workflow-claude-code
- Canonical: https://www.zingnex.cn/forum/thread/kaola-workflow-claude-code
- Markdown 来源: ingested_event

---

# Kaola-Workflow：面向 Claude Code 的六阶段智能开发工作流框架

在 AI 辅助编程工具日益普及的今天，如何系统性地将大语言模型能力整合进软件开发流程，成为提升开发效率的关键命题。Kaola-Workflow 是一个专为 Claude Code 设计的开发工作流框架，它通过六阶段结构化流程和多智能体编排，为开发者提供了一套从需求分析到代码交付的完整解决方案。

## 背景：AI 辅助开发的痛点

当前主流的 AI 编程助手（如 Claude Code、GitHub Copilot）虽然能生成代码片段，但在复杂项目开发中仍面临诸多挑战：

- **上下文丢失**：长会话中容易遗忘早期需求，导致实现偏离初衷
- **缺乏系统性**：单次对话难以覆盖完整开发周期，往往需要人工协调多个环节
- **质量不可控**：没有标准化的代码审查和测试流程，输出质量参差不齐
- **难以恢复**：会话中断后难以从断点继续，往往需要重新开始

Kaola-Workflow 正是为解决这些问题而生，它将传统软件工程方法论与 AI 能力相结合，打造了一套可复现、可审计、可恢复的智能开发流程。

## 核心设计理念：目标驱动的六阶段工作流

Kaola-Workflow 将整个开发过程划分为六个明确的阶段，每个阶段都有清晰的输入、输出和验收标准：

### 第一阶段：研究探索（Research/Discovery）

在这一阶段，系统通过多个专业智能体并行工作，全面收集项目相关信息：

- **代码探索智能体（code-explorer）**：分析现有代码库结构，理解项目架构和依赖关系
- **文档查询智能体（docs-lookup）**：检索外部文档、API 参考和最佳实践

该阶段的核心产出是一份详尽的技术调研报告，为后续决策提供事实依据。

### 第二阶段：构思设计（Ideation）

基于第一阶段收集的信息，规划智能体（planner）开始工作。这一阶段采用高层次模型（如 Claude Opus）进行深度思考，产出包括：

- 功能需求清单与优先级排序
- 技术方案对比与选型建议
- 风险识别与缓解策略

规划阶段强调"先想清楚再动手"，避免后续返工。

### 第三阶段：架构规划（Plan）

架构师智能体（code-architect）将高层设计转化为可执行的技术方案，产出物包括：

- 模块划分与接口定义
- 数据流设计图
- 技术栈选型与版本锁定
- 开发任务分解与依赖关系图

### 第四阶段：执行开发（Execute）

这是工作量最大的阶段，TDD 指导智能体（tdd-guide）按照测试驱动开发流程执行：

1. **红阶段**：编写失败的测试用例，明确功能预期
2. **绿阶段**：编写最小实现代码使测试通过
3. **重构阶段**：优化代码结构，消除技术债务

每个任务都有独立的 TDD 循环，确保代码质量。遇到构建错误时，专门的错误修复智能体（build-error-resolver）介入处理。

### 第五阶段：代码审查（Review）

代码审查智能体（code-reviewer）和安全审查智能体（security-reviewer）并行工作，检查内容包括：

- 代码风格一致性
- 设计模式遵循情况
- 潜在的安全漏洞
- 性能优化机会

审查结果以结构化报告形式输出，标注问题严重程度和修复建议。

### 第六阶段：文档整理（Finalize）

文档更新智能体（doc-updater）负责收尾工作：

- 更新 README 和 API 文档
- 生成变更日志
- 归档工作产物
- 更新项目路线图

## 技术架构：多智能体编排系统

### ECC 依赖框架

Kaola-Workflow 构建在 Everything Claude Code（ECC）框架之上，后者提供了一套智能体管理和编排能力。工作流程中的每个阶段都对应 ECC 中的特定智能体角色：

| 智能体角色 | 负责阶段 | 推理强度 |
|-----------|---------|---------|
| code-explorer | 研究探索 | 中等 |
| docs-lookup | 研究探索 | 中等 |
| planner | 构思设计 | 极高 |
| code-architect | 架构规划 | 高 |
| tdd-guide | 执行开发 | 中等 |
| build-error-resolver | 错误修复 | 中等 |
| code-reviewer | 代码审查 | 中等 |
| security-reviewer | 安全审查 | 中等 |
| doc-updater | 文档整理 | 低 |

### 状态管理与会话恢复

工作流的核心创新之一是会话恢复能力。所有关键状态都持久化到 `workflow-state.md` 文件中，包括：

- 当前阶段和完成状态
- 各阶段产出的证据文件路径
- 合规性检查记录
- 下一阶段指针

当会话因上下文限制或其他原因中断时，系统可以从 `workflow-state.md` 恢复状态，继续未完成的任务。这种设计克服了传统 AI 对话"有问必答、答完即忘"的局限。

### 目标驱动执行模型

Kaola-Workflow 采用独特的目标驱动执行模型。对于 Claude Code，通过 `/goal` 命令或等效的 Stop-hook 措辞，确保工作流会话持续运行直到当前阶段目标真正达成。这与单次问答模式形成鲜明对比，后者往往在表面完成任务后就结束会话。

## Codex 跨平台支持

除了原生支持 Claude Code，Kaola-Workflow 还提供了 Codex 兼容版本。Codex 版本不依赖 ECC 智能体，而是通过本地角色配置文件实现相同的工作流逻辑：

- 使用 `.codex/agents/kaola-workflow/` 目录存储角色配置
- 通过 `.codex/config.toml` 管理智能体注册
- 提供 `kaola-workflow-init`、`kaola-workflow-next` 等技能命令

这种跨平台设计让使用不同 AI 编程工具的开发者都能受益于相同的工作流方法论。

## 安装与使用

### Claude Code 插件安装

```bash
/plugin marketplace add https://github.com/KaolaBrother/Kaola-Workflow
/plugin install kaola-workflow@kaolabrother-kaola-workflow
/reload-plugins
```

安装后运行初始化命令：

```bash
/workflow-init
/workflow-next
```

### 手动安装

```bash
git clone https://github.com/KaolaBrother/Kaola-Workflow.git
cd Kaola-Workflow
./install.sh
```

## 适用场景与价值

Kaola-Workflow 特别适合以下场景：

- **复杂功能开发**：需要多轮迭代、涉及多个模块协调的新功能
- **代码重构**：需要系统性分析、分阶段实施的大型重构项目
- **技术调研**：需要收集信息、对比方案、产出报告的研究任务
- **代码审查**：需要标准化检查流程、确保质量的审查工作

通过引入结构化的工作流，Kaola-Workflow 将 AI 辅助编程从"代码补全工具"提升为"项目协作者"，帮助开发团队建立可复现、可审计的开发流程。

## 总结

Kaola-Workflow 代表了 AI 辅助软件开发的一个重要发展方向：从单次交互向流程化协作演进。通过六阶段结构化流程、多智能体分工协作和状态持久化机制，它为 Claude Code 用户提供了一个完整的项目管理框架。

随着 AI 编程助手能力的不断增强，类似 Kaola-Workflow 这样的工作流框架将成为连接人类开发者意图与 AI 执行能力的关键桥梁，推动软件开发效率进入新的阶段。