一、先说一个让我有点震惊的瞬间我给 Claude Code 下完 /goal 命令实现一张卡片还没来得及手动调 /after-goal它自己就直接把代码提交、Code Review 打分、合入、更新卡片描述、关卡片全做完了。没人叫它它自己判断下一步该干什么了就干了。这篇文章记录的就是这次实践的完整过程。二、背景一个功能从需求到上线要过几道关在很多团队的研发场景里一个功能从立项到上线大概要经历这几步写 PRD → 拆卡片 → 写代码 → 提 CR → 合入 → 关卡片每一步都要手动操作工具分散需求系统、代码平台、Review 工具各是各稍不注意就会遗漏步骤比如忘了关卡片、忘了在卡片里补充实现总结。这套流程效率低主要低在两个地方重复性操作多以及上下文切换成本高。这次实践的目标就是用 Claude Code 的三个命令把这套流程固化成三个自动化阶段/prd → /goal → /after-goal需求拆解 → 逐卡实现 → 提交合入关闭三、第一阶段/prd — 先把需求想清楚1.为什么不直接让 AI 写代码很多人的第一反应是我有想法直接告诉 AI让它写代码不就完了实际上这样做有个很典型的问题需求理解偏差。你脑子里的自我演化功能和 AI 理解的自我演化功能很可能是两件事。直接写代码等发现跑偏了再返工成本更高。PRD产品需求文档的作用就是强迫你在动手之前先想清楚有哪些用户故事每个的验收标准是什么明确不做哪些事Non-Goal各个子任务之间的依赖关系怎么排2./prd 实际怎么用安装好 /prd Skill 之后直接输入你的需求描述。比如这次的需求是给「灵犀诊断平台」增加「诊断案例记录与反馈闭环」功能。AI 会先问几个澄清问题。这里有个小经验不要去做选择题用自己的话直接描述AI 理解得更准确。结果是自动生成结构化 PRD 文档保存到 tasks/prd-xxx.md自动拆解成 5 张任务卡片每张卡片包含任务描述 验收标准 依赖关系这些卡片之所以重要是因为它们直接决定了下一阶段 /goal 的效果。卡片定义得好/goal 才能高效卡片足够好具体体现在四点任务明确可操作→ /goal 能按要求准确实现不需要猜你想要什么有验收标准→ /goal 能写对应的单元测试自动验证实现是否符合需求有依赖关系→ /goal 能按顺序有序实现不会因为依赖缺失报错卡片足够小→ 快速实现、快速反馈避免长时间占用资源或进入死循环四、第二阶段/goal — AI 拿到卡片自己干这个阶段基本上可以理解为你给 AI 一张卡片它去实现你来验收。1.看一个真实的例子卡片 46卡片 46 的任务是「Case 数据模型与 Markdown 读写库」。输入命令/goal 实现卡片 xx-sys-nccl-sys-skills-46Claude Code 的执行步骤完整的是这样的第一步获取卡片信息。用命令行工具拉取卡片的描述内容和验收标准。第二步理解项目上下文。读 CLAUDE.md项目架构文档和现有的类型定义文件先搞清楚这个项目是怎么组织的。第三步实现代码。创建 diag/cases/case.go定义 Case 结构体实现序列化/反序列化提供四个核心函数WriteCase、ReadCase、ListCases、UpdateCase。第四步写测试。创建 case_test.go10 个测试用例覆盖序列化、文件读写、列表过滤、部分更新、特殊字符、错误场景等。第五步验证。跑 go vet、go build、go test全部通过才算完。整个过程不需要你介入AI 自己规划执行路径按步骤走完。2.卡片 47跨包集成/goal 一样搞定卡片 47 是「Pipeline 诊断完成后自动写入 Case 文件」涉及跨包集成比卡片 46 更复杂。关键改动包括导出原本未导出的函数、新增配置字段向后兼容、在 defer 块中处理写入逻辑、修复已有函数的边界 bug以及新增 3 个对应测试。/goal 在处理这类任务时体现出一个重要能力它不只是写代码而是真的在理解现有代码的结构并以最小侵入的方式做集成。五、第三阶段/after-goal — 代码写完还差最后一公里代码实现完了但研发流程没结束。还剩提交代码、推送 Review、打分、合入、更新卡片描述、关闭卡片。这些步骤重复性强每次都要记命令参数、记 CR 编号手动操作容易出错。1.从手动操作到 Skill在卡片 46 完成后我把整个提交合入流程手动操作了一遍涉及三个工具git提交/推送→ Code-cli打分/合入→ CICD-cli更新卡片/关闭卡片操作完之后我把这套流程告诉 Claude Code让它帮我固化成 after-goal Skill。从此这 5 个步骤变成一条命令搞定。