> For the complete documentation index, see [llms.txt](https://www.doruby.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://www.doruby.com/ai/ai-quan-zi-dong-fu-liu-shui-xian.md).
# AI 全自动付流水线
前两天有一个看起来不大的需求：调一下菜单分组、把一个内部页面对全员开放、再加一道权限。
**10:58** 我把需求扔给 AI，**15:23** 生产环境 `ci-deploy = success`。
中间 5 小时，我只做了 4 件事：
1. 澄清需求（5 分钟）
2. 批 plan（1 分钟）
3. 给 4 套测试账号（1 分钟）
4. 看 PR + 按 merge（2 分钟）
**加上看一眼飞书审批卡的 30 秒，全部有效介入：约 15 分钟。**
不是炫技，是想分享一种 **「让 AI 把流水线的每个工位都跑完，人只守关键的批准门」** 的协作姿势。这是一次**杠杆实验**——把自己挪到流水线最有杠杆的位置，剩下的让 AI 接力跑。一个人能干一个小团队的活。
### 一、核心思路：把交付拆成「专员」流水线
```mermaid
flowchart LR
Intent(["意图"]) --> Plan["计划"]
Plan --> Code["编码"]
Code --> Verify["验证"]
Verify --> Gate["审批门"]
Gate --> Deploy["部署"]
Deploy --> Wrap(["收尾"])
classDef human fill:#ffe5e5,stroke:#c00,stroke-width:2.5px,color:#000
classDef agent fill:#e5f0ff,stroke:#06f,color:#000
class Intent,Gate human
class Plan,Code,Verify,Deploy,Wrap agent
```
不是让一个超级 AI 做所有事，而是把交付拆成 **专门职责** 的小角色 (subagent)，每个角色：
* 有自己的 **目录边界**（越界会被 hook 拦下）
* 有自己的 **工具白名单**（只调它该调的）
* 跑完写一份**轨迹文件**留在硬盘上，让下一棒能接上
整条链：**意图 → 计划 → 编码 → 验证 → 审批 → 部署 → 收尾**，每一棒都是独立 agent。
> 关键点：人不是中介，是**审批节点**。AI 之间的 handoff 走文件，不走对话。
***
### 二、全流程时间线（5 小时内闭环）
#### 步骤 1️⃣ 澄清需求（10–15 分钟）
我把需求扔给 AI，它启动了一个「头脑风暴」流程——**一次只问一个问题**：
> "Q1：菜单这个分组改完后，普通用户在哪个分组里看到这个新功能？给你 3 个方案 + 推荐 + 各自的 trade-off"
我选 C，它接着问 Q2、Q3。聊完输出一份完整设计稿，**等我点头**才动手。
> 这一步是整条流水线**最贵也最便宜**的一段——AI 帮我把模糊念头拧成精确规格，避免后面五个 agent 在错误前提上做无用功。
→ 产物：`intents/<日期>-.md`
***
#### 步骤 2️⃣ 出实施计划（2 分钟）
派一个**只读的「架构师」agent**，看完意图 + 项目元数据 + 最近 20 条踩坑日志，写出**分阶段实施计划**。每阶段都标：
* ✅ 完成判定（具体到一行命令的输出）
* ❌ 不做什么（明确范围之外的部分）
它**不能改代码**——这是设计上的边界，避免它边规划边乱搞。
→ 产物：`runs//plan.md`
***
#### 步骤 3️⃣ 我批 plan（1 分钟）
看 plan，没异议就回"批准"。这是第一道**人类闸门**。
***
#### 步骤 4️⃣ 编码（约 10 分钟）
派**项目专员 agent**——它的工作目录被锁死在某一个 repo 里，碰其它 repo 会被 hook 弹回来。
它读 plan 后自己干：
* 改代码
* 跑类型检查
* 清前端构建缓存
* 写一份「我改了啥 + 你需要重启 dev server」的报告
**不 commit、不 push、不开 PR**——这些动作要等审批门。
→ 产物：`runs//dev-report.md`
***
#### 步骤 5️⃣ 浏览器验证（约 80 分钟，可放着不管）
派 **「视觉验收 agent」**。它用浏览器自动化工具：
