AI Native DevOps & AI Native Architecture

本仓库从三个层次递进阐述人机协同的工程变革框架：

graph LR
    VC[Vibe Coding<br/>个人 · 开发者日常工作模式]
    AND[AI Native DevOps<br/>团队 · AI 嵌入研发流程]
    ANA[AI Native Architecture<br/>应用架构 · AI 嵌入产品系统]
    VC -->|术语基础| AND
    VC -->|术语基础| ANA
    AND -->|流程约束| ANA
    ANA -->|架构支撑| AND

Loading

层次	关注范围	核心命题	入口文档
Vibe Coding	个人	开发者如何以"意图、约束、契约"为输入，让 AI 出草稿、人工审核、门禁把关	vibe-coding-intro-for-traditional-dev.md
AI Native DevOps	团队	AI 如何增强软件交付全流程（需求 → 设计 → 建模 → 规范 → 实现 → 验证 → 交付 → 演进），各阶段谁来负责	ai-native-devops/ai-native-devops.md
AI Native Architecture	应用架构	AI 如何安全、可控、可度量地嵌入产品系统——不是处处用 LLM，而是该用 Tool 的地方用 Tool，该用 Agent 的地方才用 Agent	ai-native-architecture/ai-native-architecture.md

共同立场：最终决策、风险承担、上线责任与跨团队仲裁仍由明确的人工 Owner 承担。

---

1. Vibe Coding（个人层）

Vibe Coding 是把 AI 作为研发第一类协作者的工程范式：开发者以意图、约束、契约为输入，AI 以草稿、候选方案、自动验证为输出，最终代码、测试与规范全部经过人工审核与可验证门禁才进入主线。

四个基石概念：

• Agent：自主推理与行动
• MCP：Agent 调用 Tool 的标准化协议
• A2A：Agent 间通信协议
• Skill：固定 SOP 编排

贯穿三层的基础判断——成本金字塔：

Tool（最便宜） ← 确定性能力，无幻觉，低成本        → 能用 Tool 就不要用 Agent
Skill（中等）  ← 固定流程编排，少量 LLM 参与        → 流程确定就走 Skill
Agent（最贵）  ← LLM 推理循环，token 成本，有幻觉风险 → 只有"新颖决策"才用 Agent

Skill 的深入解读（What / When / How + Claude Code 与 QoderWork 内置 Skill 清单）见 skill-deep-dive-for-traditional-dev.md。

---

2. AI Native DevOps（团队层）

8 阶段框架：P1 愿景→PRD → P2 原型/UI → P3 领域建模 → P4 OpenSpec 规范 → P5 实现与测试 → P6 质量验收 → P7 部署交付 → P8 变更演进。

每阶段明确：AI 输入、AI 输出、建议工件、人工确认点。关键工件（PRD、领域模型、OpenSpec、部署决策）必须经过人工签字才能进入下一阶段。

核心治理机制：分级发布策略、RACI 责任矩阵（A=最终负责、R=执行、C=咨询、I=知会）、AI 贡献度指标。

文件	说明
ai-native-devops/ai-native-devops.md	主文章：8 阶段框架、AI 参与度、治理机制、指标与实施路线
ai-native-devops/ai-native-devops-sample-change-walkthrough.md	演练模板："订单取消"场景的全链路 AI 辅助变更
ai-native-devops/ai-native-devops-panorama.html	全景图（可交互 HTML）

---

3. AI Native Architecture（应用架构层）

核心立场：AI-Native ≠ 处处用 LLM。通过 Agent / Skill / Tool 三层金字塔模型，让架构决策带上成本意识。

三层定位：

层	本质	何时使用
Agent	不确定下多步推理	目标明确但路径不可枚举，需经验沉淀
Skill	确定性流程编排	SOP 已明确，安全压倒一切
Tool	原子能力（通过 MCP 暴露）	输入输出确定，可回测，不需要 LLM

三问决策启发法（每项 AI 能力接入前必问）：必须用 Agent 吗？→ 能接受不确定性吗？→ 治理平面覆盖了吗？

五个常见反模式：Agent 化一切、LLM 直接控物理设备、治理平面缺失、MCP Server 裸转发、Agent 缺终止条件。

文件	说明
ai-native-architecture/ai-native-architecture.md	电网交易案例驱动，推导三层金字塔模型
ai-native-architecture/ai-native-architecture-diagram.html	交互式金字塔架构图（点击卡片查看本质、KPI、安全约束）
ai-native-architecture/ai-native-architecture-diagram-article.md	架构图设计理念说明

---

4. CloudPilot 端到端案例

CloudPilot 云管平台 MVP 是三层框架交汇的具象验证：以 Vibe Coding 为日常工作模式，走通从访谈到可运行代码的完整链路（P1-pre → P7: 实现）。按 Architecture 三层模型落地：报价走 Tool（确定性计算）、审批走 Skill（固定 SOP）、智能推荐走 Agent（需经验沉淀）。

/cloudpilot-demo 一键重放全链路（8 个阶段，22 个 Skill/Agent），所有 Prompt 可复现。Skill 清单（已实现 13 个 / 待实现 9 个）见 cloudpilot-case/README.md §Skill 清单。

文件	说明
cloudpilot-case/README.md	案例总览、工件追溯表、Skill 清单、全部可重放 Prompt
cloudpilot-case/ 下各工件	01-interview-notes.md → 02-prd.md → cloudpilot-mockup.html → 03-ddd-modeling.md → 04-openspec/ → 05-p5-code-bridge.md → 06-p5-implementation-workflow.md
cloudpilot-demo-nav.html	Demo 导航台：交互式阶段时间线 + 人机协同流程图 + 工件预览弹窗

---

5. 阅读路径

角色	建议入口
所有读者	vibe-coding-intro-for-traditional-dev.md — 先建立 Agent / MCP / A2A / Skill 统一术语基础
产品经理	ai-native-devops/ai-native-devops.md §1, §4.1, §7.6, §9.2, §10.4, §11.1 — 需求结构化与 AI 参与边界
架构师	ai-native-devops/ai-native-devops.md §4.3, §4.4, §7.2, §7.3, §7.8, §7.9 + ai-native-architecture/ai-native-architecture.md 全文
开发与 Tech Lead	ai-native-devops/ai-native-devops.md §4.5, §4.6, §6.1, §7.4, §7.7, §12 + cloudpilot-case/
平台 / SRE 与 QA	ai-native-devops/ai-native-devops.md §4.6, §4.7, §7.5, §7.8, §9, §11.3
想深入理解 Skill 的开发者	skill-deep-dive-for-traditional-dev.md — Skill 的 What / When / How + 常见内置 Skill 清单
Demo 演示者	.claude/skills/cloudpilot-demo/ — /cloudpilot-demo 一键重放 + 演示者手册（讲解要点、常见 Q&A）

---

6. 参考

资源	说明
domain-driven-design-skills	DDD Skill 开源项目（战略建模 → 战术建模 → OpenSpec 桥接）
OpenSpec-practise	CloudPilot 的 P5-P7 补充案例：同一套 spec 结构驱动 Node.js + Python 双实现

---

7. 许可证

详见 LICENSE。