6 篇文章带有标签 “ai-native-sdlc”

35 份来源按证据强度分六档：哈佛、NBER、DORA 证明 AI 的产出增益在下游被审查吃掉，Anthropic 与 OpenAI 的 Harness 和分级审查给出可抄制度，再落到 AGENTS.md、spec 与度量红线。

智能体编程让 Anthropic 的 CI 作业半年增长 25 倍，三次补丁分别只撑 70 天、29 天和不到 1 天，最终用内存数据存储与无状态 worker 重构测试选择服务，并总结出「按 25 倍负载提前规划」的经验。

内部信息化系统项目组智能体编码现状调研：梳理三个使用层次，提炼五步法最佳实践，剖析算力、模型、推理服务与智能体软件四层基础设施短板及组织瓶颈，给出三线并行推进建议。

以 GitHub Spec Kit 为工具底座，把「写规格→生成计划→拆任务→实现→收敛验证」变成可执行的工作流：七步核心命令、工件地图、质量护栏、宪法门禁、Bug 与想法评估两条分支，以及团队落地清单，一次讲透。

以 mattpocock/skills 的 37 个技能为蓝本，完整拆解从模糊想法到可合并代码的 AI 原生开发全流程：每个环节做什么、该用哪个技能、为什么这样设计，并附可照抄的落地检查清单与技能逐条详解。

逐节点拆解 Anthropic《The AI-Native SDLC Playbook》：六阶段闭环、工件驱动的自动交接、skill 与 hook 双层控制、成对度量，附 11 张手绘 SVG 结构图与反模式清单。