AI coding流程分析技能

整体步骤

1. 场景分析与用户故事映射
2. 需求分解与优先级排序
3. 技术方案与开发环境规划
4. 页面与组件树设计
5. 功能模块与领域划分
6. 数据模型与存储设计
7. 接口契约与通信设计
8. AI 辅助编码与集成
9. (可选) 自动化测试与审查

各阶段详细说明

优化名称	具体工作与产出	AI 介入要点
1. 场景分析与用户故事映射	识别用户角色与外部系统；梳理业务流程、正常流与异常流；分解为颗粒度用户故事（User Story：谁、要做什么、达成什么）。 产出： 用户场景列表、用户旅程地图（简版）、故事卡片集。	用自然语言描述场景，AI 辅助生成用户故事、识别边界场景。
2. 需求分解与优先级排序	将场景/故事转化为功能性 & 非功能性需求；用 MoSCoW/Kano 模型分类；识别依赖与冲突。 产出： 产品需求列表（含优先级）、关键验收条件草稿。	AI 辅助提取需求点，检查完整性与歧义，建议验收标准。
3. 技术方案与开发环境规划	确定技术栈（前端、后端、数据库、中间件）；设计部署架构（云端/硬件拓扑）；统合 IDE、代码规范、Git 工作流、CI/CD 工具链。 产出： 技术选型文档、环境搭建指南、架构草图。	AI 可提供技术选型对比、生成 Dockerfile/环境配置脚本。
4. 页面与组件树设计	梳理全部页面与路由（页面地图）；拆分页面为布局、区块、基础组件层级；定义组件复用性与状态归属（全局/局部）。 产出： 页面清单、页面层级树、组件库列表。	根据页面描述，AI 可快速生成组件树草稿、建议组件拆分。
5. 功能模块与领域划分	按高内聚低耦合划分模块（如用户、订单）；明确各模块职责、对外接口（服务层）、依赖关系；提炼领域实体。 产出： 模块划分图、模块职责说明、领域模型草图。	AI 可参与模块边界讨论，根据需求生成初步模块骨架。
6. 数据模型与存储设计	从模块实体出发画出 ER 图；转化为表结构（主键、外键、约束）；设计索引、分表、缓存策略。 产出： ER 图、数据字典、DDL 脚本草稿。	AI 能直接根据实体描述生成 DDL，并建议索引，但需人工审核。
7. 接口契约与通信设计	定义端点、HTTP 方法、请求/响应体、错误码；设计鉴权（JWT等）与版本策略；写出 OpenAPI/Swagger 雏形。 产出： API 列表、请求/响应示例、接口文档结构。	AI 能根据模块设计生成完整 API 规范文件（yaml/json），并保持一致性。
8. AI 辅助编码与集成	基于前序设计，用 AI 生成项目骨架、组件、服务、数据访问层；人工审查业务逻辑与安全性；实现关键算法并处理边界；将所有部分集成为可运行分支。 产出： 可运行功能分支代码、基础冒烟测试。	核心环节：AI 负责重复性代码，人工把控设计与质量，来回迭代。
（可选）9. 自动化测试与审查	基于验收标准生成单元/集成测试；AI 进行代码规范、安全漏洞、性能隐患审查；人工确认核心逻辑。 产出： 测试用例集、审查报告、质量基线。	AI 自动扩写测试、发现常见反模式，实现持续质量反馈。

---