6 种常见 AI 编程协作方法总结

6种常见AI编程协作方法分别为PRD方法论、Spec方法论、BMAD方法论、PRP方法论、6A工作流、项目管理法，具体内容如下：

• PRD方法论：从需求文档到提示工程

  核心目标转变：传统产品需求文档（PRD）从“写给人看”转变为“写给AI理解和执行”的“提示需求文档”。

  关键特征：

  结构化指令：指令清晰、可解析，便于AI准确理解与执行，不再是简单的功能列表。

  人机协作协议：作为开发者与AI之间的沟通桥梁，明确交互规则与期望输出。

  自动化生成：通过开发流程自动生成并更新文档，减少人工维护成本。

  实践建议：比起格式规范，准确表达真实意图更重要，清晰、具体的需求描述能显著提升AI输出质量。

• Spec方法论：以规格驱动开发

  提出者：由AWS的Kiro IDE提出，旨在解决“氛围编程”中模糊、随意的开发模式问题。

  工作流：

  需求明确化：例如用户故事为“作为数据分析师，我需要上传本地JSON文件进行分析，且数据不应传输至外部服务器”，并制定验收标准，如页面包含文件上传按钮、仅支持JSON格式、文件格式错误时应显示明确提示。

  设计决策：确定技术栈，如React + TypeScript、Node.js + Express、PostgreSQL，并绘制架构图。

  任务分解：将开发任务分解为多个子任务，如开发文件上传组件（预估2小时）、实现文件格式验证逻辑（预估1小时）、开发数据处理接口（预估3小时）、编写单元测试（预估2小时）。

  强调重点：“先定义，再实现”，确保AI在明确上下文中生成可靠代码。

• BMAD方法论：构建AI敏捷团队

  来源：源自Mathonet R开源项目BMAD-METHOD，旨在打造一个由多个AI组成的“虚拟敏捷团队”，每个AI扮演特定专业角色。

  团队结构：

  规划阶段：分析师AI进行市场调研，产品经理AI编写PRD文档，架构师AI设计系统架构。

  执行阶段：Scrum Master AI进行任务分解，开发者AI实现代码，QA AI进行质量保证。

  故事文件系统：每个开发任务对应一个独立的Markdown文件，包含任务背景、实现方案和验收标准。例如，基于PRD第三章及架构文档中的用户认证模块要求，实现方案为API端点POST /api/auth/login，数据模型User + JWT token，安全机制bcrypt加密 + 请求速率限制，验收标准为用户可通过邮箱和密码登录、凭据错误返回401状态码、登录成功返回有效JWT令牌。

  优势：通过角色分工提升协作效率，模拟真实团队的工作流程。

• PRP方法论：五层上下文驱动开发

  提出者：由Rasmus Widing提出，是当前广泛采用的AI协作模式。

  五层上下文架构：

  系统层：定义AI的角色、权限与能力边界。

  业务层：涵盖业务背景、市场环境与约束条件。

  技术层：明确技术栈、架构设计与性能指标。

  功能层：详细描述功能需求与用户故事。

  验证层：设定质量标准与测试框架。

  核心理念：输入决定输出，上下文越完整，AI生成结果的质量越高，目标是实现“首次生成即达生产级别”，提高开发首次通过率。

• 6A工作流：结构化AI协作流程

  流程阶段：

  Align（需求对齐）：创建ALIGNMENT_[任务名].md文件，分析项目上下文（技术栈、架构模式、依赖关系），确认需求理解（原始需求、边界、疑问澄清），自动生成歧义识别与问题清单。

  Architect（架构设计）：生成DESIGN_[任务名].md文件，进行技术选型（基于项目约束），绘制系统架构图（使用Mermaid表示），设计数据模型，定义接口规范。

  Atomize（任务原子化）：创建TASK_[任务名].md文件，将大任务拆分为不超过20行的代码块，明确每个子任务的输入与输出，制定可测试的验收标准，建立任务间依赖关系。

  Approve（人工审批）：质量检查清单包括需求理解是否准确、架构设计是否合理、任务分解是否充分、验收标准是否可验证。

  Automate（自动化执行）：执行规则为AI按任务顺序执行，每个函数需先编写单元测试，测试未通过则禁止提交，代码风格须符合项目规范。

  Assess（质量评估）：评估维度包括功能完整性、代码质量、文档完备性、与项目整体的一致性。

  作用：确保AI输出可控、可测、可追溯。

• 项目管理法：统一状态与协同控制

  设计公司：Automaze公司为Claude Code设计的专用项目管理系统ccpm。

  解决痛点：

  上下文丢失：会话之间无法保持项目状态。

  任务冲突：多个AI实例缺乏协调机制。

  进度不透明：团队难以掌握实际进展。

  系统特点：以GitHub Issues作为“全局状态中心”，实现人类与AI的统一视图。

  典型操作：

  阶段1：创建PRD，如/pm:prd-new user-auth-system。

  阶段2：解析需求，如/pm:prd-parse user-auth-system。

  阶段3：任务分解，如/pm:epic-decompose user-auth-system。

  阶段4：同步至GitHub，如/pm:epic-oneshot user-auth-system。

  阶段5：并行执行，如/pm:issue-start 1235、/pm:issue-sync 1235、/pm:next。

  并行工作流：单个Issue可进一步拆分为多个并行工作流，如Agent 1负责数据库表与迁移脚本、Agent 2负责服务层与业务逻辑、Agent 3负责API接口与中间件、Agent 4负责UI组件与表单、Agent 5负责测试套件与文档。

  优势：通过集中化状态管理，系统实现了多AI协同下的高效、有序开发。