# myflow：一个结构化的AI辅助软件开发五阶段工作流

> myflow是一个面向AI辅助软件开发的五阶段流水线工作流，从需求发现到代码落地，每个阶段都有明确的交付物和交接机制。它整合了Superpowers和RPIV两大技能体系，为开发者提供了一套完整的、无歧义的开发方法论。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-14T02:46:26.000Z
- 最近活动: 2026-06-14T02:48:58.800Z
- 热度: 146.0
- 关键词: AI辅助开发, 软件开发工作流, Pi Agent, RPIV, Superpowers, 结构化开发流程, 代码审查, TDD, 项目管理, 知识管理
- 页面链接: https://www.zingnex.cn/forum/thread/myflow-ai
- Canonical: https://www.zingnex.cn/forum/thread/myflow-ai
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：don-smith
- 来源平台：github
- 原始标题：dons-flow
- 原始链接：https://github.com/don-smith/dons-flow
- 来源发布时间/更新时间：2026-06-14T02:46:26Z

## 原作者与来源\n\n- 原作者/维护者：don-smith\n- 来源平台：GitHub\n- 原始标题：dons-flow\n- 原始链接：https://github.com/don-smith/dons-flow\n- 来源发布时间/更新时间：2026-06-14\n\n## 背景：AI辅助开发的流程困境\n\n随着大型语言模型在软件开发领域的广泛应用，开发者们逐渐意识到一个核心问题：仅仅拥有强大的AI工具是不够的，关键在于如何将这些工具整合到系统化的工作流程中。许多团队在使用AI辅助编程时面临着模式混乱、交接不清、学习难以沉淀等问题——每次开发都像是从零开始，缺乏可复用的方法论。\n\nmyflow正是为解决这一问题而生的。它不是一个简单的工具集合，而是一个完整的、结构化的五阶段流水线，旨在为AI辅助软件开发提供清晰的路径和可预测的交付物。\n\n## 项目概述：五阶段流水线\n\nmyflow的核心是一个五阶段开发流水线，覆盖了从需求发现到代码落地的完整生命周期：\n\n```\n发现与对齐 → 研究与设计 → 实现 → 验证与审查 → 落地与学习\n```\n\n这个设计的精妙之处在于它的"无模式选择"理念——开发者不需要在多个工作流之间做选择，只需跟随这五个阶段，每个阶段的交付物自然会指引下一步该做什么。这种设计消除了决策疲劳，让团队能够专注于实际工作而非流程选择。\n\n## 第一阶段：发现与对齐（Discover & Align）\n\n这是所有工作的起点。在这个阶段，团队需要明确要解决的问题、定义工作范围、并确保所有利益相关者对目标达成共识。\n\nmyflow为这个阶段的技能包括：`brainstorming`（头脑风暴）、`discover`（发现）和`explore`（探索）。这些技能帮助团队在开写代码之前充分理解需求，避免后期返工。\n\n关键交付物是功能需求文档（FRD），它为后续阶段提供了明确的目标和约束条件。\n\n## 第二阶段：研究与设计（Research & Design）\n\n有了明确的需求后，第二阶段聚焦于技术方案的设计。这个阶段要求开发者深入理解现有代码库，设计出可行的架构方案。\n\n相关技能包括：`research`（研究）、`design`（设计）、`architecture-review`（架构审查）以及`blueprint`/`plan`（蓝图/计划）。\n\n交付物是一份详细的技术计划文档，它将成为第三阶段实施工作的路线图。值得注意的是，myflow在这个阶段引入了`epiphany-tabling`（顿悟暂存）机制——当开发者在研究过程中产生新的想法或发现时，可以将其暂存到`docs/tabled.md`中，而不打断当前的工作流程。\n\n## 第三阶段：实现（Implement）\n\n这是代码实际编写的阶段。myflow强调在实现过程中保持纪律性，包括测试驱动开发（TDD）、使用子代理（subagents）处理并行任务，以及`verification-before-completion`（完成前验证）原则。\n\n`verification-before-completion`是一个特别值得注意的理念：它要求开发者在声称某项工作完成之前，必须先提供证据。这种"证据先于声明"的纪律有助于减少虚假完成，提高代码质量。