AIDLC 方法论
阅读时间: 约 2 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。官方 5 大原则、11 项 Common Rules、7 阶段 Adaptive Execution 保持完全遵循,engineering-playbook 在此基础上为 企业级可信性 独立扩展了 Ontology·Harness 轴。
AIDLC 方法论为 AI 主导开发提供 理论基础。传统 SDLC 基于以人为中心的长期迭代周期设计,而 AIDLC 从第一性原则 (First Principles) 重新组织 AI,将其整合为开发生命周期的核心协作者。
AIDLC 定义与 SDLC 对比: 参见 10 大原则与执行模型
组成
方法论轨道由 4 个核心文档构成,按顺序阅读即可掌握 AIDLC 的整体理论体系。
| 顺序 | 文档 | 核心问题 |
|---|---|---|
| 1 | 10 大原则与执行模型 | AIDLC 是什么?如何运作? (官方 5 大原则 + Intent/Unit/Bolt 映射) |
| 2 | Ontology 工程 🧩 | 如何保证 AI 生成代码的 正确性 ? (扩展) |
| 3 | Harness 工程 🧩 | 如何通过架构强制保证 AI 执行的 安全性 ? (扩展) |
| 4 | DDD 集成 | 如何将业务领域转化为 AI 能理解的设计? |
| 5 | Common Rules ⭐ | 官方 AIDLC 的 11 项通用规则是什么,如何应用? |
| 6 | Adaptive Execution ⭐ | 官方 Inception 7 阶段与 Construction per-Unit 循环何时、如何执行? |
⭐ AWS Labs 官方 AIDLC 对齐文档
🧩 engineering-playbook 独立扩展 (企业级可信性)
与其他轨道的关系
- 企业级落地: 将方法论的概念 (Ontology、Harness) 诠释为组织变革与成本效益。
- 工具与实现: 涵盖实现方法论的具体工具 (Kiro、Q Developer、EKS)。
- AgenticOps: 构建将运维数据反馈至 Ontology Outer Loop 的循环结构。