2./after-goal 实际执行的 5 步Step 1提交代码git add 相关文件 git commit -m 卡片ID 功能描述...注意commit message 必须以卡片 ID 开头因为代码平台要求绑定卡片。Step 2推送 Gerritgit push origin HEAD:refs/for/master不能直接 push master必须走 refs/for/ 路径输出中会包含本次 CR 编号。Step 3打分 合入Code-cli api get_review_info -n CR编号 -o table # 确认可合入 Code-cli api set_review_score -r 仓库 -n CR编号 -s 2 # 打分 Code-cli api submit_review -r 仓库 -n CR编号 # 合入Step 4更新卡片描述CICD-cli card update --space空间--sequence卡片号 \ --detail 原有描述实现总结核心改动、测试覆盖、验证结果、Commit 链接注意–detail 参数会覆盖整个描述字段所以要先保留原有内容再在末尾追加实现总结。Step 5关闭卡片CICD-cli card next-statuses --space 空间 --sequence 卡片号 # 先查可用状态 CICD-cli card update --space 空间 --sequence 卡片号 --status 已完成状态名必须先查因为不同项目空间的状态名可能不一样有的是已完成有的是Done。3.然后它自己就调了卡片 47 实现完成后我本来准备手动调 /after-goal。结果 Claude Code 自己判断出卡片实现完了下一步是提交合入主动调用了这个 Skill把 5 步全跑完了我什么都没干。这个细节说明了 Skill 的真正价值不只是帮你记住命令而是让 AI 能够识别何时应该触发这个流程。六、6 个实战经验踩坑换来的PRD 先行避免返工AI 直接写代码容易偏离需求。先确认范围和验收标准再动手能省掉大量返工时间。卡片粒度要适中每张卡片应该聚焦一件事范围清晰验收标准具体。卡片太大比如把模型定义和跨包集成放在一个卡片AI 实现过程中容易丢失焦点。按依赖顺序实现卡片 47 依赖卡片 46 的代码包。严格按依赖顺序来每张卡片完成后再开始下一张避免同时改多个包产生冲突。CLI 优于浏览器在卡片 46 时我尝试过用 playwright 打开网页操作审批界面弹窗多、元素难定位、还有登录态问题非常笨重。换成命令行工具后一条命令搞定打分和合入效率天差地别。结论凡是能用 CLI 完成的操作不要用浏览器。Skill 是流程知识的载体写 Skill 的过程就是把只活在你脑子里的流程知识外化成 AI 可执行的步骤。一个好的 Skill 应该包含触发条件、执行步骤含具体命令和参数、错误处理方式、关键注意事项。这个过程本身就是在梳理和沉淀团队流程。踩坑立即修复不要留到后面卡片 47 的实现过程中发现了卡片 46 遗留的一个 bug解析函数在处理包含子标题的内容时会出错。发现后立即修复而不是先这样跑着后面再说。早期修正成本最低这条经验在 AI 辅助开发中尤其重要。七、三阶段模式的本质是什么┌─────────────┐ ┌──────────────┐ ┌───────────────┐ │ /prd │ │ /goal │ │ /after-goal │ │ │ │ │ │ │ │ 需求 → PRD │────▶│ 卡片 → 代码 │────▶│ 代码 → 合入 │ │ PRD → 卡片 │ │ 代码 → 测试 │ │ 合入 → 关卡 │ └─────────────┘ └──────────────┘ └───────────────┘ ↑ ↑ ↑ │ │ │ 人类定方向 AI 执行实现 AI 执行收尾 AI 辅助拆解 人类验收结果 流程自动闭环三个阶段各有分工/prd人类主导方向AI 辅助结构化输出/goalAI 主导实现人类验收结果/after-goalAI 全自动执行流程闭环这个模式不只适用于诊断案例记录这一个功能任何需要从需求到上线的开发任务都可以复用。八、最后说一下适用边界如果你的团队追求更高的代码质量保障有一种叫 autoresearch 的多智能体模式用 5 个维度对代码进行多轮 Review给出打分配置更灵活。但代价是速度更慢token 消耗也更大。如果你想要的是轻量级、快速的全自动开发流程/PRD → /Goal → /After-Goal 是更务实的选择。三条命令走完从需求拆解到代码合入的全流程。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
