---
title: "AI SDLC 框架:阶段、角色与护栏"
description: "实用的 AI SDLC 框架:规划、构建、评审、测试、部署、运营。角色、清单,以及 Automo Build 如何跑通每一阶段。"
canonical: https://automo.build/zh/learn/ai-sdlc-framework
last-updated: 2026-11-19
---
# AI SDLC 框架:阶段、角色与护栏

用 AI 智能体跑软件生命周期的作业模型:谁做哪一阶段、人在何处留在回路里、哪些护栏不让速度变成失控。

AI SDLC 框架是用 AI 智能体跑软件开发生命周期的实用运营模型,覆盖规划与规格、构建、带护栏的评审、测试、部署与运营。人设定意图并批准有后果的变更;智能体在这些规则下做生产性工作。这是 AI SDLC 的做法,而不只是定义。

## 什么是 AI SDLC 框架?

若需要生命周期本身的定义,先读[什么是 AI SDLC](/learn/what-is-an-ai-sdlc)。本页是叠在那份定义上的运营模型:阶段、人与智能体的角色,以及让回路在 AI 速度下仍安全的护栏。按阶段选产品时,用 [AI SDLC 工具指南](/learn/ai-sdlc-tools)。

经典 SDLC 假定人写工作、别人检查。AI SDLC 框架假定智能体写大部分工作、人治理变更的类别。阶段还在。变的是工作单元 (提示和计划,而不是一堆工单)、控制点 (政策,而不是读每一行) 和证据 (从提示到生产的审计轨迹,而不是口耳相传的记忆)。

把框架当作覆盖清单,而不是强制组织图。供应商给阶段起的名字不同。若某阶段没有负责人、关卡和产物,你就没有那个阶段。你只有一张幻灯片。

## AI SDLC 框架的六个阶段

规划与规格、构建、评审与护栏、测试与 QA、部署、运营与监控。第一阶段由人主导。中间四个是智能体在控制下做体量的地方。最后一阶段在发布后让系统保持诚实。

1. **规划与规格** 工作以可验证的意图进入:问题、用户、约束、完成长什么样。智能体把它变成可评审的计划。人在这里纠偏,纠偏成本低。
2. **构建** 构建智能体在分支上用真实代码实现计划。逻辑、模式、集成。每次变更都是可版本、可评审的 diff,不是对运行中系统的不透明编辑。
3. **评审与护栏** 政策按业务领域和风险给每次变更分类。常规变更继续。有后果的等待有记录的人工批准。保护区拒绝随便改。评审智能体 (CTO、Security、Doctor) 加上人类产品负责人分拣哪些需要人。
4. **测试与 QA** 自动验证在每次变更上跑,而不是结尾的一个阶段:单元与集成检查,加上关键流程的浏览器回放。失败的关卡停下产线。
5. **部署** 发布经过发布前的冒烟关卡和发布后的检查,回滚是一等操作。部署是受控阶段,不是生命周期旁边的按钮。
6. **运营与监控** 观察线上系统。应用健康、DNS、CDN、依赖。降级被诊断到根因,并作为新的已描述工作回到回路。

## 相对经典 SDLC 变了什么

同一份工作,另一套机械。有人说 AI SDLC 只是带聊天机器人的 CI/CD 时,用这张表。

| 阶段 | 经典 SDLC | AI SDLC 框架 |
| --- | --- | --- |
| 规划与规格 | 写给开发者的工单 | 白话意图,任何人可验证,智能体起草的计划 |
| 构建 | 开发者手写代码 | 构建智能体大批量产出带版本的 diff |
| 评审 | 人读每一行 | 政策分拣;人评审政策标出的内容 |
| 测试 | 接近结尾的 QA | 每次变更上的自动关卡,含浏览器级 |
| 部署 | 发布窗口和变更委员会 | 带关卡的发布、生产检查、回滚就绪 |
| 运营 | 值班的人从仪表盘分拣 | 智能体诊断根因,人批准修复 |

## 人与智能体

智能体做生产性工作。人对结果负责。若反过来,你得到的是无人值守系统,不是框架。

| 职责 | 人 | 智能体 |
| --- | --- | --- |
| 方向 | 设定意图、约束、完成定义 | 把意图变成可评审的计划 |
| 实现 | 架构判断与例外 | 编写和编辑代码 |
| 评审 | 批准有后果的和保护区变更 | 分类风险、应用政策、起草评审说明 |
| 质量 | 决定哪些流程绝不能断 | 在每次变更上编写并运行测试 |
| 安全 | 接受剩余风险,对事故负责 | 扫描、探测,在线上应用确认发现 |
| 发布 | 政策要求时拥有 go/no-go | 跑流水线、冒烟关卡、回滚 |
| 运营 | 批准修复和给客户的说明 | 看生产、诊断、起草变更 |

