基于 TDD 工作流自动执行 AI 实现计划

解决 AI 编程中常见的“跳步骤”或“缺乏验证”问题：通过一套标准化的 Conductor 工作流，强制 AI 在实现功能前先写测试，并在每个阶段完成时请求用户确认。

为什么需要这个技能

在复杂的软件开发中，直接让 AI 写代码往往会导致忽略边缘情况或破坏现有功能。开发者需要一种机制，让 AI 不仅是“写代码”，而是按照标准的软件工程实践（如 TDD）来执行任务。

该技能通过引入 conductor 目录结构（包含产品定义、工作流规范、任务清单），将 AI 的行为约束在一个可预测的框架内。它要求 AI 在进入下一个阶段前必须通过验证，且每一步改动都必须有对应的 Git 提交记录，极大地降低了 AI 导致项目失控的风险。

适用场景

• 需要严格执行 TDD（测试驱动开发）流程的特性开发。
• 复杂功能拆分成了多个阶段（Phase）和具体任务（Task）的实现计划。
• 希望在 AI 自动编程时保留完整的审计追踪（Commit History）和进度状态。
• 需要在每个关键里程碑处进行人工审查，防止 AI 偏离需求。

核心工作流

1. 前置检查与环境加载：AI 首先验证 conductor/ 目录下是否存在产品定义和工作流配置文件，加载 TDD 严格程度和提交策略。
2. 轨道（Track）选择：AI 解析 tracks.md，识别待处理或进行中的任务轨道，加载对应的 spec.md（需求）和 plan.md（计划）。
3. TDD 循环执行：针对每个任务，AI 严格执行三步走：
   • 红阶段：编写失败的测试用例 运行并确认失败。
   • 绿阶段：编写最少代码使测试通过 运行并确认通过。
   • 重构阶段：优化代码结构 确保测试依然通过。
4. 状态同步与提交：任务完成后，AI 自动更新 plan.md 的状态（[ ] [x]），并按照规范执行 git commit。
5. 阶段性验证（Checkpoint）：当一个阶段的所有任务完成后，AI 必须运行全量测试并生成验证报告，且必须等待用户明确批准后才能进入下一阶段。

下载和安装

下载 conductor-implement 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