核心导读： 为什么同一款 AI 工具，在 10 倍效能的极客手里是“神兵利器”，在普通团队里却成了制造技术债的“垃圾炮弹”？核心差异在于是否拥有标准化的流水线。 本文将 SDD（规范驱动开发）拆解为清晰的 5 个阶段（确立宪法、功能说明、技术计划、任务原子化、执行与归档）。我们将明确界定在每一个环节中，人类必须把控的“决策节点”与 AI 负责的“执行节点”，并提供可直接复制的配置模板，助您将游击队式的 AI 编程升级为工业化研发体系。
引言：终结“Prompt 游击战”
想象一下你团队现在的 AI 编程日常：
前端小张喜欢用中文对 Cursor 说：“帮我画个登录页面”；
后端老李偏爱用英文长篇大论；
新来的实习生则习惯于不停地按 Tab 键盲目补全代码。
所有人都在用自己的方式“驯服” AI，整个代码库就像一块被不同人随意拼接的百衲衣。一旦出了问题，没人能复现当时的上下文，更没人能接手。
100 多年前，亨利·福特通过**“流水线（Assembly Line）”将汽车从手工奢侈品变成了工业标准品； 在 Software 3.0 时代，面对 LLM 极具随机性的输出，我们也必须建立一条“AI 研发流水线”**。在这条流水线上，输入的是模糊的原始需求，输出的是高内聚、低耦合、且拥有完整 Spec 文档的优质代码。
在 SDD 范式下，我们将其定义为 “五阶段标准作业程序（5-Phase SOP）”。
核心图解：SDD 工业化流水线全景
在详细展开之前，请先将这张流水线全景图印在脑海中。请特别注意图中红色的 “🛑 人类决策点（Human Checkpoint）” —— 这是 SDD 区别于“AI 自动驾驶（Auto-Coding）”的绝对生命线。
图 1：SDD 五阶段 SOP 全景工作流
阶段 1：确立宪法（Constitution）—— 固化老手经验
目标： 在 AI 敲下第一行代码前，确立不可违背的全局技术底线。 责任方： 团队架构师（人类）。
在传统的开发中，团队规范（如“接口必须用统一的 Response<T> 包装”）通常写在 Wiki 里，新员工往往记不住；而在 AI 时代，我们通过 .cursorrules 或全局 Prompt 直接将其转化为机器强制执行的“宪法”。
🛠️ 【拿走即用】高价值 .cursorrules 模板片段
将以下内容保存在项目根目录的 .cursorrules 中，它将作为中期记忆（参考第三篇）持续作用于每一次对话：
# 全局宪法 (Global Constitution)
## 1. 核心身份与思考模式
你是一个具有极强系统性思维的资深架构师（Staff Engineer）。在任何编码之前，你必须先阅读/生成规范，严格遵循 SDD（Spec-driven development）模式。
## 2. 技术栈与防腐规范
- **语言**：TypeScript 5.0+, Node.js 20+
- **框架**：NestJS
- **绝对禁忌（Red Lines）**：
- 严禁在 Controller 层直接书写业务逻辑（必须下沉至 Service 层）。
- 严禁使用 `any` 类型，遇到类型缺失必须推导并声明 `interface`。
- 除非人类显式授权，严禁擅自引入新的 npm 第三方依赖。
## 3. 错误处理标准
- 所有业务异常必须抛出 `BizException`，并携带标准的 ErrorCode，不要直接抛出 `Error`。
阶段 2：功能说明（Specify & Clarify）—— 锁定“做什么”
目标： 将模糊的自然语言需求，转化为结构化的、无歧义的意图契约。 责任方： 产品/开发（提出），AI（生成），人类（🛑 核心审查）。
这是 SDD 中最关键的一步。人类提供基础需求（比如“加个订单导出功能”），AI 必须先停止写代码的冲动，开始反问人类边界条件。
操作动作： 在 AI 对话框中输入：
"我要开发【订单导出 Excel】功能。请不要直接写代码。请按照 SDD 流程，先对我进行需求澄清（询问我 3 个最关键的边界问题），然后输出一份
Feature_Spec.md的第一部分（意图与验收标准）。"
AI 可能会反问：
- 一次最多允许导出多少条？（防止内存溢出）
- 包含哪些具体字段？
- 权限如何控制？
当你回答完这些问题后，AI 生成的 Spec.md 就锁定了业务层面的 What（做什么）。此时人类必须介入审查，这是防范“AI 幻觉”的第一道大闸。
阶段 3：技术计划（Plan）—— 锁定“怎么做”
目标： 在修改任何文件之前，明确代码级架构设计和影响范围。 责任方： AI（扫描并提议），人类架构师（🛑 核心审查）。
确定了需求后，接下来是架构对齐。在这一步，AI 会利用其强大的静态代码扫描能力（RAG），检索当前 codebase，并提出技术实现方案。
操作动作：
