Super Individual Program

“超级个体” 培养计划

第一期 全栈开发能力培养

培训人 诗雅 + 陈明
Course Outline

课程目录

Chapter 01

培训计划总览

Chapter 01

培训计划具体内容

第1节 AI基础
AI、Agent相关概念
Agent产品选择
常诗雅 + 陈明
6月1日
第2节 需求理解
产品接到需求时会做哪些事
AI 可以如何参与需求理解
常诗雅
6月5日
第3节 前端开发
前端基础知识与开发规范
原型与 AI 辅助前端开发
陈明 + 常诗雅
6月8日
第4节 后端开发
后端基础知识与开发规范
PRD 与 AI 辅助后端开发
陈明 + 常诗雅
6月12日
第5节 数据库应用
数据库基础知识与使用规范
AI 辅助数据库与后端协同
陈明 + 常诗雅
6月15日
第6节 上线部署 / 数据观测 / skill封装
上线部署基础与操作规范
数据观测分析与 skill 封装
陈明
6月22日
Chapter 02

AI 相关概念基础介绍

Chapter 02

AI的关键发展历程

AI对话
LLM-chat
AI执行
AI Agent多样性发展
体系化基建
基建底层-知识库
Chapter 02

AI相关概念

01
LLM训练相关
02
LLM使用相关
03
AI Agent相关
Chapter 02

LLM选型—优缺点

LLM 优势 短板 背后生态
Gemini
学术研究 行测
中文表达稳定性一般 Google 搜索 / Workspace / Android
deepseek
性价比 申论-政府语言
长文本与复杂工具协同偏弱 开源社区 / API 平台 / 中文场景
Kimi
长文本 搜索整理
代码与复杂推理场景偏弱 Moonshot / 长上下文 / 浏览器场景
豆包
通用助手 内容运营
深度推理与专业开发偏弱 字节 / 抖音 / 企业协同
千问
企业能力 业务集成
通用创意表达相对不突出 阿里云 / 百炼 / 电商生态
即梦
生图/生视频 人像/运营
文本推理与复杂任务能力弱 字节内容生态
可灵
生视频 分镜拆分
长文本理解与复杂指令偏弱 快手内容生态
Claude
全能 技术开发nice
国内使用门槛相对较高 Anthropic / API / 安全对齐
GPT
全能 逻辑推理nice
成本与中文本地化压力更高 OpenAI / API / 多模态产品
✦
LLM的选择,可以同时考虑模型能力、短板与背后生态的匹配性
Chapter 02

LLM选型—成本

先看 单次调用价格差异,再结合业务阶段和交付场景做成本策略调整,避免“模型选贵了”或“为了省钱牺牲核心质量”。
1
直接价格成本的比较
  • 不同模型的价差非常大
    同样的任务,在轻量模型和高阶模型之间,单次成本常见可以差到数倍,极端情况下甚至更高。
  • 辅助决策,不是背价格表
    让大家明确“贵多少、差在哪、值不值”,从而决定用最强模型还是够用模型。
2
业务阶段及成本策略调整
  • 探索阶段
    结合业务场景做合适模型选择,可以以“突破难点”为前提,做一些适当成本妥协。
  • 落地阶段
    在不影响或可接受核心质量交付的前提下,做模型对比,优先选更便宜的模型,保障性价比。
3
交付场景及成本策略调整
  • 对内 - 一次性生产 - 多次复用型
    以质量优先,可以接受跑完后多次复用,以实现成本平摊。
  • 对外 - 反复调用 - 交互场景型
    以成本优先,控制单次调用成本,避免被盗刷风险和高频请求放大消耗。
Chapter 02

Agent的基础结构

Industry View
行业顶尖大佬们认为的 Agent
调用 LLM
调用工具
架构编排
AI 自主决策
示例:codex、Claude Code、OpenClaude...
Business Practice
业务落地中普遍实现的 Agent
上游
调用 LLM
中层
架构编排与流程设计
下游
调用工具
注释:大部分难以让 AI 自主决策
Chapter 02

架构编排解决什么问题

01
遵守规则
把业务约束、输出格式、权限边界前置到流程里,避免模型自由发挥导致结果漂移。
02
数据处理
先做解析、清洗、归一化,再交给模型和下游模块,保证不同输入都能进入同一种稳定结构。
03
工具调用
明确什么时候调用什么工具、如何传参与回收结果,让工具成为流程的一部分,而不是偶发外挂。
04
管理记忆
控制短期上下文、任务状态和关键结论沉淀,减少多轮交互中的遗忘、重复和上下文污染。
Chapter 02

