# Project Flow：为 AI 编程助手设计的轻量级工作流协议 > Project Flow 是一个创新的轻量级协议，通过标准化的六阶段工作流（Context → Clarify → Plan → Tasks → Execution → Done），让 AI 编程助手能够更系统地将想法转化为可运行的软件。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-05-11T11:14:09.000Z - 最近活动: 2026-05-11T11:23:15.941Z - 热度: 108.8 - 关键词: AI 编程助手, 工作流协议, 项目管理, 开源工具, 开发效率 - 页面链接: https://www.zingnex.cn/forum/thread/project-flow-ai - Canonical: https://www.zingnex.cn/forum/thread/project-flow-ai - Markdown 来源: ingested_event --- ## 问题背景\n\n随着 AI 编程助手（如 GitHub Copilot、Claude Code 等）的普及，开发者与 AI 协作编写代码已成为常态。然而，一个普遍存在的问题是：**AI 助手在处理复杂项目时缺乏系统性的工作流程**。\n\n常见的问题包括：\n\n- 需求理解不完整就开始编码\n- 缺乏清晰的项目规划\n- 任务执行顺序混乱\n- 项目状态难以追踪\n- 不同 AI 助手之间的协作标准不统一\n\nProject Flow 正是为了解决这些问题而设计的。\n\n## 项目概述\n\nProject Flow 是一个专为 AI 编程助手设计的**轻量级工作流协议**，由 Ankhzz 开发。它定义了一套严格但灵活的标准流程，帮助 AI 助手系统性地将想法转化为软件。\n\n项目的核心理念是：**用简单的 Markdown 和 JSON 文件，建立 AI 编程的标准工作流**。\n\n关键特点：\n\n- **轻量级**：不是应用，不是框架，只是一套约定\n- **通用性**：适用于任何 CLI/TUI 环境\n- **标准化**：统一的工作流程，便于协作和交接\n- **静态文件**：仅使用 Markdown 和 JSON，无需数据库或运行时\n\n## 六阶段工作流\n\nProject Flow 定义了六个清晰的工作阶段，形成一个完整的闭环：\n\n### 第一阶段：Context（上下文）\n\n这是项目的起点。在这个阶段，AI 助手需要：\n\n- 收集项目背景信息\n- 理解现有代码库结构\n- 识别相关技术栈和依赖\n- 记录用户的原始需求和意图\n\n**输出**：一个 `context.md` 文件，记录所有背景信息\n\n### 第二阶段：Clarify（澄清）\n\n在充分理解上下文后，AI 助手需要与用户澄清关键问题：\n\n- 确认需求细节\n- 识别潜在的歧义\n- 明确范围和边界\n- 确认优先级和约束条件\n\n**输出**：一个 `clarified.md` 文件，记录澄清后的需求\n\n### 第三阶段：Plan（规划）\n\n基于澄清后的需求，制定详细的项目计划：\n\n- 确定技术方案\n- 设计系统架构\n- 规划模块和组件\n- 估算工作量和依赖关系\n\n**输出**：一个 `plan.md` 文件，包含完整的项目规划\n\n### 第四阶段：Tasks（任务）\n\n将计划分解为具体的可执行任务：\n\n- 创建任务清单\n- 定义任务优先级\n- 明确任务依赖关系\n- 分配任务状态（待办/进行中/完成）\n\n**输出**：一个 `tasks.json` 文件，结构化的任务列表\n\n### 第五阶段：Execution（执行）\n\n按照任务列表执行具体的开发工作：\n\n- 编写代码\n- 创建文件和目录\n- 实现功能模块\n- 更新任务状态\n\n**输出**：实际的代码文件和更新的 `tasks.json`\n\n### 第六阶段：Done（完成）\n\n项目完成时的收尾工作：\n\n- 代码审查和整理\n- 文档更新\n- 测试验证\n- 项目总结和归档\n\n**输出**：`done.md` 总结文件\n\n## 技术设计\n\n### 纯静态文件架构\n\nProject Flow 的一个关键设计决策是**仅使用静态文件**（Markdown 和 JSON）。