AI-DLC知识贡献指南：把团队知识注入AI工作流的完整教程

AI-DLC知识贡献指南把团队知识注入AI工作流的完整教程【免费下载链接】aidlc-workflowsAI-Driven Life Cycle (AI-DLC) adaptive workflow steering rules for AI coding agents项目地址: https://gitcode.com/GitHub_Trending/ai/aidlc-workflowsAI-DLCAI-Driven Development Life Cycle是一套让 AI 编码助手按结构化流程交付代码的工作流框架。这篇文章面向新手带你掌握AI-DLC 知识贡献的完整方法只需往指定目录放入几个 Markdown 文件就能把团队的编码规范、架构偏好、领域术语注入工作流让 14 个智能体每次执行任务时都自动读懂你的团队标准。 官方文档入口docs/guide/08-knowledge.md为什么要把团队知识注入工作流AI 助手最大的痛点是失忆项目一变大它就开始用通用猜测代替你们团队的真实约定——命名风格、API 模式、安全策略全靠它脑补。AI-DLC 的答案很直接把你的标准写成参考文档放在约定位置智能体在每个阶段开始时自动加载它们。你不需要配置、不需要注册、不需要重启——文件的存在本身就是注册。一次投入长期回报写好的知识文件会影响之后每一次工作流运行。两层知识架构哪些文件你能改AI-DLC 采用双层知识体系理解这一点可以避免新手最常踩的坑层级位置归属你能编辑吗第一层方法论知识.claude/knowledge/框架自带智能体如何执行阶段的方法论❌ 升级时会被覆盖第二层团队知识aidlc/knowledge/你的团队公司标准、领域术语、架构偏好✅ 这就是你的知识贡献区⚠️核心原则永远不要修改第一层文件来注入团队知识。升级框架后你的改动会消失。所有团队知识都应放入第二层的aidlc/knowledge/目录。完整架构说明见 docs/harness-engineering/07-team-knowledge.md。最快上手四步贡献你的第一个知识文件以让架构智能体默认使用你们团队的 API 网关模式为例第 1 步 — 创建目录。首次运行/aidlc时引擎只会创建一个空的aidlc/knowledge/目录其余子目录由你自己创建。目录名必须与智能体标识完全一致例如aidlc/knowledge/aidlc-architect-agent/写成architect/会被静默忽略这是最常见的失误。第 2 步 — 写一个聚焦的文件。比如aidlc/knowledge/aidlc-architect-agent/api-gateway-standards.md命名建议小写加连字符一个文件只讲一个主题。第 3 步 — 用精炼的参考式写法。智能体是逐字加载文件的所以内容要短、要准像速查手册而不是小说。第 4 步 — 跑一次工作流。下次/aidlc时对应智能体会在阶段开始时自动加载该文件无需任何配置。 想给目录加个说明性 README框架自带了一份可选模板手动拷贝即可core/knowledge/aidlc-shared/knowledge-readme-template.md知识放哪里全员共享 vs 智能体专属放在哪个子目录决定了哪些智能体能看见它aidlc/knowledge/aidlc-shared/— 被所有智能体加载。适合横切标准命名规范、提交信息格式、项目领域术语表。aidlc/knowledge/智能体名/— 只在该智能体担任当前阶段负责人时加载。适合角色专属上下文例如aidlc-architect-agent/→ 架构模式、ADR 模板aidlc-developer-agent/→ 编码约定、框架指南aidlc-quality-agent/→ 测试标准、覆盖率门槛aidlc-devsecops-agent/→ 安全策略、威胁建模模板 判断口诀只有某个角色需要看的知识就放角色目录真的全员通用才放aidlc-shared/。这能避免无谓地挤占其他智能体的上下文窗口。知识还是规则一分钟判断两者都能定制智能体行为但不可互换用「知识」用「规则」提供参考资料智能体自行权衡声明必须遵守的行为规则我们用的是这套模式永远不做 X / 必须做 Y可以是长文、表格、示意图应短促、祈使句、一行一条一个实用的测试标准如果违反它人类评审会直接驳回该阶段产物——那它是规则写入aidlc/spaces/空间/memory/规则层如果只是评审时的背景参考——那它是知识。规则的完整模型五层规则链、学习循环见 docs/guide/09-rules-and-the-learning-loop.md。如何验证知识真的生效了上线前花两分钟确认胜过事后排查半天在审批关卡直接提问。工作流停在任一关卡时回复一句你本阶段加载了哪些团队知识智能体会列出它读取的第二层文件。跑一次轻量工作流冒烟测试。例如/aidlc poc 原型化一个新的库存 API观察目标智能体的产物是否体现了你的知识比如生成的架构确实引用了你们的 API 网关模式。查看审计日志。每个阶段开始都会记录一条STAGE_STARTED审计事件能确认当时激活的是哪个智能体。长期维护像对待代码一样修剪知识库知识文件不是一次写完永久生效智能体逐字等权地加载它们——过时的文件和新文件具有同等权威会主动误导智能体。更新直接原地编辑下次/aidlc即生效无缓存、无需重启。删除直接删文件即可没有注册表要清理。拆分文件膨胀成大杂烩时就拆分例如api-standards.md→api-gateway-standards.mdapi-error-handling-standards.md。升级某条标准后来发现全员适用就把它从角色目录提升到aidlc-shared/。节奏建议每季度做一次修剪日常在站会/回顾时花几分钟确认文件仍反映现状即可。总结三条黄金法则#法则说明1只往aidlc/knowledge/贡献别碰第一层框架文件升级会覆盖2目录名必须精确匹配智能体标识aidlc-architect-agent/而非architect/否则静默失效3一文件一主题写精炼速查文档小文件易维护矛盾更少修剪更轻松遵循以上三点你的团队知识就会在每次 AI-DLC 工作流中稳定生效——一次贡献持续回报。更多进阶内容docs/guide/13-customization.md完整定制指南【免费下载链接】aidlc-workflowsAI-Driven Life Cycle (AI-DLC) adaptive workflow steering rules for AI coding agents项目地址: https://gitcode.com/GitHub_Trending/ai/aidlc-workflows创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考