常见Agent搭建思路 · 单一链路型

1. 单一链路型
Single-Agent Chain
结构类型
单Agent直连执行链路
适用场景
任务简单、步骤少、无需拆解
能力边界
适合单轮或短链路任务,不擅长复杂协作、并行拆解与动态调度。
用户输入
→
一个Agent
→
最终输出
调用工具 / 知识库
Chapter 02

单一链路型 · 试题自动化标签 Agent

作业案例 Single-Agent
输入一题,直接打标
输入试题
试题自动化标签 Agent
输出标签
能力容器
标签库
识别规则
Chapter 02

常见Agent搭建思路 · 角色分工型

2. 角色分工型
Role-Based Multi-Agent
结构类型
多Agent串联协作
适用场景
任务有明确固定的步骤、可线性拆分
能力边界
适合流程清晰的链式任务,但不擅长面对动态步骤变化和复杂并行依赖。
用户输入
→
需求分析师
→
资料研究员
→
报告撰写员
→
最终输出
需求分析师
职责:拆解任务、识别约束、整理输入
资料研究员
职责:调用工具、检索资料、补充证据
报告撰写员
职责:整合结果、形成方案、输出报告
Chapter 02

角色分工型 · 试题批改多 Agent

作业案例 Role-Based
一步一 Agent,串联完成批改
题目 / 要求 / 材料 / 作答
STEP 01
试题分析 Agent
题干要求标注
材料标注
STEP 02
标准答案派生 Agent
派生规则
标准画像
STEP 03
批改点评 Agent
批改规则
分数映射规则
点评规则
输出
参考答案
批改分数
点评内容
Chapter 02

常见Agent搭建思路 · 层级规划型

3. 层级规划型
Hierarchical Planning
结构类型
主管规划 + 子Agent并行执行
适用场景
任务复杂、步骤动态、需要并行 / 聚合
能力边界
适合复杂任务编排,但对调度能力、上下文控制、结果汇总质量要求更高。
用户输入
↓
主管Agent(规划 + 分解 + 调度)
↓
需求拆解示例
把“培训方案”拆成目标、页面、交付物
资料检索示例
分别查找案例、知识点、可用工具
任务执行示例
生成大纲、整理结论、输出课件初稿
↓
主管汇总输出
↓
最终输出
Chapter 02

层级规划型 · 课程生产 Agent

作业案例 Hierarchical
导演先统一计划,再调度子 Agent 成课
学习目标
导演 Agent
统一计划 / 分解 / 调度
SUB 01
讲课 Agent
讲解内容
知识展开
SUB 02
提问 Agent
课堂提问
互动设计
SUB 03
推送训练 Agent
练习安排
巩固推送
一整节课程
Chapter 02

Agent的2个方向

Agentic
agent + cron + im
试用场景
适合需要持续运行、定时触发、消息驱动协作、自动巡检和周期性业务处理的场景。
能力边界
更偏向流程自动化和任务持续执行,对深度领域推理和复杂专业判断的稳定性要求更高。
Agent难点
定时调度可靠性、消息状态管理、长期运行稳定性、多轮上下文衰减与异常恢复机制。
垂直Agent
领域知识 × 规则
试用场景
适合代码、法务、财务、运营、教育等有明确领域知识、规则约束和标准流程的专业场景。
能力边界
强依赖领域知识沉淀与规则设计,跨域泛化能力有限,迁移到新业务时需要重新定义约束体系。
Agent难点
知识结构化、规则显式化、输出稳定性、边界兜底与专业结果可验证性。
典型产品
OpenClaw 等持续运行型 Agent 平台
典型产品
Codex、Claude Code
Chapter 03

