一句话看懂：Anthropic 于 2026 年 8 月发布《The AI-native SDLC Playbook》，讨论当 Agent 能在几小时内生成大量代码后，为什么项目整体并没有同步变快，并给出一套从 intent.md 到生产门禁的落地方法。这套方法的价值不在于让模型多写代码，而在于把人的审查、判断和治理重新放到正确的环节上。
事件核心：发生了什么
这篇手册以 Anthropic 的 AI-native SDLC 方法为骨架，补充了团队实际踩坑经验。原文指出的核心矛盾是：传统 SDLC 的 PRD、估时、评审、审批都诞生在”写代码最贵最慢”的年代，当构建环节从几周压缩到几小时后，瓶颈就转移到了计划、审查、测试和部署两侧。由此带来三个后果：审查队列跟不上 Agent 生成的 diff 产量，要么堆积要么带着未审查状态上线；例外仍走每周或每月开一次的委员会审批，治理成本上升；而聊天记录无法承担跨 Agent 的上下文传递。
手册给出的解法是用版本控制里的文件取代聊天记录，形成一条从 intent.md → spec.md → plan.md → 代码与测试 → PR 与审查结论 → 事故记录 的产物链，每个阶段结束时提交一个产物，下一阶段从读取它开始。链上跑两个循环：快循环保证单个任务做对，包含实施、测试、真实操作验证、独立 verifier 和人工接受；慢循环把重复错误沉淀进 CLAUDE.md、Skill、Hook 或 Eval，影响下一次任务。
为什么重要
目前公开信息显示，行业讨论多集中在模型代码生成能力的提升，而这份手册把问题拉回到工程治理层面。它明确了一个判断：文档生产的价值在下降，产品判断的价值在上升。AI 能快速生成 PRD 和设计规格，产品负责人的精力就要移到”问题是否值得解决、约束有没有遗漏、生成结果是否满足用户需求”上——实现越快，一个错误判断进入代码的速度也越快。
手册还把 Agent 自主程度与护栏成熟度绑定：只有规格清楚、影响范围小、已有测试覆盖三条同时成立，常规任务才进入 Auto Mode；CLAUDE.md、Skill、Hook 三层配置分别对应”每次会话都要”、”特定任务才要”和”必须机器执行”的约束。这实际上是在给 AI Native 团队划一条可操作的边界，而不是简单放开权限。
对用户/开发者/创作者的影响
对开发者而言，最直接的改变是审查点前移。Plan Mode 下 Claude 只能读代码不能改文件，设计审查发生在代码生成之前，此时改方向只是改一份文档，这被手册称为全流程性价比最高的审查点。plan.md 的接受标准也很朴素：一个没参与前面对话的工程师，只看这份文件能否独立完成任务。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对团队管理者，intent.md 的写法是个容易忽视的门槛。手册建议写问题不写方案，并把边界（不做什么）、约束（不能动什么）、反例（失败长什么样）当成比”要什么”更容易漏的三类信息。检验办法是把陈述里的实现词删掉，看问题还成不成立。它还给出一个逐步收紧的做法：用 AI 对抗性提问三轮，把 Agent 默认填充的假设摊到桌面上逐条否决。
对使用 Claude Code 等工具的普通用户，手册提醒了一个现实：每次会话开始都会读 CLAUDE.md，过期内容直接占用上下文。所以这份文件应裁剪到一页以内。
值得关注的后续
一是这套产物链能否在非 Anthropic 工具链上复现，尤其是 Hook 与 Eval 的跨平台支持程度；二是 Auto Mode 的适用边界会不会随模型能力变化而调整，团队是否形成可量化的护栏成熟度标准；三是文档价值下降、判断价值上升之后，产品负责人与工程师的职责划分是否会出现实际调整。这些目前都还没有公开的行业共识。
来源：juejin
