闪电课：与 Claire Vo 和 Zach Davis 共探三大工作流，打造 AI 就绪的代码库

在 Maven 的 AI Native PM 系列闪电课中，Claire Vo 与 LaunchDarkly 首席工程师 Zach Davis 探讨了如何让产品、设计与工程团队借助 AI 更高效协作。他们指出，许多团队的瓶颈在于代码库未为 AI 代理（agents）做好准备，导致非工程师难以参与开发。为此，他们提出了三大核心工作流。

工作流一：使用后台代理提交代码

后台代理（background agent）不同于本地 IDE 助手（如 Cursor），它运行在云端沙盒环境中，相当于一个始终在线的初级工程师。团队成员可通过 Slack 等平台向其分配任务，无需配置本地开发环境。

Claire 以 ChatPRD 为例演示：她希望为竞品功能矩阵添加 CSV 和 Google Sheets 导出功能。

1. 撰写清晰的需求文档：在 ChatPRD 中创建 PRD。
2. 导出为 Markdown：便于 AI 代理理解。
3. 在 Slack 中调用代理：例如 Devin，并附上 Markdown 文件和 UI 截图。
4. 提供具体指令：

“Devin，请为我们的竞品功能矩阵添加 CSV 和 Google Sheets 导出功能。谢谢！”

随后，Devin 会在其云环境中启动应用、开发功能，并最终提交 Pull Request 供工程师审核。

工作流二：构建 PRD 到生产的标准化管道

传统 PRD 存放在 Google Docs 或 Confluence 中，难以被 AI 读取且易过时。新方法是将 PRD 视为代码：存放在版本控制的仓库中（不一定要在主代码库内），以 Markdown 格式集中管理。

Claire 展示了 ChatPRD 团队的做法：

1. 在独立仓库的 docs/ 目录中存放所有 PRD 和架构文档。
2. 通过 MCP（Model Connector Plugin）在 IDE（如 Cursor）中直接访问这些文档。

3. 基于 PRD 生成技术方案：在 IDE 中选中 PRD 内容，提示 AI：

“我想基于这份 PRD 开发，请生成一份技术实现计划。”

AI 会立即输出结构化的开发计划，减少上下文切换，确保所有人基于同一份“事实来源”工作。

工作流三：通过“复合工程”加速开发

当代码库支持代理、PRD 可编程访问后，便可引入“复合工程”（compound engineering）：将重复性任务转化为可复用的“技能”（skills）。

Zach 以 LaunchRQ CLI 项目为例说明：

1. 创建“技能生成器”技能：先编写一个能自动生成其他技能的元技能。
2. 让 AI 编写具体技能：例如，针对“更新公开文档”这一常见任务，向代理提问：

“你能为这个仓库创建一个更新文档的技能吗？”

3. 审查并版本化技能：代理在 30 秒内生成 update_documentation.md，其中包含详细操作步骤。

此后，任何开发者或代理只需描述任务（如“更新文档”），系统便会自动调用对应技能，确保操作一致、高效。

总结

这三大工作流相辅相成：后台代理降低非工程师参与门槛；PRD 代码化建立统一事实来源；复合工程通过技能积累形成效率飞轮。优化代码库以适配 AI，不仅提升自动化水平，也让人类协作更清晰、高效。

若想深入学习，Claire 与 Zach 已推出课程《构建 AI 原生 EPD 组织》（Building an AI-Native EPD Org），面向希望推动团队转型的领导者。