AI Agent工具选择与安装

Chapter 03

市面上常见的AI Agent工具

工具名
Codex
工具类型
coding
交互方式
CLI GUI
可接其他模型
是
适用人群
全人群可用
适用业务场景
代码开发、需求拆解、仓库改造、命令执行、工程级交付。
安装困难
工具名
Claude Code
工具类型
coding
交互方式
CLI GUI
可接其他模型
是
适用人群
全人群可用
适用业务场景
代码重构、调试排障、脚本编写、项目理解、技术方案整理。
工具名
Gemini CLI
工具类型
coding
交互方式
CLI
可接其他模型
否
适用人群
开发人员
适用业务场景
搜索增强开发、资料梳理、文档总结、多仓库辅助分析。
工具名
Cursor
工具类型
coding
交互方式
GUI
可接其他模型
是
适用人群
开发人员 微代码应用
适用业务场景
IDE 协作开发、页面原型实现、前后端联调、个人开发提效。
工具名
扣子
工具类型
workflow
交互方式
GUI
可接其他模型
是
适用人群
微代码应用 程序小白
适用业务场景
企业助手、客服问答、内容生产、飞书 / 微信生态业务接入。
工具名
Dify
工具类型
workflow
交互方式
GUI
可接其他模型
是
适用人群
开发人员 微代码应用
适用业务场景
知识库问答、内部流程编排、业务 Agent 搭建、团队协作验证。
先看工具交互形态,再看它最适合承接哪类业务场景,避免只按“模型强弱”做选择。
Chapter 03

coding工具推荐 · Codex 客户端版

为什么优先推荐

  • 安装入口直接,Windows 可以从 Microsoft Store 安装。
  • 用图形界面选择工作目录,更适合第一次上手和培训演示。
  • 不需要先理解终端命令,也能开始读代码、改代码、执行任务。
适合人群:完全新手、非开发同学、希望快速开始的人。
Microsoft Store 中搜索 Codex
图 1:Microsoft Store 安装入口
Chapter 03

coding工具推荐 · Codex CLI版

适合已经能接受命令行工作流、希望更贴近工程现场的人。

推荐原因

  • 最贴近真实开发流,适合在具体项目目录里直接运行任务。
  • 对目录、脚本、命令和代码改动的控制感更强。
  • 更适合演示“进入项目目录 → 启动 Agent → 执行任务”的完整链路。
cd 你的项目目录
codex
命令行启动 Codex
图 4:命令行启动 Codex
Chapter 03

coding工具推荐 · VS Code

适合原本就在 VS Code 里写代码的人,把 Agent 协作直接接到现有开发界面中。

为什么推荐

  • 不用切换工具,继续在熟悉的编辑器里完成编码、联调和修改。
  • 更适合边看文件、边提需求、边接受 AI 修改建议。
  • 适合作为团队里“开发人员默认入口”的推荐方案。
建议搭配 Codex 官方插件一起使用,降低界面切换成本。
VS Code 中安装 Codex 插件
图 5:VS Code 扩展安装界面
Chapter 03

辅助工具推荐 · CC Switch

当团队同时使用 Codex、Claude Code、Gemini CLI 等多个工具时,CC Switch 适合作为统一的 Key 与供应商切换入口。

解决什么问题

  • 多工具切换时,不用反复手改不同客户端的配置文件。
  • 把多个供应商配置集中管理,减少 Key 分散和配置混乱。
  • 适合培训现场统一演示“同一工具切不同模型/平台”的使用方式。
Codex 配置示意
图 8:Codex 配置
Chapter 04

工具的基础配置

Chapter 04

LLM-key配置

CLI 配置文件位于用户目录 .codex,API Key 主要放在 auth.json 中管理。

配置路径

  • Windows:C:\Users\你的用户名\.codex\
  • macOS / Linux:~/.codex/

auth.json

{
  "OPENAI_API_KEY": "你的API密钥"
}
配置提醒:API Key 属于敏感信息,只放在本地配置文件中,不要写进代码仓库或前端页面。
Chapter 04

LLM-参数配置

模型名称、供应商、推理强度、代理地址等参数,主要在 config.toml 中配置。

config.toml 示例

model_provider = "packycode"
model = "gpt-5.3-codex"
model_reasoning_effort = "xhigh"
disable_response_storage = true

[model_providers.packycode]
name = "packycode"
base_url = "https://www.packyapi.com/v1"
wire_api = "responses"
requires_openai_auth = true

[projects."/home/admin/work/word"]
trust_level = "trusted"

[tui.model_availability_nux]
"gpt-5.3-codex" = 4
"gpt-5.4" = 1

重点参数

  • model_provider:指定走哪个模型供应商。
  • model:指定默认使用的模型。
  • model_reasoning_effort:控制推理强度。

常见调整项

  • base_url:切换官方或代理地址。
  • trust_level:配置项目目录信任级别。
  • 不同项目可按目录维度做差异化配置。
Chapter 04

工作区全局规范配置(AGENTS.md)

规范原文

# AGENTS

本文档定义当前工作区的通用开发约束,适用于本目录下各项目及后续新增项目。

若当前工作目录或其上层存在更近的 `AGENTS.md`、`README`、`CONTRIBUTING`、设计文档或明确任务说明,按以下优先级执行:

1. 离当前工作目录最近的 `AGENTS.md`
2. 当前仓库内的 `README`、`CONTRIBUTING`、计划文档、设计文档
3. 本全局 `AGENTS.md`
4. 通用默认习惯

若规则冲突,优先遵循更近的规则,并记录冲突点、处理依据和影响范围。

---

## 1. 基本原则

- 先阅读当前目录及上层可见的 `AGENTS.md`、`README`、`CONTRIBUTING` 和相关设计文档。
- 保持改动克制,优先小步提交、局部修改、最小可行修复。
- 不擅自引入新生产依赖、修改 CI、调整基础目录结构,除非任务明确要求。
- 优先复用现有模块、工具函数、测试模式和项目约定,避免平行造轮子。
- 结论尽量基于代码、日志、测试结果或文档证据,避免凭感觉判断。

---

## 2. 开始编码前

- 对复杂或多步骤任务,先给出简短计划再实施。
- 若关键边界不清楚,先说明当前理解、关键假设和待确认问题。
- 不确定性不阻塞主路径时,可基于明确假设继续推进,但要写清假设。
- 开始改动前先确认影响范围:
  - 代码路径
  - 配置
  - 接口
  - 数据结构
  - 存储格式
  - 权限边界
  - 并发行为
  - 部署行为
- 对高风险任务,先明确最小闭环,避免范围失控。

---

## 3. 排查与调试

遇到非平凡问题时,遵循“观察 -> 假设 -> 实验 -> 结论”的流程。

- 先记录现象和复现条件:
  - 报错信息
  - 输入条件
  - 触发步骤
  - 环境差异
  - 预期行为
  - 实际行为
- 明确区分“已知事实”和“个人推测”。
- 在正式修复前,列出候选根因,并说明:
  - 支持证据
  - 冲突证据
  - 最小验证办法
- 实验遵循单变量原则,一次只验证一个假设。
- 根因未确认前,不做大范围猜测式重构,不叠加多个未经验证的补丁。
- 根因确认后,再实施正式修复,并补对应回归测试。
- 调查结论应回填至现有计划、设计或问题记录文档;必要时新增 `DEBUG.md`。

---

## 4. 实现要求

- 保持与项目既有风格一致,包括命名、目录组织、错误处理、日志风格和配置方式。
- 优先解决根因,不做仅掩盖症状的表层修补。
- 涉及接口、数据结构、持久化格式、并发、权限边界时,主动评估兼容性和副作用。
- 修改公共模块时,优先评估对调用方的影响;必要时补最小兼容层或迁移说明。
- 控制实现复杂度,能局部解决的问题,不轻易上升为系统性重构。
- 非任务必要,不顺手修复无关问题;若发现额外问题,记录即可。
- 调试代码、临时脚本、一次性兼容逻辑应在任务结束前清理,或明确标注用途和清理条件。
- 错误处理应沿用项目既有约定,不随意创造新语义。
- 若无法一次彻底解决,优先交付清晰、可验证、可回退的阶段性最小方案,并说明剩余风险。

---

## 5. 测试与验证

- 对行为变更、缺陷修复和高回归风险改动,优先补复现用例或对应测试。
- 遵循仓库已有测试框架和目录约定,不额外引入新的测试体系。
- 测试尽量覆盖:
  - 正常路径
  - 边界条件
  - 已知失败路径
  - 本次修复对应的回归场景
- 完成改动后运行相关验证,如 `test`、`lint`、`typecheck`、`build` 或直接复现验证。
- 若影响面较大,不只验证改动点,还应补一层受影响路径验证。
- 若无法运行验证,必须说明:
  - 无法运行的原因
  - 当前风险
  - 建议的后续验证方式
- 不以“理论上应该正确”代替测试结论;测试失败时,不得直接宣称完成。

---

## 6. 文档要求

- 对值得沉淀的需求实现、架构决策变更或重要问题调查,及时回填文档。
- 文档重点记录:
  - 决策
  - 原因
  - 验证结果
  - 未解决风险
  - 后续事项
- 文档应服务于维护、协作和追溯,不写琐碎流水账。
- 若实现偏离原方案,应记录偏离原因、偏离内容和影响范围。
- 文档应描述当前实际实现,而不是过时方案。

