我的全套 AI Agent 编程工作流：高效构建万物（拒绝废话与过度设计）

하이라이트

• 提倡“极简框架”而非过度设计的复杂系统，强调 AI 编程工作流应简单、可进化且属于开发者个人。

• 核心方法论 PIV 循环：由“计划 (Plan)、执行 (Implement)、验证 (Validate)”三个阶段组成的闭环开发流程。

• “AI 层”概念：在代码库中建立 PRD、全局规则 (Rules) 和按需上下文，为智能体提供高质量的上下文背景。

• 黄金法则：上下文管理是核心，提倡“万物皆可命令化”，并将 Git 提交历史视为智能体的长期记忆。

• 验证的重要性：利用浏览器自动化工具和 AI 测试平台 (如 QA tech) 进行端到端测试，确保代码质量并防止功能倒退。

• 系统进化心态：不仅是修复 Bug，更要通过复盘改进 AI 层规则，使智能体随项目成长变得更可靠。

타임라인

1. 00:00 - 01:21

   极简框架与“绿地开发”理念

   视频开篇批评了目前 GitHub 上许多过度设计的 AI 框架，认为开发者需要的是能快速上手并解决实际问题的简单工具。讲师强调这套框架专注于“绿地开发”，即从零开始构建新项目，而非处理复杂的现有代码库。他提出不应在构建工作流上花费比写代码更多的时间，因此推崇一种极简且通用的原则。这部分内容为整个视频奠定了基调，即效率至上且拒绝废话。通过展示一个几乎为空的代码库，讲师引出了后续将要构建的 AI 协作体系。

2. 01:21 - 05:03

   构建 AI 层：PRD 与初始规划

   讲师详细介绍了“AI 层”的组成部分，包括产品需求文档 (PRD)、全局规则和命令集。他建议将 PRD 作为项目的初始工作范围，用来定义最小可行产品 (MVP) 并将其拆分为不同的工作阶段。为了保持主上下文的整洁，他推荐使用子智能体进行调研和信息隔离。这种前期规划虽然看似减慢了进度，但实际上为后续的快速、可靠开发打下了基础。讲师还分享了自己的 GitHub 仓库链接，鼓励观众将这套系统据为己有并不断演进。

3. 05:03 - 13:52

   非结构化想法到结构化 PRD 的转化

   通过构建一个类似 Linktree 的自托管应用作为案例，讲师演示了如何使用语音转文字工具进行“大脑信息大卸货”。他强调减少 AI 智能体假设的关键在于让它主动提问，通过回答一系列细致的边缘情况问题来消除误解。视频展示了 Claude Code 如何通过调研子智能体提供多选题来澄清 URL 结构、用户权限等细节。这一过程将非结构化的对话内容沉淀为一份结构化的 PRD 文档。这种方法能有效防止“一行坏计划导致千行坏代码”的悲剧，确保开发方向的精确性。

4. 13:52 - 21:18

   全局规则与按需上下文管理

   在有了 PRD 后，讲师开始设置全局规则文件 (agents.md)，定义技术栈、架构约定和日志策略。他提出了“渐进式披露”的策略，即只在全局规则中保留核心约束，而将特定领域的指南（如前端组件或 API 开发）放在按需加载的参考文件夹中。这样做是为了节省宝贵的上下文 Token，确保智能体只在需要时读取相关信息。此外，他还介绍了一个名为“Prime”的引导指令，用于在每个新会话开始时快速同步智能体对代码库现状的理解。这部分强调了“上下文是开发者最宝贵的资源”这一核心理念。

5. 21:18 - 30:42

   PIV 循环实战：从计划到全自动执行

   讲师深入讲解了 PIV 循环的具体执行流程，重点在于将单一功能的实现转化为一个“作战计划”。在执行阶段之前，他会重置对话上下文并仅提供结构化计划，以保持智能体的专注度。视频展示了如何利用环境变量预设来避免智能体在部署时卡顿，并利用指令将编码任务完全委托给 AI。通过集成浏览器自动化技能，智能体能够自行启动服务并执行端到端测试。这种“信任并核实”的模式让开发者能从繁琐的编码中解脱，转向更高层级的审查工作。

6. 30:42 - 37:37

   验证、提交与 AI 测试进化

   执行完成后，讲师展示了初步构建成功的应用界面，验证了链接管理、实时预览等核心功能。他强调了规范化 Git 提交信息的重要性，将其视为代码库的长期记忆。为了应对功能增长带来的回归风险，他引入了 QA tech 等 AI 测试平台来自动化生成和维护测试用例。这使得测试套件能够随代码库同步进化，无需开发者手动管理大量测试基础设施。这一阶段标志着项目从“基础搭建”转向“持续集成”，确保了系统的稳定性。

7. 37:37 - 42:22

   系统进化心态与总结

   视频最后提出了“系统进化心态”，即把每一个 Bug 或不理想的实现都看作是优化 AI 层的机会。讲师演示了如何让智能体进行元推理，通过添加样式指南 (style.md) 来弥补之前的规则漏洞。这种做法能产生惊人的复利效应，使 AI 协作效率随项目周期不断提升。讲师预告了下一期关于“棕地开发”的内容，并邀请观众加入社区深入研究。全片总结了极简、闭环、可进化的 AI 编程哲学，为观众提供了可落地的实战指南。