AI Project Delivery · AI 项目交付方法论

一个跨 harness 的 AI 编码交付框架：从需求对齐到上线验收，并附带非技术用户模式。

这份仓库是一份 Agent Skill（根部的 SKILL.md），适用于 DeepSeek Harness、Claude Code、Codex、Cursor 等支持 Agent Skills 的运行时。它把「用 AI 代理交付软件项目」这件事拆成可执行的分阶段流程、心智模型与决策规则，并明确保留不同流派之间的分歧。

• 它是什么：一份方法论技能 + 三份可追溯的调研笔记（55 个来源，一手占比 80% 以上）
• 它不是什么：不是又一个 Spec-Driven Development 工具，不绑定单一厂商流程，不扮演任何人物
• 适用对象：正在用编码 agent 做项目的人，以及不懂代码、只会用 AI 的普通人（内置「非技术用户模式」）

为什么是它：一个决策层，不是又一个工具

大多数 AI 开发框架在回答「怎么做」；这个仓库回答「什么时候该用哪一种」。

差异	常见做法	这个仓库
立场	推销自己那套流程（SDD / 角色化 / 全自动）	保留流派分歧，给出各自的适用条件与失效边界
对象	默认你会读代码、会判断技术方案	内置「非技术用户模式」：最多 3 个问题、演示验收、安全网
载体	绑定单一 IDE / 厂商	一份内容跨 DeepSeek Harness / Claude Code / Codex，附等价映射
证据	金句与断言	55 个来源、逐条 URL 与日期，经验值标〔推断〕，结论可追溯、可反驳

一句话：想直接执行，去装 Spec Kit 或 BMAD；想知道什么时候该用它们、什么时候不该用，用这个。

适合：

• 正在用编码 agent 做完整项目，被「返工 / 失控 / 越改越乱」困扰的人
• 不懂代码、只会用 AI 的普通人（有专门模式）
• 需要在多个 agent 客户端之间保持一致流程的人

不适合：

• 只想要一个开箱即用的自动化流水线（这里是方法论，不替你执行）
• 单次编码、单次排错、单次 diff 评审（有更专门的技能）
• 需要强合规审计模板的团队（这里没有合规模板）

怎么和它们一起用：把本仓库当作「路由层」——先用这里的判据选流程与粒度，再把执行交给 Spec Kit、BMAD、superpowers 或你已有的技能。

快速开始

方式一：通用技能安装器

npx skills@latest add anjiecobamboo-blip/ai-project-delivery

安装器会按提示选择运行时（Claude Code、Codex、Cursor 等）。

方式二：DeepSeek Harness

把仓库复制或克隆到 DSH 的用户技能目录：

git clone https://github.com/anjiecobamboo-blip/ai-project-delivery.git "$HOME\.dsh\skills\ai-project-delivery"

DSH 会自动发现目录根部的 SKILL.md，无需重启（热刷新）。

方式三：Codex / Claude Code / Cursor

# Codex
git clone https://github.com/anjiecobamboo-blip/ai-project-delivery.git "$env:CODEX_HOME\skills\ai-project-delivery"

# Claude Code
git clone https://github.com/anjiecobamboo-blip/ai-project-delivery.git "$HOME\.claude\skills\ai-project-delivery"

方式四：作为 DSH 插件

本仓库同时是一个 DSH 插件包（package.json + cordis.patch.yml）：cordis.patch.yml 复用了 DSH 自带的 @deepseek-ai/dsh-skill-filesystem，把包目录注册为技能根目录。将它作为依赖安装到 DSH profile 后即可由 loader 加载。

什么时候会触发

会自动或按需介入（讨论「怎么做项目」时）：

• 要不要写 spec、怎么拆工单、会话怎么切
• 多 agent 能不能并行、能不能让 agent 自动跑（AFK）
• AI 代码怎么 review、Spec Kit / Kiro / 纯对话怎么选
• 新库或老库怎么接入、软件工厂怎么搭

不会触发（避免拖慢日常小任务）：

• 单次编码任务 → 用具体工程技能
• 单次排错 → 用 diagnosing-bugs 类技能
• 单次 diff / PR 评审 → 用 code-review 类技能
• 单次并行任务分派