---

## 7. 安全要求

- 不输出、提交或扩散密钥、凭据、PII 或生产环境敏感配置。
- 删除、迁移、批量重写、权限调整、数据库变更、批处理脚本等高影响操作,先明确风险、影响范围和回退方式。
- 对生产数据、状态性资源和外部系统写操作保持保守;不确定时优先只读、演练、沙箱或局部验证。
- 发现设计缺陷时,不静默绕过,应说明问题、影响范围和备选方案。
- 不伪造验证结果,不隐瞒失败,不把未经验证的猜测表述为事实。

---

## 8. 变更纪律

- 单次任务只交付与目标直接相关的改动,控制 diff 规模,降低审查和回滚成本。
- 每个改动都应能说明必要性,无法说明必要性的改动默认不做。
- 若需分阶段推进,应明确区分:
  - 本次已完成内容
  - 暂不处理内容
  - 建议下一步
- 对可逆性差的改动,如数据迁移、接口语义变更、批量替换,先给出回退策略再落地。
- 高风险任务优先采用“先兼容、再切换、后清理”的演进方式。

---

## 9. 推荐目录约定

每个独立项目原则上按以下结构组织:

- `frontend/`:前端页面、组件、样式、前端数据访问逻辑
- `backend/`:后端接口实现、接口契约、通用模块
- `config/`:本地配置、规则文件、模板、映射表
- `data/`:固定输入样例、测试样例、静态示例数据
- `runtime/`:运行期输出、隔离测试结果、日志、错误快照
- `scripts/`:独立执行脚本、测试脚本、迁移脚本、排查脚本
- `launcher/`:启动器相关文件

约束:

- 不把后端逻辑直接写进前端目录。
- 不把配置文件放进前端可见页面或静态资源目录。
- 不把运行日志写入源码目录中的业务文件旁边。
- 不在根目录长期保留临时调试文件或临时导出文件。

---

## 10. 命名规范

- 命名必须表达业务含义,避免空泛、模糊和无意义超长命名。
- 同一概念在全项目内应保持一种主命名。
- 文件命名优先使用 `kebab-case`。
- 变量、函数、对象字段优先使用 `camelCase`。
- 常量使用全大写下划线风格,仅用于真正稳定的固定值。
- 函数名应体现动作和结果,优先使用以下模式:
  - `loadXxx`
  - `buildXxx`
  - `normalizeXxx`
  - `extractXxx`
  - `assertXxx`
  - `createXxx`
  - `executeXxx`
- 避免使用语义不清的命名,如 `handle`、`process`、`runAll`、`doStuff`、`fixData`。

---

## 11. 接口与数据结构

- 每个接口应有稳定的接口标识、输入、执行过程说明和输出结构。
- 对外入参应与业务概念一致,不混入调试字段。
- 必填字段必须前置校验,归一化规则应固定、可复用、可追踪。
- 中间结果只服务当前流程,不直接暴露给前端。
- 输出结构优先保证稳定,再追求内容完整。
- 对可能缺失的字段,应补齐空结构或默认值,而不是随意删字段。
- 增加字段可以,删除字段或修改字段名必须先确认影响范围。
- 字段含义变化时,必须同步更新文档和调用方说明。

---

## 12. 配置与规则文件

- 所有业务配置优先放入配置文件,不直接写死在业务流程或页面中。
- 代码应通过统一配置加载函数读取配置,不在多个文件重复拼接路径规则。
- 规则文件、模板文件、映射表应有稳定结构,供代码明确读取。
- 读取结构化文件时,必须依赖明确字段,不依赖人工约定。

---

## 13. 模块拆分与代码组织

- 每个模块只负责一类职责,例如:
  - 输入校验与归一化
  - 数据解析
  - 规则读取
  - 外部依赖调用
  - 输出归一化
  - 日志记录
  - 审核与重试
- 编排器只负责流程编排,不堆积大量细节实现。
- 模型输出、外部输入、表格读取结果等不稳定数据,必须先归一化再使用。
- 校验失败应抛出明确错误,错误信息应能帮助定位具体字段。
- 逻辑组织优先遵循:
  - 先校验
  - 再解析
  - 再调用依赖
  - 再归一化
  - 最后输出
- 重试逻辑必须显式记录轮次、对象、原因和最终结果,不做静默无限重试。

---

## 14. 前后端职责

### 前端

- 负责展示、筛选、分页、触发动作和结果呈现。
- 不负责长期存放后端业务规则、模板或敏感配置。
- 页面文案、字段展示和交互逻辑应与当前业务命名保持一致。
- 分页、筛选、加载状态、空状态应清晰可解释。

