Anthropic 发布 AI 原生 SDLC 指南：代码不再是瓶颈

当 AI 写代码的速度远超一年前的想象，许多工程团队的审批门禁、评审环节、跨角色交接却依然停留在人工节奏，成为 Claude Code 等智能编码工具释放生产力的真正阻碍。Anthropic 应用 AI 团队近日发布《AI 原生 SDLC 指南》，系统阐述了如何把传统软件开发生命周期重构为适配智能体的「AI 原生 SDLC」。

为什么传统 SDLC 已经失配

传统 SDLC 将软件开发划分为规划、设计、构建、测试、部署、维护六个阶段，由产品经理、架构师、工程师、QA、运维等不同角色依次推进，阶段之间通过文档、工单和签收流转。这一流程的设计初衷，是在「写代码」耗时最长、成本最高的年代里，用流程换取一致性与可控性。

但在智能编码时代，前提已经改变：

• 瓶颈从构建阶段转移到其左右两侧的人工环节，主要是规划、评审/测试与部署，速度仍以人工节奏运行；
• 逐行人工评审不再匹配现实——当大部分 diff 由智能体生成，逐行审查既不可行也无必要；
• 例外处理仍依赖周会、月会式的治理委员会，治理成本不降反升。

以安全审查为例，安全团队的人员编制是为人工产出设计的；一旦智能体把代码产出放大，审查队列要么积压，要么代码在未充分评审下出货。对受监管组织而言，两种结果都不可接受。因此，安全与合规校验必须跟上智能体的速度。

什么是 AI 原生 SDLC

AI 原生 SDLC 是把传统流程的控制目标与新型执行机制结合起来的新型流程：不再是线性串接，而是闭环循环，AI 被嵌入每一个节点，阶段之间由自动化的交接与触发机制衔接。这一形态也被称为「智能体 SDLC」「AI SDLC」或「智能体软件开发」，不同叫法指向同一件事。

它有两个关键设计原则：第一，每个阶段产出一个被提交到版本控制的「承诺产物」（committed artifact），下一阶段从阅读该产物开始；第二，所有需要判断的决策仍由人负责，但人的注意力被引导到真正需要审视的产物上。

六个阶段的转变

Anthropic 在指南中给出传统 SDLC 与 AI 原生 SDLC 在六个阶段的对照：

• 规划（Plan）：从委员会通过工作坊和签收手工汇总需求，转向 Claude 直接从源头综合痛点，并产出人类可读、机器可执行的 intent.md；
• 设计（Design）：从分析师写规格、设计师解析，转向由智能体在一次工作会话中合并需求与设计，标准以 skill 形式编码并纳入 git 版本管理；
• 构建（Build）：从手工写测试、代码与事后补文档，转向 AI 生成测试与代码，机构知识以 CLAUDE.md 与 skill 等机器可读文件维护；
• 测试（Test）：从阶段边界的 QA 门禁，转向贯穿实现过程的持续评估（evals）；
• 部署（Deploy）：从逐行人工评审与不一致的治理周期，转向多层智能体评审，人工评审保留给受监管与关键代码，治理以 hook 形式在 AI 行动时实时执行；
• 维护（Maintain）：从人工监控生产环境，转向智能体持续监控，任何控制带被突破都会被诊断并写回下一轮 intent.md。

贯穿右栏的主线是承诺产物：每个阶段结束都向版本控制写入一个文件（intent.md、spec.md、plan.md、diff 与测试、PR 与评审记录、事故记录），下一阶段从阅读它开始。早期的产物以 .md 文件为主，因为产品负责人与智能体可以读写同一份文件；从构建阶段起，产物转为代码及其记录。这条提交链同时也是审计轨迹：谁提了什么、智能体产出了什么、谁批准了什么。

对工程团队的意义

AI 原生 SDLC 并非要取消流程，而是用新型自动化把旧的控制目标重新实现。Anthropic 强调，团队并不需要全盘照搬两端之一——大多数组织会落在传统与 AI 原生之间的某个位置。关键在于：让流程的速度与智能体的产出能力匹配，让人类的判断力被精准投放到真正需要把关的节点上。在「代码不再是瓶颈」的新阶段，围绕构建阶段的传统 SDLC 同样需要经历与构建阶段同等量级的改造。