我用 AI 端到端交付了一个项目，全程没写几行代码

作者：尔东陈在路上｜发布日期：2026-02-22｜原文：https://mp.weixin.qq.com/s/97qLOCyScGlSu-d1YY2X5g

前三篇把工具选型、协作方法论、工程配置都讲完了。

这一篇是系列收尾，聊聊真正的进阶玩法——如何把 AI 编程推向自动化。最后附上一个我亲身跑通的完整案例。

一、Sub-Agent：给 AI 分配"岗位"

你可以定义多个子智能体，每个扮演不同角色：

• UI 设计师
• 产品经理
• 架构师
• 测试专家
• 前端开发专家
• 后端开发专家

每个 Sub-Agent 都有自己独立的上下文窗口，不会占用主 Agent 的上下文。

我的实际用法是：把软件开发不同阶段、不同岗位的角色定义成 Sub-Agent，在每个智能体里写清楚它的职责和工作清单。这样调用时，它的上下文更聚焦，输出质量也更高。

举个例子：当我要熟悉一个新项目时，会让"架构师"这个 Sub-Agent 先帮我梳理项目的架构文档。它会基于我为它配置的规则和经验，非常完整且严谨地输出技术方案。这比我自己从头读代码快太多了。

行业内有一个叫BMAD-METHOD的框架，定义了很多专业的 Sub-Agent 来完成专业的事情。我现在的 Sub-Agent 体系就是参考这个框架搭建的，效果确实不错。

二、Skill：把重复性工作变成 SOP

Skill 的本质是一个固定的 SOP 流程模板。

打个比方：以前我们有代码生成平台，一键就能生成某张数据库表的增删改查代码——从 Controller 到 Service 层，到 DAO 层，到 Entity，全部搞定。Skill 干的就是类似的事情，只不过更灵活。

我做过几个 Skill 实验，分享一下：

CI/CD 自动化：有个项目没搭 Jenkins，每次都手动上传包到服务器发布。配了一个 Skill 之后，它会自动打包 → SSH 上传到服务器 → 执行发布命令，整个流程一气呵成。

公众号配图：这个 Skill 会分析文章内容，找到适合配图的位置，然后为每个配图点生成对应的 Prompt 去生成图片。

儿童绘本生成：给小朋友做绘本故事，从故事创作到配音，一个 Skill 搞定。

我的感受是：Skill 更适合重复性的工作，而且在个人生活学习场景中的应用空间，反而比编程场景更大——写文章、发布内容、做自动化小工具，都很好用。

三、Hook：在关键节点"埋钩子"

Hook 很好理解，就是一个钩子。

在你执行任何一个 Prompt 的时候，它能在不同阶段自动触发：

• PreToolUse（工具调用前）：AI 执行任何操作前触发，可做校验或注入额外信息
• PostToolUse（工具调用后）：操作完成后触发，适合做日志记录、自动提交等
• Notification（通知时）：Claude 发送通知时触发，比如任务完成提醒
• Stop（任务结束时）：整个任务流程结束时触发

这意味着你有很多注入点，可以在每次对话中自动完成额外的事情。

几个我觉得实用的场景：

• 每次对话完成后，自动在 Git 里做一次提交
• 任务开始和完成时，通过 Python 播放一个音效提醒你
• 每次代码修改后，自动跑一遍 Lint 检查

小功能，但用起来很舒服。

四、一个完整案例：AI 端到端交付项目

说了这么多方法论，分享一个我实际跑通的完整案例。

在从上一家公司离开前，我用 AI 端到端的方式完成了一个数据看板项目的第一版交付。整个流程是这样的：

第一步：产品原型

在 Gemini 中设计出了可交互的产品原型，两天时间就和老板确定了产品方案。

第二步：前端开发

基于原型导出 React 工程，给前端同学参考。因为原型里的组件设计和样式已经很完整，前端同学用 AI 工具开发时，能很好地融合原型中的设计，效率非常高。

第三步：API 设计

通过原型反向推导出前后端交互的 API 技术方案。这一步非常关键——有了 API 契约，前后端就可以并行开发了。

第四步：后端开发

基于原型讨论数据库设计，把数据库设计和 API 方案一起交给 AI，让它完成服务端开发。准确率很高。

这次最大的突破是什么？

以前的产品原型只是一个独立的"展示品"，和后面的编程没有任何关系。

但这次不一样——原型成了整个开发链路的起点：

• 向前：衍生出 UI 样式参考和前端组件设计
• 向后：推导出数据库设计和接口契约，最终完成后端开发

我觉得这会是未来 AI 团队的标准工作流。

系列总结：几条核心建议

四篇写完，把最重要的几条经验浓缩一下：

用最好的模型，别省钱。现阶段花的每一分钱，都是在积累竞争壁垒。

一个任务，一个对话窗口。上下文管理是 AI 编程的基本功。

先计划，后执行。不要上来就让 AI 写代码，先讨论清楚方案。

复杂任务一定要拆分。不要指望 AI 一口吃成大胖子。

SaaS 起步，IDE 接力。混合使用才是效率最高的方式。

建立你的规范体系。Cursor Rules、Command、Sub-Agent，这些配置前期投入时间，后期持续受益。

AI 编程还在快速演进中，今天的最佳实践可能半年后就会被更好的方式替代。

但有一点不会变：愿意动手折腾、持续总结复盘的人，永远跑在前面。

共勉。