"需求已确认。请扫描当前项目结构，在
Feature_Spec.md中补充技术计划（Plan）部分。列出你需要新建、修改的具体文件路径，以及数据库表结构的变更草案。"
此时，AI 可能会在 Spec 中补充如下内容：
## 技术计划 (Technical Plan)
1. **API 层**: `src/api/order.controller.ts` (新增 `exportOrders` 路由)
2. **服务层**: 新增 `src/services/export.service.ts`
3. **数据层**: 不需要改表，但需要新增基于 `status` 和 `time_range` 的联合索引。
人类审查点： 人类此时需要像 Review 架构设计文档一样，审阅这份清单。发现它要在 Controller 里堆代码？打回重写！发现它漏了写单元测试文件？补上！
阶段 4：任务原子化（Tasks）—— 拆解执行清单
目标： 将宏大的架构计划，拆解为 AI 能够单次稳定执行的细粒度任务。 责任方： AI 自动执行。
我们知道，如果让 AI 一次性修改 10 个文件，它大概率会中途崩溃或遗忘上下文。因此，我们必须让 AI 建立一份具有依赖顺序的 Checklists（待办清单）。
在 Feature_Spec.md 的末尾，AI 应当生成：
## 任务清单 (Tasks Checklist)
- [ ] 1. 定义 `ExportOrderDTO` 及验证规则。(依赖项: 无)
-[ ] 2. 编写 `ExportService` 骨架及单元测试。(依赖项: Task 1)
-[ ] 3. 实现基于流（Stream）的 Excel 生成逻辑。(依赖项: Task 2)
- [ ] 4. 注册 Controller 路由并进行端到端测试。(依赖项: Task 3)
为什么这步极具价值？ 这份清单是 AI 的“外挂状态机”。AI 在执行编码时，每完成一步都会回头看一眼这份清单。如果中途发生报错或者对话上下文被刷新，只要这份 Markdown 文件在，AI 就能立刻知道：“哦，我刚刚做完了任务 2，现在我应该从任务 3 继续。”
阶段 5：执行与归档（Implement & Archive）—— 闭环与事实同步
目标： 按照规范编码，并通过红绿循环（Red-Green Refactor）确保交付质量，最后更新系统状态。 责任方： AI 编码与自测，人类 Code Review。
一切就绪，终于可以释放 AI 的算力了。
操作动作：
"现在，请严格遵循
.cursorrules中的宪法，开始执行Feature_Spec.md中的 Task 1。写完后运行npm run test，如果不通过请自行修复。确认通过后再询问我是否继续下一个任务。"
进入这个阶段，你会感受到前所未有的舒畅。
你不再是那个追在 AI 屁股后面修 Bug 的疲惫人类。你变成了一个流水线的主管。AI 像一个极其规矩的熟练工，写好 DTO，跑过测试，然后打个勾 [x] 1. 定义 ExportOrderDTO。接着停下来等你点头。
归档（Archive）的重要性：
当所有任务完成后（全部打上 [x]），流程并没有结束。由于编码过程中可能遇到预料之外的技术阻碍（例如发现某个第三方库版本不兼容，临时换了另一个库），代码现实（Reality）已经与最初的计划（Plan）发生了偏离。
此时的最后一步指令是：
"任务已全部完成。请根据最终的真实代码，反向更新并精简
Feature_Spec.md，将其重命名为Doc_OrderExport_Archived.md存入/docs目录，作为我们系统的永久资产。"
这就是**“文档即合约”**的闭环。它保证了下一次你再让 AI 介入该模块时，AI 读取到的永远是最准确、最新的上下文，彻底掐断了系统熵增的源头。
结语：让“偶然性”让位于“必然性”
当我们回顾这五个阶段（Constitution -> Specify -> Plan -> Tasks -> Implement），你会发现 SDD 的本质是通过强制的过程管理，将 LLM 的“偶然性表现”转化为“必然的工程结果”。
在这套 SOP 下：
- 新人不敢再随意制造没有架构设计的垃圾代码。
- AI 被紧紧束缚在“事实的轨道”上，幻觉被降至最低。
- 核心资产从难以阅读的代码，变成了清晰可审计的 Markdown 架构文档。
现在，流程已经标准化了，但这套流程完全靠人类手动去复制粘贴 Prompt 来推动，似乎还是有些繁琐。有没有自动化的工具链来承载这套理念？
在下一篇文章 《【工具链对标】OpenSpec vs Spec Kit：如何选择最适合你的 SDD 框架？》 中，我们将深度测评当前行业的顶级框架，探讨如何通过 .md 协议，让 Cursor、Claude Code 等不同工具实现丝滑的任务交接与自动化流转。
敬请期待。
