如何利用 AI 实现从需求到验收的端到端自动化交付

解决 AI 编码中常见的“部分完成”或“盲目假设成功”问题：通过构建一套基于状态机的编排机制，强制 AI 在提供证据证明满足验收标准（DoD）之前，不得将任务标记为完成。

为什么需要这个技能

在传统的 AI 辅助编程中，AI 往往在修改完代码后就报告“已完成”，但实际上可能并未在真实环境下验证，或者忽略了需求文档中的某些验收细节。

本技能的核心逻辑是：不为“代码已变更”而优化，而为“DoD 已证明”而优化。它将整个开发周期转化为一个严格的状态机，要求 AI 必须在每个阶段（需求 执行 评审 部署 验证）产生可审计的证据，从而减少人为干预并消除交付偏差。

适用场景

• 任务已有明确的 Issue 描述和验收标准，需要 AI 独立端到端执行。
• 需要在实现、评审、部署和最终验证之间建立结构化的交接流程。
• 厌恶 AI 的“沉默式部分完成”，需要明确的停止条件或升级（Escalation）机制。

核心工作流

该技能将任务驱动分为以下状态流转：需求接收 准入检查 执行 评审循环 部署验证 验收通过/升级。

1. 需求准入 (Intake & Gate)：提取目标与 DoD。若 Issue 状态为 draft 或未获得执行许可，立即停止，严禁在未就绪时编写代码。
2. 闭环执行 (Execute)：调用 closed-loop-delivery 进行本地开发与初步验证。
3. 评审循环 (Review Loop)：采用阶梯式轮询机制（3min 6min 10min）处理 PR 反馈，批量处理评论而非碎片化响应。
4. 运行时验证 (Deploy & Verify)：默认部署至 dev 环境，通过实际日志、API 响应或 Lambda 行为验证，而非凭空假设。
5. 验收门禁 (Completion Gate)：在声明完成前，必须执行 verification-before-completion 检查。

停止条件：

• Accepted：所有验收标准均有对应证据。
• Escalated：经过 2 轮迭代仍失败、缺少必要权限/密钥、或评审指令冲突。

下载和安装

下载 acceptance-orchestrator 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