06-从一无所知到体系成型从一无所知到体系成型智能体系统的探索：从一无所知到体系成型起步阶段（2025 Q1）：初识

从一无所知到体系成型

这一章：记录我们从2025年初的AI小白，到逐步建立完整AI Native体系的真实历程。

智能体系统的探索：从一无所知到体系成型

起步阶段（2025 Q1）：初识AI

我们的状态：

听说过AI，但没用过
不知道怎么用
充满好奇和怀疑

第一次尝试：

你: AI，帮我写个函数。
AI: 好的...生成代码...
你: 不对，重写。
AI: 再生成...
你: 还是不对...

问题：

不知道怎么和AI沟通
不知道AI能做什么、不能做什么
效率反而降低了

核心反思：

不是AI太弱，是我们不会用。

探索阶段（2025 Q2）：建立规则

我们做了什么：

学习Prompt Engineering
- 结构化沟通
- 明确指令
- 提供上下文
建立项目规则
- 编写AGENTS.md
- 定义项目规范
- 明确角色分工
尝试工具集成
- 安装Copilot
- 使用ChatGPT
- 探索Claude

效果：

AI理解准确率：40% → 65%
返工次数：5次 → 3次
效率提升：不明显

问题：

规则不够细致
工具没有体系
每个人用法不一样

体系化阶段（2025 Q3）：规则细化

我们做了什么：

规则体系化

AGENTS.md (项目级)
  ├── 项目规范
  ├── 测试标准
  └── 编码风格
  
public/agents/ (公共级)
  ├── 通用测试agent
  ├── 代码审查agent
  └── 文档生成agent
  
skill/ (场景级)
  ├── WEB自动化工具
  └── 测试环境生成

会话管理V2
- 会话目录结构化
- 上下文自动加载
- 历史记录可追溯
技能包探索
- 第一个技能包：WEB前端自动化
- 第二个技能包：单元测试环境生成

效果：

AI理解准确率：65% → 85%
返工次数：3次 → 1-2次
效率提升：3-5倍

突破：

第一次感受到AI的真正威力
团队开始信任AI
从"试用"到"生产化"

成熟阶段（2025 Q4）：全面AI Native

我们做了什么：

技能包体系化
- 技能包数量：2 → 10+
- 建立技能包库
- 跨项目复用
会话管理V3
- 三级上下文管理
- 自动化加载
- 智能索引
多Agent协作
- 产品经理Agent
- 架构师Agent
- 前端/后端Agent
- 测试Agent
MCP协议集成
- AI访问数据库
- AI调用API
- AI操作文件系统

效果：

AI理解准确率：85% → 90%+
返工次数：1-2次 → 0-1次
效率提升：3-5倍 → 20-30倍

质变：

已经忘记怎么不用AI开发
AI是协作伙伴，不是工具
从"会用AI"到"AI Native"

关键里程碑

时间	里程碑	意义
2025 Q1	第一次使用AI	踩坑开始
2025 Q2	建立AGENTS.md	规则化起点
2025 Q3	第一个技能包	工具化突破
2025 Q3	会话管理V2	体系化开始
2025 Q4	技能包体系化	规模化应用
2025 Q4	MCP协议集成	能力边界突破
2025 Q4	多Agent协作	协作模式成熟

5.2 技能包体系：给AI装上"外挂"

技能包1：WEB前端自动化工具

背景：每次UI测试都要手动操作，太慢了。

解决方案：开发WEB自动化技能包

操作浏览器
执行测试
截图验证
性能分析

效果：

以前：30分钟
现在：2分钟
效率提升：15倍

技能包2：单元测试环境生成

背景：每次写单元测试都要配置环境，太麻烦。

解决方案：开发测试环境生成技能包

自动生成测试框架
自动配置测试环境
自动生成测试用例
自动运行测试

效果：

以前：1小时
现在：5分钟
效率提升：12倍

技能包演进路径

Q2: 探索
   ↓
Q3: 突破
   - 第一个技能包成功
   - 验证可行性
   ↓
Q4: 扩展
   - 技能包数量：2 → 10+
   - 建立技能包库
   - 跨项目复用
   ↓
2026: 生态
   - 技能包平台
   - 团队共享
   - 组织资产

5.3 会话管理演进：从乱到序的三次迭代

V1：无管理（2025 Q1）

问题：

会话记录混乱
上下文丢失
无法追溯

状态：一团乱

V2：会话目录（2025 Q3）

改进：

会话目录结构:
  sessions/
    ├── 20250615_143022-login-feature/
    │   ├── context.md
    │   ├── decisions.md
    │   ├── output/
    │   └── summary.md
    └── ...

