Potok SDLC oparty na agencie AI: pięć etapów od specyfikacji do wdrożenia
Agent AI oparty na Claude Code umożliwia automatyzację pełnego cyklu rozwoju w 3-4 godziny zamiast tygodnia pracy ręcznej. Łańcuch pięciu poleceń przetwarza zadanie etapowo: doprecyzowanie wymagań, projektowanie, implementację, weryfikację i dokumentację. Człowiek interweniuje tylko w celu kontroli i korekt między etapami. Podejście przetestowano na aplikacji serwerless z AWS, .NET i Angular.
Problemy webkodingu i ich rozwiązanie
Zwykłe prompty dla dużych zadań prowadzą do przepisywania kodu, halucynacji API i ignorowania wymagań. Przyczyny: niejasne specyfikacje, brak dekompozycji, ograniczony kontekst modelu. Rozwiązanie — granularyzacja na etapy z weryfikacją.
Kluczowe zasady procesu:
- Jasne, testowalne wymagania w specyfikacji.
- Plan krok po kroku z wskazaniem plików i kontraktów.
- Podejście TDD: red-green-refactor.
- Wielopoziomowy przegląd z równoległymi agentami.
- Automatyczna aktualizacja dokumentacji projektowej.
Stos technologiczny przykładu
Aplikacja webowa serwerless: AWS CDK dla infrastruktury, .NET Lambda z architekturą trójwarstwową (Data-Domain-API), Angular SPA z Syncfusion, Playwright dla testów E2E. Dane w DynamoDB, statyka na S3.
Przykład zadania: ukryć edycję koloru dla Task, zsynchronizować z nadrzędnym Trade na backendzie, zastąpić wybierak paletą 256 kolorów, przełączyć siatkę na wybór wierszy.
Szkic funkcji (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 onlyKonfiguracja agenta AI
Claude Code z serwerami MCP awslabs/mcp i wtyczkami. Frontend: Syncfusion Angular Assistant, Angular CLI MCP. AWS: api-mcp-server, documentation-mcp-server, cdk-mcp-server, dynamodb-mcp-server i inne. Testowanie: Playwright MCP. Wtyczki: code-review, typescript-lsp, aws-serverless.
Polecenia użytkownika (/clarify, /design itd.) orkiestrują proces, ładując kontekst z plików CLAUDE.md.
Etap 1: /clarify — generowanie specyfikacji
Analizuje draft.md i CLAUDE.md. Fazy: zbieranie kontekstu, doprecyzowanie niejasności, tworzenie szablonu.
Szablon zawiera:
- Testowalne wymagania.
- Przypadki użycia dla testów E2E.
Specyfikacja zapisywana jest w repozytorium do ręcznej edycji.
Etap 2: /design — szczegółowy plan
Generuje kroki z plikami, liniami, kontraktami API/DTO. Samoprzegląd według checklisty: pokrycie wymagań, brak nadmiernej komplikacji.
Plan obejmuje testy jednostkowe/E2E, infrastrukturę, schemat danych. Warstwy niezależne dzięki opracowanym kontraktom.
Etap 3: /implement — realizacja
Według TDD: testy → minimalny kod → refaktoryzacja. Przewidywanie wyników testów, porównanie z rzeczywistością. MCP dla dokumentacji bibliotek, CLAUDE.md dla konwencji.
Implementacja warstwowo lub całościowo.
Etap 4: /verify — wielopoziomowy przegląd
Sprawdzenia:
- Budowanie, testy jednostkowe/E2E.
- Analiza martwego kodu.
- Równoległy przegląd: code review, typy, pokrycie, bezpieczeństwo (IAM, iniekcje).
- Weryfikacja ze specyfikacją.
- Dryf dokumentacji.
Strukturyzowany raport.
Etap 5: /document — aktualizacja dokumentacji
Aktualizuje CLAUDE.md dla kolejnych iteracji. Funkcja gotowa do mergowania.
Ograniczenia podejścia
Zmiany granularyzowane (do 15-50% kontekstu). Stabilna architektura obowiązkowa. Nie dla legacy z nakładkami lub nowych frameworków bez aktualizacji poleceń.
Co jest ważne
- Granularyzacja: podział na etapy minimalizuje błędy kontekstu.
- Kontrola: ręczna edycja specyfikacji i planów.
- Automatyzacja przeglądu: równolegli agenci redukują błąd ludzki.
- Dokumentacja: CLAUDE.md — podstawa stabilności potoku.
- Efektywność: 3-4 godziny vs 15-20 godzin ręcznie.
— Editorial Team
Brak komentarzy.