这带来了多重优势：\n\n- **版本控制友好**：天然支持 Git 管理\n- **易于查看**：人类可以直接阅读文件内容\n- **跨平台**：不依赖特定运行时或环境\n- **简单可靠**：没有数据库故障或服务中断的风险\n\n### 文件结构约定\n\n标准的 Project Flow 项目包含以下文件：\n\n```\nproject-root/\n├── context.md # 项目背景和上下文\n├── clarified.md # 澄清后的需求\n├── plan.md # 项目规划\n├── tasks.json # 结构化任务列表\n├── done.md # 完成总结\n└── ... # 实际代码文件\n```\n\n### 与 AI 助手的集成\n\nProject Flow 不是应用或框架，而是一套**约定**。这意味着：\n\n- 任何 AI 助手都可以遵循这套约定\n- 可以在任何支持文件操作的 CLI/TUI 环境中使用\n- 人类开发者可以随时查看和编辑这些文件\n- 不同 AI 助手之间可以基于这些文件进行协作\n\n## 应用场景\n\n### 复杂功能开发\n\n当需要实现一个复杂功能时，Project Flow 可以帮助：\n\n- 避免遗漏关键需求\n- 保持开发过程的条理清晰\n- 便于追踪进度和状态\n\n### 多轮对话管理\n\n在长时间的 AI 协作会话中：\n\n- 记录已经讨论和确认的内容\n- 避免重复询问相同问题\n- 支持会话中断后的恢复\n\n### 团队协作\n\n当多个开发者（或人类与 AI）协作时：\n\n- 提供统一的项目状态视图\n- 明确当前阶段和下一步工作\n- 便于交接和同步\n\n### AI 助手切换\n\n当需要在不同 AI 助手之间切换时：\n\n- 新助手可以通过阅读文件快速了解项目状态\n- 无需重新解释需求和上下文\n- 保持工作的连续性\n\n## 项目意义\n\n### 标准化 AI 协作流程\n\nProject Flow 为 AI 编程助手提供了一套标准化的工作流程。这种标准化对于：\n\n- 提高 AI 输出的可预测性\n- 便于人类开发者理解和监督\n- 支持工具化和自动化\n\n### 轻量级哲学\n\n项目体现了"足够好"的轻量级哲学：\n\n- 不追求功能完备的应用\n- 用简单的约定解决实际问题\n- 保持灵活性和可扩展性\n\n### 人机协作的桥梁\n\nProject Flow 的静态文件设计使其成为人机协作的理想桥梁：\n\n- AI 可以读写这些文件\n- 人类可以阅读和编辑\n- 双方基于相同的"真相来源"工作\n\n## 使用示例\n\n典型的 Project Flow 使用流程：\n\n1. **初始化**：创建 `context.md`，记录项目背景\n2. **澄清**：与用户对话，完善需求，生成 `clarified.md`\n3. **规划**：制定技术方案，编写 `plan.md`\n4. **分解**：将计划转为任务列表 `tasks.json`\n5. **执行**：按任务编写代码，更新任务状态\n6. **完成**：项目收尾，编写 `done.md`\n\n## 与其他方法的对比\n\n| 特性 | Project Flow | 传统项目管理工具 | 无结构对话 |\n|------|-------------|-----------------|-----------|\n| 复杂度 | 轻量 | 较重 | 无 |\n| AI 友好 | 高 | 中 | 高 |\n| 人类可读 | 高 | 中 | 中 |\n| 版本控制 | 原生支持 | 需适配 | 难 |\n| 跨平台 | 是 | 依赖工具 | 是 |\n\n## 总结\n\nProject Flow 是一个简洁而实用的 AI 编程工作流协议。它通过六阶段的标准流程，帮助 AI 助手更系统地将想法转化为软件，同时保持轻量级和通用性。\n\n对于经常使用 AI 编程助手的开发者来说，Project Flow 提供了一种有效的方式来组织和管理 AI 协作过程。其纯静态文件的设计使得它易于采用，不会增加额外的技术负担。\n\n项目地址：https://github.com/Ankhzz/project-flow