跳转至

AI 驱动开发生命周期（AIDLC）

概述

AIDLC（AI-Driven Development Life Cycle，AI 驱动开发生命周期）是 AWS Labs 发布的一个以方法论为核心的开源框架。它引导 AI 编程智能体在人工审批的结构化阶段中完成软件开发。与其把 AI 辅助视为自由形式的聊天交互，AIDLC 将需求、设计与实现以基于文件的制品（artifact）形式固化，使上下文在整个开发生命周期中持久保留、可审计。该框架与智能体、IDE 及模型均无绑定关系，通过规则文件（rule file）运作，可被加载到开发者使用的任意 AI 助手中。截至 2026 年 4 月，该项目版本为 v0.1.8，GitHub 星标数 2.4k，采用 MIT-0 许可证（宽松许可，无需署名）。

设计原则

原则 说明
无重复 单一事实来源；平台专属规则文件通过生成方式产生，而非作为并行副本维护
方法论优先 无需安装任何工具即可运行；框架本身是以 Markdown 文件表达的方法论
可重现 结构化提示词与显式阶段关卡将模型差异降至最低
平台无关 与平台、IDE 及厂商无绑定关系
人在回路（HITL） 关键决策须由用户明确确认后，各阶段方可执行

三阶段自适应工作流

AIDLC 将开发过程拆分为三个顺序执行的阶段。框架会根据请求复杂度自适应调整执行范围——简单改动跳过不必要的阶段，复杂改动则获得完整处理。

阶段一 — 启动（构建什么）

在任何代码编写之前，先确定需求与方案：

  • 需求分析：向开发者提出结构化问题；可选扩展插件用于发掘更多约束条件
  • 用户故事创建：从需求中提炼并形式化验收标准
  • 设计与风险评估：预先识别架构决策及潜在风险

阶段二 — 构建（如何构建）

在持续质量控制下实现已确认的设计：

  • 组件设计：将工作分解为独立的、可测试的组件
  • 代码生成：AI 依据已确认的规范生成代码
  • 测试策略与质量保证：根据规范和质量标准对生成的代码进行验证

阶段三 — 运营（规划中）

计划中的能力模块，涵盖部署自动化、监控及生产就绪（v0.1.8 版本尚未发布）。

制品结构

所有生成的输出均存放于项目内的结构化目录中：

<project-root>/
├── <platform-specific-rules-folder>/     # Agent instruction files (location varies by tool)
├── .aidlc-rule-details/                  # Shared rule detail files
│   ├── common/
│   ├── inception/
│   ├── construction/
│   ├── extensions/
│   └── operations/
└── aidlc-docs/                           # Generated artifacts (proposals, designs, tasks)

规则文件采用结构化 Markdown 格式，以 ## Rule <PREFIX-NN>: <Title> 作为标题，包含定义需求的 Rule 小节和提供具体评估标准的 Verification 小节，支持自动化审计。

平台集成

在任意受支持的智能体中，只需在请求前加上 "Using AI-DLC, ..." 即可激活 AIDLC。规则文件安装在各工具的专属位置：

AI 工具 / IDE 规则文件位置
Amazon Q Developer .amazonq/rules/
Kiro .kiro/steering/
Cursor .cursor/rules/
Cline .clinerules/
Claude Code CLAUDE.md 或 .claude/
GitHub Copilot .github/copilot-instructions.md

扩展插件系统

扩展插件在核心工作流之上叠加额外约束（安全基线、合规要求、测试策略）。每个扩展插件包含：

  • 一个规则文件，内含阻断性验证标准及唯一规则 ID（如 SECURITY-01），用于审计追踪
  • 一个可选的 <name>.opt-in.md 文件，在需求分析阶段以多选提示的形式呈现，供开发者按需启用对应规则

内置扩展插件涵盖安全基线和基于属性的测试。团队可自行编写自定义扩展插件以满足组织策略需求。

配套工具

AIDLC 评测器

位于 scripts/aidlc-evaluator/ 的自动化测试框架，提供以下能力：

  • 黄金测试用例：用于回归检测的典型场景
  • 语义评测：使用 LLM 充当评审对智能体输出进行评分
  • 代码分析：对生成代码进行静态检查和安全扫描
  • NFR 测试：非功能需求验证（Token 预算、执行时间）
  • CI/CD 集成：当质量指标低于阈值时阻断部署

AIDLC 设计评审器（实验性）

位于 scripts/aidlc-designreview/ 的 AI 驱动设计分析工具，可作为 CLI 或 Claude Code hook 使用。包含三个专用智能体：

智能体 职责
Critique 识别设计方案中的薄弱点和风险
Alternatives 提出替代方案及权衡分析
Gap Analysis 发现缺失需求或覆盖不完整的部分

底层模型运行时使用 Amazon Bedrock。

安装

# Download and extract the release zip
# Copy rules to agent-specific location, e.g. for Cursor:
mkdir -p .cursor/rules
cat aws-aidlc-rules/core-workflow.md >> .cursor/rules/ai-dlc-workflow.mdc
mkdir -p .aidlc-rule-details
cp -R aws-aidlc-rule-details/* .aidlc-rule-details/

# Activate by prefixing requests:
# "Using AI-DLC, add a user authentication feature..."

升级至最新版本：执行 openspec update（如使用 CLI 封装工具）或重新下载发布包。

与同类框架的对比

维度 AIDLC（AWS） OpenSpec（Fission AI） AWS Kiro
方案思路 带审批关卡的生命周期阶段 制品引导的提议/应用/归档 以规范为单一事实来源的 IDE
阶段关卡 显式——智能体等待审批后继续 无——全程流式更新 Kiro IDE 内部结构化
棕地项目支持 支持（等效于 /opsx:onboard） 支持（明确目标） 主要面向新项目
工具无关性 高——通过规则文件支持 6+ 种工具 高——通过斜杠命令支持 25+ 种工具 低——仅限 Kiro
复杂度模型 自适应（简单改动跳过相关阶段） 扁平（始终执行提议/应用/归档） 按功能特性驱动的规范
是否内置评测器 是——AIDLC Evaluator，含 CI/CD 钩子 无原生评测器 内置转向验证
AWS 集成 原生（Bedrock 用于设计评审器，Q Developer） 无 深度集成 AWS/Bedrock
许可证 MIT-0 MIT 专有
成熟度（2026 年 4 月） v0.1.8，2.4k 星标 v1.3.1，50.1k 星标 GA（AWS 托管）

最佳实践

挑战 / 领域 说明 解决方案 / 建议
阶段跳过 复杂改动需要完整阶段；简单修复则不需要 让 AIDLC 的自适应引擎决定执行范围——避免手动跳过阶段关卡
扩展插件膨胀 过多扩展插件会造成认知负担 先使用核心工作流，再根据实际质量差距逐步添加扩展插件
制品陈旧 aidlc-docs/ 会积累过期制品 归档已完成的变更文件夹；重新处理相关工作时明确引用历史制品
设计评审器成本 三智能体设计评审消耗大量 Token 仅在架构级变更时作为关卡使用，日常功能开发无需触发
CI/CD 集成 评测器需要访问黄金测试用例 将黄金测试集纳入版本控制；每次重大行为变更后及时更新

参见

参考资料