AI-SDLC 实践：设计阶段把 Spec 拆成多 SubAgent 可执行任务

事件核心：发生了什么

该文属于 AI-SDLC 系列，需求阶段交付 spec、决定记录和固定代码基线。设计阶段仍由主 Agent 主导，不重做需求、不写生产代码，需交出实现方案、决定记录、每模块一份技术方案文档、测试意图、任务说明、任务图和交接文件。

方案只生成一次，不做阶段内独立评审与多轮自审，改由开发者审阅。任务拆法以可观察的业务行为为单位，而非按 Android/iOS 端或数据/逻辑/UI 层切分。每个任务附带 YAML 块，写明依赖、读写范围、完成条件、验证命令和测试用例编号。

为什么重要

多 SubAgent 并行开发的前提是任务自包含。文章指出，Claude Code 子 Agent 在独立上下文窗口启动，看不到主对话和主 Agent 读过的文件；Codex spawn_agent 的 fork_context 默认关闭，子 Agent 也不继承父会话。因此任务说明必须写全，否则子 Agent 只能回问或猜测。这为 AI 编码流程提供了一种可执行的工程约束。

对用户/开发者/创作者的影响

对使用 Claude Code、Codex 等工具的开发者，启示是任务粒度要落到可验证的行为，并把依赖理由、写入范围和完成判据写成机器可读结构。架构判断、兼容策略、跨仓库范围等六类问题仍要问人，文件路径、命令等可由代码和规范推导。目前公开信息显示，这套方法出自单一团队实践，尚无量化效率数据。

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。

了解 GamsGo AI

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。

值得关注的后续

一是任务图 CLI 的编译和调度规则是否开源，二是人审后的问题如何回灌到下一次方案生成，三是不同平台子 Agent 的上下文隔离默认值是否变化。

来源：juejin