利用看板构建全自动 AI 开发流水线 AgentFlow

将现有的看板工具（如 GitHub Projects、Linear）转化为一个完全自主的 AI 开发流水线，通过看板状态驱动多 Agent 协作，实现从需求分解到集成部署的闭环自动化。

为什么需要这个技能

传统的 AI 编码通常是单点对话，难以处理复杂的软件开发生命周期（SDLC）。而构建完整的编排基础设施又太繁琐。

AgentFlow 提供了一种创新的方案：将看板视为一个“分布式状态机”。任务在“待办 研究 构建 评审 测试 集成 完成”之间流动。AI Agent 通过读写看板评论来同步状态，而人类可以通过简单的拖拽卡片来干预流程。这意味着你无需额外部署数据库或消息队列，即可在手机或浏览器中实时监控整个 AI 团队的进度，且由于状态持久化在看板中，即使 Session 重启也能无缝恢复。

适用场景

• 需要在完整开发周期（构建、评审、测试、集成）中编排多个 Claude Code 工作者。
• 希望在 AI 代码评审前，强制执行确定性的质量门禁（如 tsc、eslint）。
• 需要对每个 AI 任务的 Token 成本进行精细化追踪和预算控制。
• 追求“崩溃免疫”的编排方案，确保流水线在重启后能自动接续。

核心工作流

1. 需求分解与任务分发

通过 /spec-to-board 命令将 SPEC.md 需求文档分解为原子任务并创建看板卡片。随后由无状态编排器（通过 crontab 每 15 分钟运行一次）根据优先级将任务分发给 Worker。

2. 确定性门禁 概率性评审

在进入 AI 评审阶段前，系统强制运行确定性检查（编译、Lint、单元测试）。只有通过这些硬指标的任务才会交给 AI 进行“对抗式评审”（Adversarial Review）——评审 Agent 必须列出 3 个潜在问题才能通过，防止盲目通过。

3. 多 Worker 并行执行

在多个终端窗口启动不同 Slot 的 Worker：

# Terminal 2 — 构建者
claude -p "/sdlc-worker --slot T2"
# Terminal 3 — 评审者
claude -p "/sdlc-worker --slot T3"

4. 监控与干预

使用 /sdlc-health 查看实时仪表盘。如果发现某个任务陷入僵局，直接在看板上将卡片拖拽至 "Needs Human" 区域即可介入。

下载和安装

下载 agentflow 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