* 拿 4 套测试账号轮流登录
* 每个账号下，每张关键页都拍 **3 档屏幕尺寸**（手机 / 平板 / 笔记本）
* 跑 5 类预设探针：CJK 文字截断、表格列宽溢出、flex 兄弟挤压、纵向堆叠、网络 4xx
最后输出 **「GO / NO-GO」判定**：
| 结果 | 数量 |
| ------------------------------ | ------------ |
| 截图归档 | 21 张 |
| API 鉴权用例（是否 403？未登录 → 是否 401？） | 9 条全过 |
| pre-existing layout 警告（不阻塞） | 1 条，记录留到下次治理 |
→ 产物：`runs//verification-report.md` + `screenshots/`
***
#### 步骤 6️⃣ 审批门（这一步必须有人）
派\*\*「部署看门人 agent」\*\*。它干三件事：
1. 把 diff、截图、curl 结果、安全审查凑成一张**互动审批卡**，推到飞书
2. 写 `gate.json` 标记 `status=pending`
3. 然后**就不动了**——等人在手机上点"批准"
这是设计上最关键的"人类时刻"。**AI 不能自批，无论多绿都不行**。
***
#### 步骤 7️⃣ 我点"批准"（30 秒）
收到飞书卡 → 我看一眼 **5 个改动文件 + 9 条 curl 结果 + 截图** → 在主对话回 `/approve `。
`gate.json` 翻成 approved → 触发后续动作。
***
#### 步骤 8️⃣ 提交 → PR → 自动部署（约 3 分钟）
批准后 AI 自己接着跑：
1. `git checkout -b feat/...` 切 feature 分支
2. **英文 commit**（写在 memory 里：PR 一律英文）
3. push 到 GitHub
4. `gh pr create` 开 PR
**第二道人类闸门**：merge 按钮我按。这条产线规则是 "merge=立即部署"，所以我必须看清楚才合。
我 merge 完跟 AI 说一声 → 它立即：
* 把 GitHub 的 commit 镜像同步到镜像源（生产服务器从那边拉代码）
* 查 CI 流水线状态：`ci-deploy = success` ✅
***
#### 步骤 9️⃣ 收尾（1 分钟）
AI 自动：
* `gate.json.status = shipped`
* 写一份 `done.md` 列出 PR / commit / CI / 截图位置
* 把"踩坑教训"追加到团队的 `feedback-log.md`（下次规划时其它 agent 会读）
* 把意图文件归档到这次交付的目录里
* 给飞书发一条 SHIPPED 通知
***
### 三、用到的工具与技术手段
> 不讲实现细节，只讲**用它解决了什么问题**。
| 工具 / 手段 | 解决的痛点 |
| --------------------------- | ---------------------------------------------------- |
| **专职 subagent**（10+ 个角色） | 让每个 agent 专注一件事；上下文不污染；权限边界清晰 |
| **目录 / 工具白名单（hook 拦截）** | 防止 agent 越界改错项目；权限即代码 |
| **文件作为唯一 handoff 渠道** | agent A 写 plan.md，agent B 读 plan.md；不靠"记忆传话" |
| **审批门 + 飞书互动卡** | 关键决策必须人类盖章；手机点一下就回到流水线 |
| **「头脑风暴」一次一问** | 强制把模糊需求收敛成精确设计，避免 AI 自由发挥 |
| **多档 viewport 自动截图** | 单分辨率会漏 50% 的 UI bug；CJK 在某些尺寸下会竖排 |
| **角色 × 视图矩阵自动跑** | 4 角色 × 3 屏幕 × N 页面，人工跑要 1 小时，AI 跑 80 分钟（包含登录、拍照、写报告） |
| **预设 probe（探针）** | 把"上次踩的坑"沉淀成自动检查项，下次不再踩 |
| **feedback-log（团队共享教训）** | 每次交付沉淀一行经验，下一棒 planner 必读 |
| **多 remote 同步（CI 一边，生产一边）** | 让 CI 触发与生产代码源解耦，便于跨网络环境部署 |