\n\n这个阶段的交付物是实际可运行的代码和工作目录中的变更。\n\n## 第四阶段：验证与审查（Validate & Review）\n\n代码编写完成后，进入验证与审查阶段。这个阶段的目标是确保代码符合预期、质量达标，并为合并做好准备。\n\n相关技能包括：`validate`（验证）、`code-review`（代码审查）、`receiving-code-review`（接收代码审查）和`revise`（修订）。\n\n这个阶段同样支持`epiphany-tabling`，因为审查过程中往往会发现需要后续处理的问题或改进点。\n\n## 第五阶段：落地与学习（Land & Learn）\n\n最后一个阶段是myflow最具特色的部分。`land`技能提供了一个结构化的九步收尾流程，分为三个组别：\n\n**提交与文档化**：将代码变更提交到版本控制，并用"as-built"文档替换之前的规格/计划文档。\n\n**反思与协调**：进行回顾，协调记忆文件，确保学习被捕获。\n\n**更新与关闭**：更新项目状态，关闭工作循环。\n\n`as-built-documentation`技能是这个阶段的核心产出——它记录了实际交付的内容和原因，形成永久性的项目知识库，存放在`docs/changes/`目录下。这与传统的"规格文档"形成鲜明对比：规格是开发前的设想，而as-built文档是开发后的现实。\n\n## 跨阶段机制\n\n除了五个主要阶段，myflow还提供了几个跨阶段的重要机制：\n\n**顿悟暂存（Epiphany Tabling）**：在第2-4阶段运行，允许开发者捕获中途产生的灵感而不打断当前工作流。\n\n**学习捕获（Capturing Learnings）**：在第1、2、4、5阶段后进行，遵循"一次是瞬间，两次是模式"的推广规则——如果某个观察出现两次，就应将其提升为持久的知识资产。\n\n**交接管理（Handoff Management）**：通过`create-handoff`和`resume-handoff`技能，支持在任何阶段暂停和恢复工作。\n\n## 仓库约定与知识管理\n\nmyflow定义了一套标准的文档结构，这些文档位于代码库中，作为团队的共享上下文：\n\n- `docs/tabled.md`：暂存的想法和后续跟进\n- `docs/status.md`：动态状态（最近完成、下一步计划）\n- `docs/memory/`：持久记忆条目和索引\n- `docs/changes/`：as-built文档，记录已交付内容\n- `docs/retros/`：回顾文档\n- `docs/runbooks/`：多技能流程\n- `AGENTS.md`：仓库级代理指导\n\n这种设计体现了一个重要的哲学区分：代码库中存放的是共享知识（代码变更、文档、状态），而工作流仓库中存放的是开发者个人拥有的技能和工作流约定。\n\n## 上游依赖与演进策略\n\nmyflow整合了两大上游项目：Superpowers（提供头脑风暴、TDD、子代理等技能）和RPIV（提供发现-蓝图-实现-验证-审查框架）。\n\n有趣的是，myflow对这些上游依赖采取了"观察但不自动集成"的策略。上游项目会独立演进，myflow提供`sync-upstream`技能来展示变更内容，但不会自动合并。默认立场是"观察，不集成"——开发者可以选择性地采纳上游变更，而不是被迫接受。\n\n## 实际使用流程\n\n对于想要尝试myflow的开发者，典型的工作流程是：\n\n1. 克隆仓库并安装到Pi代理：`git clone https://github.com/don-smith/myflow.git && pi install ./myflow`\n2. 运行`/skill:setup-myflow`初始化仓库约定\n3. 从`/skill:myflow`开始，进入第一阶段，使用`brainstorming`或`/skill:discover`启动工作\n4. 完成开发后使用`/skill:land`收尾\n5. 每2-3个项目后运行`/skill:sync-upstream`同步上游变更\n\n## 总结与启示\n\nmyflow的价值不仅在于它提供了一套完整的工作流，更在于它解决了AI辅助开发中的几个核心问题：\n\n首先，它通过明确的阶段划分和交付物要求，消除了流程中的模糊地带。开发者总是知道自己在哪个阶段、下一步该做什么。\n\n其次，它强调知识的持久化。通过as-built文档、回顾、学习捕获等机制，确保团队的经验能够沉淀下来，而不是随着项目结束而流失。\n\n最后，它的模块化设计允许渐进式采用。团队可以从单个技能开始，逐步扩展到完整的工作流。\n\n对于正在探索AI辅助开发最佳实践的团队来说，myflow提供了一个经过深思熟虑的参考实现，值得认真研究和借鉴。