内容概览

模块	内容
四个失效模式	没对齐、语言不共享、代码不工作、变成泥球
四层诊断表	对齐层 / 上下文层 / 验证层 / 架构层，含判定问句
8 阶段主流程	准备 → 对齐 → 原型/研究 → 规格 → 工单 → 实现 → 评审 → 交付 → 复盘
6 个心智模型	验证带宽定律、上下文预算、对齐是资产、深模块可导航性、油门与刹车、冷上下文评审
10 条决策启发式	会话切分、工单粒度、并行条件、停手信号、规则落在哪
10 类反模式	vibe coding、大 PR、自写自评、无刹车自动化等
流派分歧表	规格地位、上下文管理、多 agent 并行、AFK 边界、TDD、review 位置、组织结构、安全
非技术用户模式	用户不懂代码时的切换规则、阶段适配、验收模板、安全网与固定话术
跨 harness 映射	Claude Code / Codex / DSH 的等价操作

案例

一个真实案例：不懂代码的用户，37 分钟从一句话到一个可双击使用、可验收的本地电商作图工具。

• 案例 01：37 分钟做一个本地电商作图工具
• 案例 02：给工具加「AI 换场景」+ DeepSeek 提示词与视觉质检（mock 优先，真实 API 待验证）
• 含：需求对齐过程、范围决策（为什么 v1 不接 AI）、自动验收输出、一次返工、框架对照表、诚实边界与复盘

与现有框架的关系

项目	定位	与本仓库的差异
github/spec-kit	官方 SDD 工具包	本仓库把 SDD 作为「一种流派」而非默认答案
Fission-AI/OpenSpec	面向 AI 助手的 SDD	同上，并给出「规格是输入还是压缩」的判断条件
BMAD-METHOD	角色化敏捷 AI 开发流程	本仓库不要求角色扮演，按任务规模裁剪流程
obra/superpowers	技能框架 + 开发方法论	本仓库是单主题方法论文档，可与其技能组合使用
mattpocock/skills	工程技能集合（grill/spec/tickets/implement）	本仓库吸收了其流水线并补充其它流派与反例

非技术用户模式

当用户表示自己不懂代码、只会用 AI 时，技能会切换为：

• 一次最多问 3 个问题，能用默认值就用默认值
• 不展示代码；技术概念先用一句类比解释
• 每次交付必须能演示（截图/录屏/可打开的产物）+ 不超过 3 条用户自己能判定的验收清单
• 检查点停下来让用户确认：需求摘要、规格、第一版切片、每轮验收
• 涉及支付、账号、删除数据、对外发布时先说明风险并取得同意

目录结构

.
├── SKILL.md                      # 技能主体（安装后在运行时自动发现）
├── agents/openai.yaml           # Codex 展示信息（display_name / short_description）
├── references/research/         # 调研笔记（来源、日期、一手/二手标注）
│   ├── 01-pocock-pipeline.md
│   ├── 02-vendor-spec-driven.md
│   └── 03-practitioner-schools.md
├── cordis.patch.yml             # DSH 插件入口
├── package.json
├── README.md / README.en.md
├── CHANGELOG.md
└── LICENSE

来源与致谢

本技能由「女娲 · Skill造人术」流程生成，综合以下公开材料（完整 55 个来源与日期见 references/research/）：

• Matt Pocock / AI Hero：grill → spec → 工单 DAG → implement → 独立评审 → retro，smart zone、deep modules、software-factory
• GitHub Spec Kit、AWS Kiro、Anthropic 官方文档：规格驱动、上下文工程、确定性检查
• Simon Willison、Cognition、Addy Osmani、HumanLayer、Kent Beck、Steve Yegge、Böckeler：验证带宽、多代理边界、AFK 反例、12-factor agents

感谢以上作者与维护者。本仓库与其无隶属或背书关系，所有引用均标注出处。

已知局限

• 时效：调研时间 2026-11-03；该领域厂商立场一年内出现过多次反转
• 证据等级：主体是实践者经验与厂商自述，几乎没有对照实验；技能内的经验阈值标有〔推断〕
• 工具差异：多 agent、hook、自动压缩等能力在不同 harness 上不同，技能提供映射但不等价
• 规模偏差：小团队、绿地的证据最强；大团队协作、合规、成本模型基本缺位

贡献

欢迎提交 issue 或 PR 修正事实、补充来源、改进流程判据。请保持两点：

1. 新增主张附来源（URL + 日期），区分一手/二手；
2. 不抹平分歧——相互冲突的证据应并列呈现并说明适用条件。

License

MIT

---

本仓库由 女娲 · Skill造人术 流程生成，作者：anjiecobamboo-blip。 若你 redistribution，请保留来源与许可声明。