SDLC na AI: 5 promptů pro automatizaci vývoje

SDLC konveyor založený na AI agentovi: pět fází od specifikace po nasazení

AI agent založený na Claude Code umožňuje automatizovat celý vývojový cyklus za 3-4 hodiny místo týdne ruční práce. Řetězec pěti příkazů zpracovává úlohu po etapách: upřesnění požadavků, návrh, implementaci, ověření a dokumentaci. Člověk zasahuje pouze pro kontrolu a úpravy mezi fázemi. Přístup byl otestován na serverless aplikaci s AWS, .NET a Angular.

Problémy vibekodingu a jejich řešení

Běžné prompty pro velké úlohy vedou k přepisování kódu, halucinacím API a ignorování požadavků. Příčiny: nejasné specifikace, absence dekompozice, omezený kontext modelu. Řešení — granulární rozdělení na etapy s ověřením.

Klíčové principy procesu:

• Jasné, testovatelné požadavky ve specifikaci.
• Krok za krokem plán s uvedením souborů a kontraktů.
• TDD přístup: red-green-refactor.
• Víceúrovňový review s paralelními agenty.
• Automatická aktualizace projektové dokumentace.

Technologický stack příkladu

Serverless webová aplikace: AWS CDK pro infrastrukturu, .NET Lambda s třívrstvou architekturou (Data-Domain-API), Angular SPA s Syncfusion, Playwright pro E2E testy. Data v DynamoDB, statika na S3.

Příklad úlohy: skrýt editaci barvy pro Task, synchronizovat s nadřazeným Trade na backendu, nahradit výběr barvy paletou 256 barev, přepnout mřížku na výběr řádků.

Návrh funkce (draft.md):

Need to improve a color picker for SoW.
1. Color picker is available only for Trades.
2. Color is shown only for Trades
3. Tasks color:
- not shown in UI
- once created - color is set the same as the related Trade
- if Trade Color is changed - it changes for all related Tasks
- all the color manipulation - at the BE.
4. Improve Color picker for Trades: use a custom palette with classic 256 colors
5. Configure Trade grid to not select cells - row only

Nastavení AI agenta

Claude Code s MCP servery awslabs/mcp a pluginy. Frontend: Syncfusion Angular Assistant, Angular CLI MCP. AWS: api-mcp-server, documentation-mcp-server, cdk-mcp-server, dynamodb-mcp-server a další. Testování: Playwright MCP. Pluginy: code-review, typescript-lsp, aws-serverless.

Uživatelské příkazy (/clarify, /design atd.) orchestrují proces, načítají kontext ze souborů CLAUDE.md.

Fáze 1: /clarify — generování specifikace

Analyzuje draft.md a CLAUDE.md. Fáze: sběr kontextu, upřesnění nejasností, tvorba šablony.

Šablona zahrnuje:

• Testovatelné požadavky.
• Případy použití pro E2E testy.

Specifikace se ukládá do repozitáře pro ruční úpravy.

Fáze 2: /design — detailní plán

Generuje kroky se soubory, řádky, kontrakty API/DTO. Self-review podle kontrolního seznamu: pokrytí požadavků, absence zbytečné složitosti.

Plán pokrývá unit/E2E testy, infrastrukturu, schéma dat. Vrstvy jsou nezávislé díky propracovaným kontraktům.

Fáze 3: /implement — realizace

Podle TDD: testy → minimální kód → refaktoring. Předpověď výsledků testů, porovnání s realitou. MCP pro dokumentaci knihoven, CLAUDE.md pro konvence.

Implementace po vrstvách nebo celá.

Fáze 4: /verify — víceúrovňový review

Kontroly:

• Build, unit/E2E testy.
• Analýza mrtvého kódu.
• Paralelní review: code review, typy, pokrytí, bezpečnost (IAM, injekce).
• Porovnání se specifikací.
• Posun dokumentace.

Strukturovaná zpráva.

Fáze 5: /document — aktualizace dokumentace

Aktualizuje CLAUDE.md pro další iterace. Funkce připravena k mergi.

Omezení přístupu

Granulární změny (do 15-50 % kontextu). Stabilní architektura je nutná. Není pro legacy s nánosy nebo nové frameworky bez aktualizace příkazů.

Co je důležité

• Granularita: rozdělení na fáze minimalizuje chyby kontextu.
• Kontrola: ruční úpravy specifikací a plánů.
• Automatizace review: paralelní agenti snižují lidskou chybu.
• Dokumentace: CLAUDE.md — základ stability konveyoru.
• Efektivita: 3-4 hodiny vs 15-20 hodin ručně.

— Editorial Team