AI时代的软件开发新范式

这套方法论在传统敏捷开发之上，增加了几个关键步骤，强调与AI的高效协作：

1. 系统拆解：先将软件系统精确拆解为子系统。
2. 接口定义：每个子系统对应一个域名或一套API。
3. 技术选型：基于开源社区信息分析，选择AI大模型已充分训练过的技术栈。
4. AI驱动文档：先写文档，格式为清单体，主要写给AI看，用于生成提示词和代码。
5. 数据库先行：立即根据文档生成带测试用例的数据库脚本，导入并验证结构。
6. 代码生成 (CLI优先)：先生成功能完整的CLI（命令行界面）代码，验证核心逻辑。
7. API扩展：在CLI正确无误后，再扩展为API。
8. 前端后置：最后，让AI根据API文档自动生成前端交互文档和界面设计，再扩展到Web、iOS等平台。

• 错误做法：直接告诉AI“我要开发一个XX软件”，期待一步到位。
• 正确起点：软件工程的起点是 README.md 文档。想象项目成功开源后，开发者第一眼看到的是什么，就从那里开始写。
• 核心理念：“人思考，AI执行”。人负责定义方向和拆解工程，AI负责具体的实现。
• 精炼流程：README定方向 → AI生成PRD → 设计数据库 → 先CLI再API → 生成文档 → 推导前端需求 → AI设计UI → 扩展至全平台。

两件有趣的事：

1. 实战演示：从零开始，用认知敏捷法在30分钟内生成了数据库、后端和前端。
2. 赋能专家：探讨如何让不懂编程的知识工作者（作家、医生）也能微调和分发自己的大模型。

对AI红利期的预判：

• 今年 (2024) 是 RAG与知识库 的红利期 (解决外显/公共知识)。
• 明年 (2025) 将是 专业领域大模型 的红利期 (解决内隐/团队知识)。
• 后年 (2026) 才可能轮到 AI代理 的红利期 (解决隐私/个人知识，数据成熟度低)。

判断依据：知识的内隐/外显程度，以及知识属于个人、团队还是公共领域。

• 传统研发三要素：数据、API、界面。
• AI时代新核心：模型 + 数据。
• 趋势变化：
  • 研发重点变为：如何研发或用好模型？如何低成本可持续地生产大规模数据？
  • API与界面的工作将很快可以根据模型与数据自动生成。

• 推荐项目：PocketFlow，一个用100行代码优雅实现的AI Agent任务抽象项目。
• 项目亮点：
  • 用一个图来抽象AI Agent的各类任务。
  • 结合了文档驱动的开发思路。
• 未来展望：这种开发思路将成为AI时代的主流。鼓励技术同学深入实践认知敏捷开发法，未来可著书立说，使其成为像《敏捷开发》一样的方法论。

• 判断佐证1: 文章《AI就是你的前端:如何用 MCP 将 API封装成智能代理?》 证明了前端界面可以转移到对话中，佐证了作者的 【对话即生产】 和 【模型即生产】 的观点。
• 为何先放弃前端？ 答案是：前端的交互功能正在被对话式AI所取代。
• 判断佐证2: 文章介绍的Python工具 uv，及其衍生的 uvx，为MCP这类高级AI应用提供了坚实的工程基础，使其从概念走向完美实现。