Files

T

tupingr 6992f59cd2 refactor(arch): 信息架构升级 — 三层四角色控制面板 + 跨平台 task 交接协议

核心变化：
- dashboard.md 替代 DASHBOARD + ROADMAP，人类+Arch AI 唯一入口
- DECISIONS.md 人类决策入口，≤3 条待决策
- .ai/tasks/ 14 个独立 task 文件（Coder 8 + Tester 6），弱模型自包含可独立执行
- 旧 today/queue 归档，每个角色启动 ≤2 个文件
- ADR-012 跨平台「高模型指挥小模型」协作架构落地
- 知识库补全：L-002~005、P-004~005、ADR-011~012
- Arch AI 上下文资源管理硬约束写入 principles.md

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

2026-05-26 15:17:06 +08:00

5.5 KiB

Raw Blame History

可复用模式

目的

记录开发过程中发现的可持续复用的模式和做法。同样的模式出现 3 次以上时，应当记录在这里。

P-001: AI 任务交接 (review/active/)

上下文: AI 角色之间需要传递工作成果问题: 如何结构化任务交接，让任何 AI 都能接手方案: 标准化 review/active/{任务ID}/ 结构：

task.md — 任务描述（Arch AI 定义）
acceptance.md — 验收标准（Arch AI + Dev AI + QA AI 共同维护）
impact.md — 变更影响范围（Arch AI + Dev AI 评估）
feedback/ — 反馈记录（QA AI 提交）

何时用: 每个跨 AI 角色的任务 何时不用: 单角色任务（如纯文档更新、配置修改）

P-002: 角色工作台 (daily task board)

上下文: AI 每次会话需要快速进入工作状态问题: 从头探索项目结构浪费时间方案: .ai/roles/{role}/today.md 每日任务清单，AI 只需读 2 个文件（card + today） 何时用: 每次 AI 会话 维护者: Arch AI 负责分配，各 AI 自己更新完成状态

P-003: 模板同步 (framework sync)

上下文: 项目框架层（AGENTS/权限/提示词/工作流）的变化需要传播到通用模板分支问题: 手动同步耗时且容易遗漏，AI 重做去敏化消耗 ~100K tokens 方案:

双分支：main（具体项目）+ ai_project（通用模板）
SYNC.md 明确定义框架层/项目层文件边界
sync-template.sh 自动 checkout 框架文件 + 重新应用 {{变量}}
框架层 ~15 个文件自动同步，project 层永久隔离 何时用: main 分支框架有变化时 维护者: Arch AI 触发，脚本执行

P-004: 编排器-执行者模式 (Orchestrator-Worker)

上下文: AI Agent 协作中，不同任务需要不同能力的模型。高能力模型（Opus）做规划和判断，低成本模型（Sonnet/Haiku）做执行来源: MegaAgent (NUS)、Claude Code Agent Swarm (Anthropic)、JiuwenSwarm (华为 openJiuwen)、Microsoft 多 Agent 参考架构方案:

决策层 (Opus)    → 意图理解、方案设计、最终验收  (~10% Token, 最贵)
调度层 (代码)    → 任务路由、负载均衡、重试熔断  (确定性代码, 不用 LLM!)
执行层 (Haiku)   → 专注单一原子任务              (~60% Token, 最便宜)

核心原则:

按业务上下文划分 Agent（「认证流 Agent」），而非按角色（「数据库 Agent」）
调度层是确定性代码——用 LLM 做调度是反模式
子 Agent 的甜蜜点是只读研究/探索，并行编码效果不佳
写范围严格分离——并发写任务之间不能有重叠的文件所有权
Agent 粒度围绕内聚能力组织——不要为「调用一个 API」建 Agent

何时用:

团队规模 ≥ 3 个 AI Agent 并行工作
任务可清晰分解为独立子任务，且协调成本 < 并行收益
有明确的模型成本优化需求

何时不用:

1 人项目——编排层就是人类 + Claude Code 本身
编码任务的并行化——行业共识是效果不佳
简单 bug 修复——分解成本 > 直接修复成本

本项目实例 (ErrLens):

Arch AI:  Claude Code + DeepSeek V4 Pro  → 架构推理、方案设计、任务分解
Coder AI: Trae CN + GLM-4.6              → 代码生成、文件操作（单文件粒度）
Tester AI: Coze CN                        → 沙盒执行、自动化测试报告

通信介质: Git 仓库（唯一集成总线）
交接粒度: 单次 commit = 一个交接单元

关键适配:

Coder AI 用的是 GLM-4.6，不能假设它有跨文件推理能力 → task 分解到单文件粒度
跨模块协调在 Arch AI 设计阶段完成，不在 Coder AI 执行阶段
Tester AI 的 Coze 沙盒做真正的自动化闭环——不只是跑测试，是拉代码 → 执行 → 生成报告 → commit

P-005: 跨平台任务交接协议 (Cross-Platform Task Handoff)

上下文: 多个 AI Agent 运行在不同平台/IDE 上，零共享上下文，Git 是唯一通信介质问题: 如何让 Trae + GLM-4.6 拿到 task 后能直接开工，不需要追问「这个是什么意思」方案: 每个 task 必须自包含，包含四个必填字段：

## Task: {编号} {标题}

### 输入
- 读哪些文件（完整路径）
- 参考哪些 ADR（ADR-XXX）
- 依赖哪些上游任务（P01-XXX，已完成/产出是 X）

### 输出
- 生成/修改哪些文件（完整路径）
- 输出格式（代码/文档/配置）
- 验收方式（跑什么命令看什么结果）

### 约束
- 不碰哪些目录
- 用什么库/版本
- 遵循什么规范（code-style.md / doc-template.md）

### 参考
- ADR-XXX: 一句话说明关联性
- 相关文件: 一行说明