Claude官方发布AI原生软件开发手册，提出代码不再是瓶颈，传统研发流程将被颠覆。产品经理的角色将从写文档转向决策判断，AI将贯穿计划、设计、构建、测试、部署、运维全流程。本文深度解析这套新范式，并探讨其落地阻力与未来趋势。

前两天看到了claude官方博客发了一篇长文，叫《The AI-Native SDLC Playbook》，翻译过来就是 AI原生软件开发生命周期手册。

说实话，读完之后，对未来AI软件开发全流程第一次有了画面感，真的感觉按照现在AI的发展，只需要一年半载，AI在工作中就能完全自闭环，产品经理只需要做一个决策者就好！！

1.代码不再是瓶颈

你有没有经历过这样的事？

你想到了一个功能优化点，觉得不复杂，改动也不大。但从你提出来，到真正上线，中间经历了什么？

周会讨论，加入待办需求，等排期，写PRD，需求评审，技术评审，开发两天，联调一天，测试两天，提交发布审批，灰度观察……

两三周过去了。

而真正写代码那个环节，可能一天就搞完了。

这就是那篇文章开篇讲的第一个事实，代码不再是瓶颈了。

传统流程的设计前提已经不成立了！！

我们现在跑的这套研发流程，PRD、需求评审、排期、迭代、上线审批，这一整套东西是什么时候设计出来的？

是在写代码又贵又慢的年代设计出来的。

那个年代，一个功能开发两三周甚至一两个月，所以需要提前花大量时间对齐需求，避免返工。PRD要写得清清楚楚，评审要反复确认，因为改一行代码的成本很高。

但现在，AI可以在几分钟内生成大量代码。写代码的成本已经断崖式下降了。

结果呢？代码写完了，卡在等评审，线上发布流程也很长。

文章里用了一个比喻，我觉得特别准确，原来整个流程像一条流水线，写代码是最慢的那个环节，所有其他步骤都在为它做准备。现在写代码这一环突然变成了最快的，但前后的环节还是按原来的节奏在转。

就像高速公路修好了，但收费站还是人工窗口，一个个慢慢过。

2.AI时代软件开发周期

Claude团队给出了一套完整的方案，把软件开发分成6个阶段，每个阶段都重新设计了人和AI的分工。我挑几个跟产品经理最相关的讲讲。

①计划；任何人都能直接提需求了

以前一个想法要变成可以被研发接受的需求，中间隔着产品经理这道翻译层。业务方有想法，得找PM聊，PM理解了再写成文档，文档再过评审。

新方案里，任何人，不管你是运营、客服还是业务负责人，直接跟AI聊你的想法。AI会像一个分析师一样追问你，用户是谁，约束是什么，成功标准是什么。聊完之后输出一个叫 intent.md 的文件。

这个文件是人能读懂的，也是机器能处理的。直接提交到代码仓库里，产品负责人审核通过就进入下一步。

从想法到可执行的需求文档，可能就一两个小时。

是的，这点我来哈啰之后深有感触，日常给产品经理提需求，会撰写一个MRD，我发现有了AI之后，有些运营，非专业产品经理，提的需求就像产品经理写的需求文档那样详细，略加修改就可以直接评审了，效率贼高。

②设计；产品经理不用从零写方案了

产品负责人拿到那个 intent.md，交给AI。AI会根据公司已有的设计规范、安全策略、品牌要求，自动生成一份需求+设计方案，叫 spec.md。

产品经理的工作从写方案变成了审方案。重点看两个东西，一是这个方案有没有真正解决原始问题，二是AI标记出来的风险点需不需要额外处理。

说到这里我就在想，如果我日常工作里60%的时间在写PRD，那这部分时间未来会被大幅压缩。产品经理的价值会往判断和决策上集中。

③构建；开发先审计划再动手

这个阶段跟产品经理关系没那么直接，但有个思路很有启发。

工开发不是拿到方案就开写代码。而是先让AI生成一个实施计划，叫 plan.md，写清楚改哪些文件、按什么顺序改、有什么风险。工程师审完这个计划觉得没问题了，再让AI去执行。