## 本周可跑的短清单

给当前回路打分。两个以上缺口,意味着你有 AI 辅助的开发者,而不是 AI SDLC 框架。

- 每次变更都从可验证的规格开始,而不是别人无法复现的聊天。
- 构建产出落在带可回退 diff 的分支上。
- 是政策而不是英雄主义决定什么可以无人合并。
- 代表真实用户流程的测试在每次变更上跑,并能挡住发布。
- 安全发现对照正在运行的应用确认,而不只是静态报告。
- 发布有冒烟关卡,以及你们真正用过的回滚。
- 有东西在看生产,并能在不等用户工单的情况下说出根因。
- 审计轨迹能回答谁提示、谁批准、发了什么。

## Automo Build 如何实现每一阶段

Automo 是作为平台交付的 AI SDLC,而不是用零件拼出来的。你用提示描述应用。提示周围的回路就是框架。

- **规划与规格**: 白话请求变成代码出现之前就能纠正的计划。从 Free 套餐的一条提示开始。不必先打销售电话。
- **构建**: 构建智能体生成你拥有的真实 React、TypeScript 和 Supabase 应用,在分支上,作为可评审的 diff。
- **评审与护栏**: 评审智能体 (CTO、Security、Doctor) 加上 Guardrails 把代码映射到业务领域、检测高风险变更、应用简明政策、记录人工评审,并在每次合并后留下审计轨迹。人类产品负责人仍批准政策标出的内容。
- **测试与 QA**: QA 智能体运行确定性浏览器回放、自愈测试、发布前冒烟关卡和发布后生产检查。
- **部署**: 部署流水线经这些关卡发布到 Automo 云、你自己的 AWS、Azure 或 GCP 账户、私有 VPC,或按单独条款的本地部署,回滚是一等操作。
- **运营与监控**: Doctor 是只读 AI SRE,探测线上应用、DNS 和 CDN,诊断根因,并起草供人批准的修复。

## 从哪里开始

跑这套框架不需要新部门。需要的是六个阶段作为默认存在,而不是可选仪式。Automo Build 把它们放在与提示同一条路上:Free 套餐、每月额度、不用绑卡。描述应用,回路就跑。各阶段的产品地图见 [AI SDLC 工具](/learn/ai-sdlc-tools)。框架所依据的定义,把[什么是 AI SDLC](/learn/what-is-an-ai-sdlc) 放在本页旁边。

## FAQ

**什么是 AI SDLC 框架?**

AI SDLC 框架是用 AI 智能体跑软件交付的运营模型:规划与规格、构建、带护栏的评审、测试、部署与运营。人给出方向并批准有后果的变更;智能体在政策下做生产性工作。

**AI SDLC 框架与经典 SDLC 有何不同?**

阶段熟悉。变的是工作单元、控制点和证据。智能体大批量产出带版本的 diff,政策分拣评审,测试给每次变更设关,审计轨迹记录从提示到生产。经典 SDLC 围绕专家之间的交接组织。AI SDLC 框架围绕治理组织。

**还需要开发者和产品负责人吗?**

需要。人拥有意图、架构、剩余风险,以及对标出变更的 go/no-go。智能体承担实现体量、起草评审、跑测试、诊断生产。框架存在,是为了让人的问责在 AI 速度下仍然可行。

**评审阶段该有哪些护栏?**

按业务领域和风险分类变更的政策、拒绝随便改的保护区、对有后果合并的有记录人工批准,以及谁提示、谁批准的不可变轨迹。在 Automo 上,Guardrails 加上 CTO、Security 和 Doctor 评审者提供这一层。

**Automo Build 如何实现这套框架?**

构建智能体用你拥有的真实代码实现计划。评审智能体 (CTO、Security、Doctor) 和 Guardrails 治理合并。QA 智能体用浏览器回放和冒烟关卡测试。部署流水线带回滚发布。Doctor 看生产。你可以在 Free 套餐上从一条提示开始。

## Related

- [什么是 AI SDLC?](https://automo.build/learn/what-is-an-ai-sdlc)
- [AI SDLC 工具](https://automo.build/learn/ai-sdlc-tools)
- [Guardrails:治理阶段](https://automo.build/platform/guardrails)
- [Automo 对比传统开发](https://automo.build/compare/traditional-software-development)
- [从原型到生产](https://automo.build/use-cases/prototype-to-production)
- [定价](https://automo.build/pricing)

Canonical page: https://automo.build/zh/learn/ai-sdlc-framework
Site overview for agents: https://automo.build/llms.txt
