仓库地址：github.com/nianyi778/a… 关键词：AI 编程、工程化、工作流、GitHub Template、强约束
🛑 痛点：你是不是也这样用 AI？
打开 ChatGPT 或 Copilot，直接问：“帮我写一个登录页面”。 AI 刷刷刷生成一堆代码。 你复制粘贴，运行报错。 你把报错丢回给 AI：“报错了，修一下”。 AI 又生成一堆代码，你再粘贴……
半小时后，你发现：
- 代码逻辑乱成一团，变量名风格不统一。
- 改了一个 Bug，引入了三个新 Bug。
- 你根本不知道刚才那段代码改了哪里，想回滚都不知道回滚到哪个版本。
- 最终结论：AI 只能写写 Demo，真做项目还是得靠自己。
💡 破局：AI 缺的不是“智商”，是“工程约束”
资深工程师和实习生的区别，不在于谁会写的语法更多，而在于工程素养：
- 谋定而后动：先设计方案，再写代码。
- 风险控制：知道哪些能改，哪些不能动。
- 可追溯：清楚每次变更的上下文。
如果我们能把这些“工程素养”变成一套强制性的协议，强迫 AI 遵守，会发生什么？
这就是我开源 ai-dev-workflow-template 的初衷。这不是一个简单的 Prompt 集合，而是一套基于 Git 的 AI 协作工程标准。
📦 什么是 AI Dev Workflow？
这是一套可以直接作为 GitHub Template 使用的仓库模板。它通过文档结构和指令约束，把 AI 锁死在一个标准的软件开发生命周期（SDLC）里。
核心原则（The Iron Rules）
- 文档优先 (Documentation First)：不写清楚需求和方案，不许写代码。
- 人工授权 (Human in the Loop)：AI 必须获得你的“批准实现”指令，才能进入编码阶段。
- 分阶段交付 (Staged Delivery)：需求 -> 方案 -> 代码 -> 验收，严禁跳步。
仓库结构一览
.
├── AI_INSTRUCTIONS.md # ⭐ 核心：给 AI 的“宪法”，定义了它必须遵守的规则
├── CONSTRAINTS.md # 🚧 边界：定义技术栈限制（如：禁止用 Raw SQL，必须用 SwiftUI 等）
├── WORKFLOW.md # 🔄 流程：说明 6 个开发阶段
├── templates/ # 📄 模板库
│ ├── CHANGE_REQUEST.md # 阶段 1：需求定义
│ ├── IMPLEMENTATION_PLAN.md # 阶段 2：技术方案
│ ├── CODE_REVIEW_CHECKLIST.md# 阶段 4：自检清单
│ └── ...
└── .github/ # 🤖 GitHub 原生集成（Issue/PR 模板）
🚀 实战教程：如何用这套模板开发一个功能？
假设我们要在一个 iOS 项目中开发一个“用户个人中心”页面。
第一步：初始化（只需一次）
- 访问 仓库地址。
- 点击
Use this template创建你的新项目（或者把文件复制到你现有的项目根目录）。 - 修改
CONSTRAINTS.md，配置你的技术栈约束（例如：必须使用 SwiftUI,禁止使用 CoreData）。
第二步：发起变更（阶段 1）
在 GitHub 上创建一个 New Issue，选择 Change Request 模板。
或者在本地复制 templates/CHANGE_REQUEST.md。
填入你的想法：
需求：实现一个个人中心页，包含头像、昵称和退出登录按钮。 非目标：暂时不做头像上传功能。
第三步：AI 介入（阶段 2 - 方案设计）
把 AI_INSTRUCTIONS.md 的内容（作为 System Prompt 或第一句话）发给 AI，然后把刚才写的 Change Request 发给它。
AI 会回复你一份 IMPLEMENTATION_PLAN.md（实现方案），包含：
- 涉及文件：
ProfileView.swift,AuthService.swift - 核心逻辑：使用
AppStorage存储用户信息，点击退出调用AuthService.logout()。 - 风险：退出登录后需要重置导航堆栈。
第四步：人类审批（关键！）
你查看了 AI 的方案，发现它想用 UserDefaults 存大量数据，这违反了你的最佳实践。
你：拒绝。用户信息应该封装在
UserSession单例中，不要直接散落在AppStorage。AI：收到，重新修改方案...（输出新方案）
你：批准实现。
第五步：代码实现（阶段 3）
只有收到“批准实现”四个字，AI 才会开始输出代码。 此时它会严格按照刚才确认的方案来写代码，不会自作聪明地加什么“炫酷动画”或者“顺手重构网络层”。
第六步：验收与归档（阶段 4-6）
AI 写完后，会根据 CODE_REVIEW_CHECKLIST.md 自检。
你运行代码，确认无误。
最后，AI 会帮你生成 CHANGELOG_ENTRY.md，归档到 docs/changes/ 目录下。
🌍 适用任何语言
这套流程是语言无关的。你只需要修改 CONSTRAINTS.md 文件：
- Java 后端：规定必须用 Spring Boot，禁止直接写 SQL。
- Rust 系统编程：规定禁止
unsafe代码，必须处理所有Result。 - React 前端：规定必须用 Functional Component 和 Hooks。
- iOS/Android：规定 UI 框架和架构模式。
📝 总结
AI 编程的未来，不是 AI 取代程序员，而是懂工程管理的程序员 + 强执行力的 AI。
这套 ai-dev-workflow-template 帮你把 AI 关进“工程化的笼子”里，让它从一个“随心所欲的黑客”变成一个“严谨可靠的执行者”。
👉 立即尝试： github.com/nianyi778/a…
如果你觉得有用，欢迎 Star ⭐️ 支持一下！
