推理网关默认开着“思考”，又慢又常被截断。关掉后又快又省。
HABI作品集 · 2026 秋04
AI-native SDLC 规范产品
BASED ON CLAUDE'S AI-NATIVE SDLC用 Cursor、Codex 做个小工具，一个下午就能跑起来。可一旦要做带数据库、带任务队列、要花钱调模型的中后端工作台，需求聊着聊着就跑偏，AI 改好 A 又弄坏 B，上线那天你都说不清跑的是哪一版。最后做出来一个很像产品的玩具。
Claude 官方发布过一套 AI-native SDLC 方法，讲 AI 时代的软件怎么从想法走到上线。我拿它逐条对照自己的 3 个真实项目找差距，让 Claude 和 Codex 分别起草、互相审稿，最后做成一个仓库：新项目开工时，用一个 skill 一键装上。
规范怎么跑
一个需求，从想法到上线
- 01
写需求：Intent
一个需求一个文件夹，先写清给谁用、做到什么算成。
展开细节
- 一个需求一个文件夹，先写 Intent：给谁用、解决什么问题、做到什么程度算成、这次不做什么。
- Intent 里要写明这个产品最核心的价值假设，以及能量化的验收标准。
- 02
按需加方案：Spec 和 Plan
需要细化才写 Spec 和 Plan，先验证风险最大的假设。
展开细节
- 行为、数据、验收需要细化时，才写 Spec；实现步骤需要协调时，才写 Plan。小修小补不单独立项，直接在 PR 里说明。
- Plan 的第一件事，是先验证风险最大的那个假设，验证过了再围绕它大干。
- 03
你拍板
只有你明确点头才算批准，AI 评审通过、你没说话都不算。
展开细节
- 每份文档开头都是一段大白话摘要，不懂技术的人十分钟也能读完；用到的术语当场解释。看不懂，就没法拍板。
- 只有你明确点头，文档才算 Approved。测试通过、AI 评审通过、你没说话，都不算。
- 之后只改措辞，批准继续有效；改了范围或验收标准，就退回草稿重新确认。
- 04
多个 Agent 分头干
交代清楚文件归属、起点版本和验收标准，一个协调者汇总。
展开细节
- 委派时交代清楚：哪些文件归谁、从哪个版本开始、授权到哪一步、怎么算验收。
- 由一个协调者汇总各路结果。
- 文档始终只保留当前方案，不堆聊天记录，换一个 Agent 接手也能直接看懂。
- 05
一张活的进度表
PR 里随时看得到做完了什么、卡在哪、下一步干什么。
展开细节
- PR 描述里始终有一份最新进度：定了哪些事、做完了什么、还剩什么、卡在哪、下一步干什么。你随时打开就知道项目走到哪了。
- 06
对着版本验收
没跑过的测试、没上线的功能，一律不许说已完成。
展开细节
- 验收结果对应到具体测过的那个版本。
- 实现、验证、交付分开汇报；没跑过的测试、没上线的功能，一律不许说已完成。
- 合并、部署、花钱、对外发布，都要单独授权。
几条让文档靠得住的硬规矩
- 数字要对得上
- 写“每条视频 10 分钟出完”，就要按设计粗算一遍，算不出来就是缺陷。
- 分清查证过的和估算的
- 外部平台的价格、限额、模型能力，要么标“已查证＋出处和日期”，要么标“估算”。编出来的数字，不许当事实写。
- 开放问题写明卡住了什么
- 哪些工作要等它定下来，哪些可以先做。
规范的实战
爆款视频工厂
规范好不好用，要看它扛不扛得住一个重业务的真实产品。下面是这套规范在爆款视频工厂里的样子：每一块硬骨头，都对应着上面流程里的一步。
做解说、做切片的短视频博主，每天都在干同一件事：从一条几十分钟的长视频里找出高光片段，剪下来、二创、发出去。手快的人吃第一口饼，尤其是 AI 新闻满天飞的时候，谁先发出来，流量就是谁的。
所以我做了爆款视频工厂：上传一条长视频，或者贴一个 B 站链接，AI 挑出值得剪的候选片段，你只需要改字幕、调切点和比例，就能导出成片。一个人也能批量、快速地铺开矩阵号。
这是一个业务逻辑很重的产品：长视频转写、看画面、挑片、复核、剪辑、导出，每一步都要调真实模型、花真实的钱。用这套 SDLC 规范，我在很短的时间里把它做了出来，而且能真正投入业务使用。
3 天搭好架子，本地跑通
2 天全力啃硬骨头
≈300 项自动检查
规范把杂活接住了，我的时间都花在真正难的地方。
以前
做 AI 视频工作台时，我一句句口述需求，还得自己盯着存版本、催着重测、确认到底部署了哪一版。
现在
做爆款视频工厂，前端、后端、模型接入、独立评审几个 Agent 分头干，3 天从立项到本地跑通，101 项自动检查全部通过，后来涨到近 300 项。
对应规范 01–06：从 Intent、Plan 到上线的协作范式
01Claude × Codex 互审：让模型一直守着主线
AI 写代码最大的坑是注意力：上下文一长，模型就被支线上的小问题拽走，修着修着就忘了主线是什么。在这套规范里，从 Intent、Spec、Plan 到上线，每一步都让 Codex 写、Claude 审，分歧和结论都落进文档，不留在聊天记忆里。哪怕一轮讨论被某个 bug 拽得很远，回到文档就能找回主线；两个模型互相盯着，也不会一起跑偏。分不出对错的，交给我拍板。好处很直接：方案更扎实，问题在合并前就被揪出来，两边并行也比我一个人来回转述快得多。
议题：长视频该怎么交给模型挑片
对话根据真实的评审文档和回复压缩改写，结论和数字不变。
对应规范 02：Plan 先验证风险最大的假设
02AI 真能从长视频里挑出能用的片段吗？
这个产品成败的关键，是 AI 能不能挑得准、挑得全。规范要求 Plan 先验证风险最大的假设，所以写产品之前，先拿一条 87 分钟的英文访谈实测，对比两种挑法：整片一次交给模型，还是切成约 15 分钟一段、相邻段重叠 2 分钟分别挑。
前段中段后段
0′87′
5/8个相关章节被找到
挑出来的几乎都挤在前段，模型还说已经找全了。
点的位置是示意；数量和前、中、后段的分布来自实测。
对应规范 06：对着版本验收，花钱单独授权复核一个片段50 秒+→约 3 秒 导入一条 B 站长视频17 分钟→约 1 分钟 网关随机断线约 5% 请求中断→自动续上
03跑通之后：慢、贵、不稳
产品能用之后，真实视频一跑，问题变成了性能：分析太慢、导入太慢、调用不稳，时间和钱都在白白消耗。下面三处都换了更好的方案，既提速也降本；每次改动都对着具体版本验收，涉及花钱的调用，额度由我单独批准。
原来整片转码占了 85% 的时间。能直接播放的视频只换封装，必须转码的换更快的参数。实测 6 条，最长 57 分钟。
原规则一断就停，20 分钟的视频大概率跑不完。改成在批准的额度内自动重试；看画面的服务挂了，先用语音分析，再切换备用模型。