AIDLC: AI-Driven Development Lifecycle
阅读时间: 约 3 分钟
官方 AIDLC 参考
本章节基于 AWS Labs AIDLC Workflows (v0.1.7, 2026-04-02) 并叠加 DDD·Ontology·Harness 扩展。关于官方术语 (User Request/Requirements, Unit of Work) 与 engineering-playbook 术语 (Intent, Unit, Bolt) 的映射,请参阅 10 大原则与执行模型。
AIDLC (AI-Driven Development Lifecycle) 是一种由 AI 主导软件开发全流程的新型开发方法论。如果说传统 SDLC 是以人为中心的流程,那么 AIDLC 则通过 Intent → Unit → Bolt 模型让 AI 从需求分析、设计、实现到测试加速整个开发周期。
AIDLC 定义与 SDLC 对比详情: 参见 10 大原则与执行模型
4 大轨道
AIDLC 指南根据读者的角色和关注点划分为 4 个轨道。
按角色划分的学习路径
| 角色 | 推荐路径 |
|---|---|
| 管理层 · PM | 企业级落地 → 成本效益 → 案例研究 |
| 架构师 | 方法论 → Ontology → Harness → MSA 复杂度 |
| 开发者 | 10 大原则 → DDD 集成 → AI 编码代理 |
| 运维 · SRE | AgenticOps → 可观测性 → 自主响应 |
| 安全 · 合规 | 治理 → Harness 工程 → Open-Weight 模型 |
核心概念
可信性双轴: Ontology × Harness
为系统性地保证 AI 生成代码的可信性,AIDLC 引入了两个轴的框架。Ontology 定义 "需要验证什么",Harness 实现 "如何验证",两者互为补充。
→ 详情请参阅 Ontology 工程 · Harness 工程
参考资料
官方参考
- AWS Labs AIDLC Workflows — 官方仓库 (v0.1.7)
- AWS Labs Common Rules — 11 项通用规则
- AWS Labs Inception Stages — 7 个阶段 Adaptive Execution
- AWS Labs Extensions — opt-in 扩展机制
- AWS AI-Driven Development Life Cycle Blog
- Open-Sourcing Adaptive Workflows for AI-DLC