| **审批 KV + webhook 轮询** | 手机点了"批准"，桌面上的流水线立刻继续 |
### 四、回到杠杆这件事
回到开头那 15 分钟 vs 5 小时的账。我具体是怎么花的：
| 我做了什么 | 时长 |
| -------------- | ------------------------------ |
| 写需求 | 5 分钟 |
| 看 plan | 1 分钟 |
| 给 4 套测试账号 | 1 分钟 |
| 看飞书卡批准 | 30 秒 |
| 看 PR 内容点 merge | 2 分钟 |
| **小计** | **约 10 分钟（含等待切换的零碎时间约 15 分钟）** |
剩下 5 小时，是 AI 在跑、在等我。
这不是"AI 取代我"——是**我把自己挪到了流水线最有杠杆的位置**：定方向、把关键、踩刹车。
杠杆点在哪？三个动作：
1. **澄清** — 决定要做什么、不做什么。一次决策影响后面 5 棒
2. **批 plan** — 决定怎么做。看一遍计划，避免后面跑错方向
3. **批审批卡 + merge PR** — 决定该不该上线。最终质量门
这三件事**没法机械化**，必须人来做。其它**重复、可机械化、有明确判定标准**的工作（写 boilerplate / 跑 4 角色登录截图 / 拼审批卡 / 同步镜像）全部交给流水线。
最让我满意的不是速度，是**可追溯**——`runs//` 这个文件夹里 11 个文件完整记录了这次交付的每一步：意图、计划、改了啥、测了啥、审批了什么、部署了什么、踩了什么坑。半年后再翻，整个故事都在。
> AI 协作的下一步不是「prompt 写得多好」，而是「**流水线设计得多清晰**」。 让人守关键门、AI 跑工位，是当下能落地、效果可验证的最优解。
***
### 附：流程图源码（Mermaid）
```mermaid
flowchart LR
Start([需求]) --> Brainstorm["1. 澄清
(头脑风暴 agent)
10-15 min"]
Brainstorm --> IntentMd[["intents/<slug>.md"]]
IntentMd --> Planner["2. 出计划
(只读架构师 agent)
2 min"]
Planner --> PlanMd[["runs/<slug>/plan.md"]]
PlanMd --> Approve1{{"3. 我批 plan
👤 1 min"}}
Approve1 -->|批准| Dev["4. 编码
(项目专员 agent)
10 min"]
Dev --> DevMd[["runs/<slug>/dev-report.md"]]
DevMd --> Verify["5. 浏览器验证
(视觉验收 agent)
80 min"]
Verify --> VerifyMd[["verification-report.md
+ 21 截图 + 9 curl"]]
VerifyMd --> Gate["6. 部署看门人
推飞书审批卡"]
Gate --> Approve2{{"7. 我点批准
👤 30 sec"}}
Approve2 -->|approved| Ship["8. commit/push/PR
(自动)"]
Ship --> Approve3{{"merge PR
👤 2 min"}}
Approve3 -->|merged| Sync["sync 镜像
+ 监控 CI"]
Sync --> Done["9. 收尾
gate=shipped
+ feedback-log"]
Done --> End([部署成功])
classDef human fill:#ffe5e5,stroke:#c00,stroke-width:2px
classDef agent fill:#e5f0ff,stroke:#06f
classDef file fill:#fff8d5,stroke:#999,stroke-dasharray: 3 3
class Approve1,Approve2,Approve3 human
class Brainstorm,Planner,Dev,Verify,Gate,Ship,Sync,Done agent
class IntentMd,PlanMd,DevMd,VerifyMd file
```
**图例**：
* 🔵 蓝框 = AI 自动跑的工位
* 🔴 红框 = 必须人类介入的审批门
* 🟡 黄虚线框 = 落盘的轨迹文件（agent 之间的 handoff 介质）