效果：

✅ 会话记录有序
✅ 上下文可追溯
❌ 加载还是手动

V3：自动化管理（2025 Q4）

改进：

自动化功能:
  - 自动创建会话目录
  - 自动加载上下文
  - 自动生成摘要
  - 自动索引归档

效果：

✅ 完全自动化
✅ 上下文自动加载
✅ 历史可搜索
✅ 效率大幅提升

三次迭代的关键变化

维度	V1	V2	V3
会话记录	❌ 无	✅ 手动	✅ 自动
上下文加载	❌ 无	✅ 手动	✅ 自动
历史追溯	❌ 无	✅ 有	✅ 可搜索
效率	低	中	高

5.4 成功案例与经验

案例1：医疗护理系统

背景：

企业级系统
复杂业务逻辑
对接几十个第三方系统

AI Native实践：

规则体系
- AGENTS.md定义项目规范
- 业务逻辑语义化
- API文档结构化
技能包
- WEB自动化测试
- 单元测试生成
- API测试自动化
工作流
- 需求分析 → 方案设计 → AI实现 → 人工审核
- 5步完成一个需求

效果：

交付时间：3个月 → 3周
代码质量：提升明显
团队状态：不再熬夜

客户反馈： "基本满足需求。" （潜台词：用AI开发的？比预期快多了！）

案例2：测试体系建设

背景：项目没有测试，质量没保障。

AI Native实践：

定义测试规则

测试规则:
  - 每个方法必须有测试
  - 覆盖率>80%
  - 边界情况必须测

开发测试技能包
- 自动生成测试用例
- 自动运行测试
- 自动生成报告
AI驱动测试
- AI生成测试
- AI自测验证
- 人工审核

效果：

测试覆盖率：0% → 85%
Bug发现：提前80%
测试时间：减少70%

5.5 失败教训与反思

教训1：上下文管理缺失

问题：

AI没有项目上下文
每次都要从头教
效率低下

原因：

没有建立上下文管理系统
没有规范化上下文加载

解决：

建立三级上下文管理
会话开始时自动加载
持续优化上下文质量

教训：

上下文是AI的理解基础，没有上下文，AI就是盲人摸象。

教训2：过早优化

问题：

一开始就想建立大而全的体系
贪多嚼不烂
最后什么都没做好

原因：

急于求成
没有遵循渐进式演进

解决：

从最痛的点开始
小步快跑
逐步扩展

教训：

从小做起，持续迭代，比一开始就追求完美更重要。

教训3：忽视团队共识

问题：

只有少数人会用AI
效果参差不齐
无法形成合力

原因：

没有建立团队规范
没有充分培训
没有经验共享

解决：

建立AI使用规范
定期培训和分享
建立技能包库

教训：

AI Native是团队工程，不是个人英雄主义。

5.6 关键数据总结

效率提升数据

维度	2025 Q1	2025 Q4	提升
AI理解准确率	40%	90%+	2.25倍
返工次数	5次	0-1次	5倍+
开发效率	基准	20-30倍	20-30倍
测试覆盖率	0%	85%	∞
加班时间	经常	几乎不	质变

技能包数据

指标	Q2	Q3	Q4
技能包数量	0	2	10+
使用频次	偶尔	每天	每天多次
复用率	0%	30%	70%
效率提升	0	3-5倍	10-20倍

团队能力数据

维度	Q1	Q2	Q3	Q4
会用AI的人数	2/10	5/10	8/10	10/10
AI Native思维	0/10	2/10	6/10	9/10
技能包开发	0	1	3	8
规则完善度	20%	50%	70%	90%

本章总结：

2025年我们从零到一的旅程：

Q1：初识AI，踩坑开始
Q2：建立规则，初步探索
Q3：技能包突破，体系化
Q4：全面AI Native，效率质变

关键成功因素：

从小做起，持续迭代
规则体系化
技能包建设
团队共识

关键数据：

效率提升：20-30倍
AI理解准确率：40% → 90%+
技能包数量：0 → 10+

核心洞察：

不是AI变强了，是我们变会用AI了。 从"用AI工具"到"AI Native"，这是思维的根本转变。

相关章节：

从AI工具人到AI掌门人 - 基于实践经验的未来规划
我们踩了一年坑才明白 - 完整的八大核心洞察

← 返回序章 | 继续阅读 →

📖 在线阅读：juejin.cn/post/758868…