这跟我们做产品的逻辑是一样的。先想清楚再动手，只不过现在想清楚这件事也有AI辅助了。

④测试；AI自己验自己的活

以前的节奏是，开发写完丢给QA，QA发现问题打回来，来回几轮。

现在AI写完代码会自己跑测试，自己看结果，发现问题自己修。等它自己觉得搞定了，才交给人看。

人看到的东西已经是经过AI自检的了，审查效率高了很多。

⑤部署；AI帮你做代码审查

每个代码提交后，AI会按照公司定义好的审查规则，自动做第一轮review。检查有没有逻辑漏洞，有没有安全隐患，有没有偏离原始设计方案。

人reviewer拿到的不是一个裸的代码改动，而是AI已经审过一遍、标注了风险等级的改动。人只需要判断，这个改动的意图对不对，风险能不能接受。

而且有个细节很有意思。AI审查发现同一个问题出现两次，就自动写进团队的规范文件里，下次就不会再犯了。学习能力内置在流程里。

⑥运维；自动闭环

这是最科幻的一个环节。

线上出了异常，监控脚本检测到之后自动唤醒AI。AI读代码、查日志、诊断问题，然后根据严重程度决定怎么做。轻微的记录下来，严重的直接提交修复方案走评审，更严重的触发回滚。

诊断结果会被写成一个新的 intent.md，重新进入第一阶段。

整个流程变成了一个循环。不需要人去启动任何一步。

3.我的几点思考

①PM的核心竞争力在变

如果需求整理、方案撰写这些事AI都能做了，产品经理的价值在哪？

我觉得在两个地方。一个是判断力，什么该做什么不该做，优先级怎么排。另一个是对业务和用户的深度理解，这是AI暂时替代不了的。

写文档是手段不是目的。如果手段被自动化了，目的本身的含金量反而更高了。

②团队知识必须形成可读可执行的文件

这篇文章反复强调一个东西，把知识写成文件。

代码规范写成 CLAUDE.md，安全策略写成 Skills 文件，审查标准写成 REVIEW.md。所有规则都不是口口相传的，而是版本化、可追溯、AI可读的。

我反过来想，现在团队里有多少知识是只存在某个人脑子里的？那个人请假了或者离职了，知识就断了。这个问题不只是AI时代才有，只是AI时代让这个问题变得更紧迫了。

③流程设计者会成为新的关键角色

以前大家调侃说，流程是官僚主义的产物。但在AI原生的研发模式里，流程设计本身变成了一种核心能力。

谁来定义AI的工作规范？谁来设置审批的触发条件？谁来决定哪些环节人必须介入？

这些都是设计问题，不是技术问题。而产品经理天然就是做这类设计的人。

4.为什么现在还做不到？

看完这篇手册，方向我是认的。但拉回到现实，各大公司要走到这一步，短期内很难。

阻力不在技术。最大的阻力是组织惯性和既有的利益。

①流程背后是人的位置

现有的研发流程不只是流程，它定义了每个角色的存在感和话语权。

需求评审会为什么要开？表面上是对齐信息，实际上也是产品经理展示专业度的场合，是技术leader体现把控力的场合，是测试质量保障刷存在感的场合。

如果AI把需求文档自动写了，方案自动生成了，代码审查第一轮也自动过了，很多人会本能地感到威胁。不是说他们不接受新工具，而是动了他们的工作流，就是动了他们的位置。

②信任还没建立起来

AI写的代码你敢不review直接上线吗？AI生成的方案你敢不开评审直接让研发做吗？

现在大多数人的答案是不敢。不是AI不行，是你没有足够的数据去证明它行。信任是靠一次次验证积累的，你得先让它跑一阵子，收集通过率、bug率、线上事故率这些数据，大家看到数据了，才会慢慢放手。

但这里有个悖论。你不放手让它跑，就永远没有数据。

③合规和安全的压力

越大的公司越难动。金融、出行、医疗这些行业，监管要求你的每一步都可审计、可追溯、有人签字负责。

AI做的决策，出了问题谁背锅？这个问题在管理层那没有标准答案之前，大家的默认选择就是不动。宁可慢，不能出事。

是的，所以一般是那些新的项目，没有历史包袱的项目适合用这种新的方式跑。

④存量系统太重了

那篇文章描述的是一个理想状态，但现实中大多数公司的代码库是十年前的老系统。文档残缺不全，测试覆盖率可能只有20%，逻辑散落在几百个文件里。

并且很多类似金融、出行、医疗这些行业，监管要求你的每一步都可审计、可追溯、有人签字负责。

新项目可以从头按AI原生的方式来，但存量项目的迁移成本极高。而大多数公司80%的工作量在维护存量系统。

5.写在最后

未来一定是AI原生的，技术的发展是不可阻挡的，那些阻力其实随着时间的推移也会被逐步解决。

虽然有时候会焦虑，但更多的还是兴奋，期待那一天的今早到来！

原文链接，感兴趣的可以去看看原文，https://claude.com/blog/the-ai-native-sdlc-playbook

好了，今天就聊到这。