### 后端

- 每个接口应有独立服务入口。
- 共享能力统一沉淀到公共模块。
- 输出应为前端提供稳定、可消费的数据结构,避免前端二次猜测。
- 外部依赖调用前后应有日志,失败时应有明确错误返回和错误记录。

---

## 15. 日志与错误处理

- 真实测试、隔离测试和运行期日志统一写入 `runtime/`。
- 日志按接口或任务分目录存放,目录名建议包含时间戳和业务标识。
- 关键执行步骤和错误原因应可追踪。
- 结构化日志应写入独立文件,便于回放和定位。
- 错误信息应尽量包含:
  - 失败步骤
  - 失败原因
  - 输入快照
  - 错误堆栈
  - 失败阶段
- 避免仅输出“执行失败”这类无效错误。

---

## 16. 完成标准

满足以下条件后,才可视为任务完成:

- 代码改动与任务目标一致
- 受影响路径已做适当验证,或已明确说明为什么暂未验证
- 关键假设、限制、风险和后续建议已说明清楚
- 已检查并尽量控制兼容性、副作用和影响范围
- 已补充必要测试,或已说明缺失测试的原因与风险
- 已同步必要文档
- 未引入与任务无关的改动
- 产出对后续维护者可理解、可验证、可接手

---

## 17. 维护规则

- 新增功能、接口、页面或脚本时,先遵循本文档,再决定目录、命名、日志和文档写法。
- 若现有规则已不适配,应先更新本文档,再进行大规模实现调整。
- 本文档一旦更新,后续开发默认按最新版本执行。
Chapter 05

基础操作

Chapter 05

工作区选择与切换

为什么要先选工作区:工作区决定 Agent 能看到哪些代码、文档和配置,也决定后续修改会落在哪个项目里。任务做对但改错目录,等于没有完成交付。

看项目根目录 看 AGENTS.md 看 README 确认写入范围
codex-客户端
用界面选择已有目录
适合第一次演示或非开发同学上手,直接在客户端里选择要进入的项目目录。
  • 点击创建项目或切换入口,选择 Use an existing folder。
  • 优先选当前要讲解或要修改的项目根目录,不把多个无关项目混在同一个工作区里。
Codex 客户端选择已有工作目录
客户端:选择已有目录进入工作区
codex-CLI
先进入目录,再启动 Agent
适合开发同学或更贴近真实工程现场的演示方式,目录是通过命令行显式指定的。
  • 先用 cd 进入目标项目根目录,再运行 codex。
  • 进入目录后,先做一次只读检查,再开始编辑,降低误改风险。
cd 你的项目目录
codex
CLI 模式进入工作目录
CLI:先进入目标目录,再启动 Codex
Chapter 05

多线程并行

什么时候要开多线程

当任务可以拆成彼此独立的小闭环时,多线程能明显提升推进速度,也能把上下文污染控制在更小范围内。
代码修改 资料整理 页面润色 测试验证
  • 一个线程负责主线实现,另一个线程负责搜集资料、整理术语、准备文案或截图。
  • 高风险修改和低风险辅助任务分开处理,主线程更容易保持稳定。
  • 每个线程都要有清晰目标,避免“同时做很多事,但没有一个闭环”。

并行时的控制点

  • 线程之间不要同时改同一个文件,先按模块或任务边界拆开。
  • 给每个线程一句明确指令,包含输入、输出和完成标准。
  • 回收结果时,先看差异和验证结论,再决定是否合并到主线。
适合并行的前提:任务能拆分、边界清楚、产出可独立验证;否则并行只会增加沟通成本。
Chapter 05

Planning 和 Review 模式的使用

Planning 模式

适合需求还不够清晰、任务步骤较多、需要先拆解再执行的时候使用。
  • 先让 Agent 输出任务理解、范围判断、风险点和执行步骤。
  • 适合讲解“为什么这么做”,也适合把复杂任务先压缩成一个可执行方案。
  • 在真正动代码前先校准方向,能减少返工和误改。
Planning 模式示意
Planning:先拆解、再推进执行

Review 模式

适合已有代码、文档或方案,需要站在审查视角找问题、提风险和做质量把关的时候使用。
  • 重点看 bug、回归风险、缺失测试、边界条件和不一致实现。
  • 让 Agent 先给发现项,再给概括,不要直接让它写成笼统总结。
  • 特别适合在交付前做一轮“挑错式复核”。
Review 模式示意
Review:先发现问题,再做质量把关
简单判断:不知道怎么开始,用 Planning;已经有结果要把关,用 Review。
Closing
THANKS
下一节:需求理解过程中的AI辅助