我的AI编程工作流：从需求判断到上线复盘，搭一套 AI 项目自动化流水线...的全部评论

感谢分享！这篇《我的AI编程工作流》核心是构建一套**有边界、可触发、有产物、带审批、能复盘的AI项目交付流水线**，而非单纯用AI写代码。它把AI定位为“后台开发助理”，通过6层架构（产物→触发→能力→执行→审批门→复盘）和10个标准化节点（从需求判断到复盘沉淀），实现工程化协同。关键创新在于：定义5级风险等级（L0-L4）明确AI权限，用AGENTS.md立规矩、10个Skill固化经验、MCP受控调用外部系统，并坚持“能只读就不改、能报告就不执行、能进inbox就不直连生产”。本质是把AI...

如果是做普通demo的话没有必要用这套流程，如果你是做一个需要持续迭代的完整项目这套流程就比较有价值，多少量级的项目的话呢就看你的项目是不是持续迭代还是写完就丢，修改出错是否要定位、回滚和复盘，AI是否已经容易改错范围、或者遗漏要求等。如果这三个问题不存在其实不需要完整流程。如果你是早期学习阶段可以试试搭建最小MVP然后分阶段迭代，不需要按照文章一次性搭目录和skill和自动化，其实自己写明目标、计划和验收标准和测试用例标准足够了。等你开始做完整项目遇到真实问题的时候再逐步加入agents.md...

第四步是先在项目中定义每个流水线节点的执行协议比如：触发方式、输入文件、调用的skill、AI具体动作、输出产物、人工Gate,真正运行时是按照触发方式分别落地。定时节点例如测试巡查、日志排查和每周复盘在codex的自动化中把配置执行时间、项目目录或worktree，并把文章自动化的prompt填入。PR、push、CI失败等事件节点通过GitHub Actions或Github Review触发，需求确认技术方案这些在codex中手动调用对应skill人工确认下一步阶段。整体是触发器 → 调用...