Conventional Division of Labor
AI Full-stack Engineer
前后端都熟悉,天然适合,直接放大产能。
天然适合 · Natural Fit后端技术扎实,前端短板交由 Agent 补齐。
后端强 / 前端一般前端功底深厚,后端逻辑交给 Agent 实现。
前端强 / 后端一般Front-end Engineer
Back-end Engineer
两端各司其职 —— 保留专业分工,Agent 打通前后端边界。
一个工作区内同时挂载前后端工程,AI 可直接读取前后端代码作为上下文, 从而理解跨端调用关系、统一修改与联调。
workspace/ ├── .codebuddy/ # 规约资产(rules / skills / agents) ├── saas-xproject-frontend/ # 前端工程(Vue 或 React) └── saas-xproject-backend/ # 后端工程(Java/SpringBoot)
通过 MCP 连接 Ardot 原型设计,将原型数据作为上下文, 自动生成 Vue 3 + Element Plus 前端页面,打通「设计 → 页面」的最后一公里。
Ardot MCP 获取结构/坐标/样式/交互
坐标推导父子关系、排列方向
static/{模块}/{文件名}.html
Vue 3 + Element Plus 单文件
以「日志管理」页面为例:左侧为 Ardot 原型设计,右侧为 MCP 驱动生成的前端页面(Vue 3 + Element Plus)。
需求、缺陷、迭代、发布评审与组织过程资产统一在 TAPD 沉淀,让全流程可追溯、可审计。
数据库设计文档与接口文档统一沉淀在 TAPD Wiki,作为组织过程资产集中管理、持续更新。
数据表结构、字段说明、索引与约束,随版本演进持续维护。
REST 接口清单、入参出参、错误码,前后端联调的统一依据。
Rules(编码规范)与 Skill(多 Agent:agent-team-multiple / 单 Agent:agent-team-single) 沉淀为可复用的「规约资产」,复制即可迁移到新项目,不依赖特定个人。
三步完成移植:复制 rules、skills → 复制 agents → 跑小需求迭代优化。
编码规范 + 多/单 Agent Skill(工作流、模板)复制到目标项目
多 Agent 的角色定义(pm、developer 等)复制到 .codebuddy/agents/
先跑几个小需求,逐步优化样板使其更适配目标项目
Skill 复制到目标项目的 .codebuddy/skills/ 下,Agent 角色定义放在 .codebuddy/agents/ 根目录下,即可复用,内部结构如下。
单角色串行,轻量简洁
.codebuddy/skills/ └── agent-team-single/ ├── SKILL.md └── templates/ # 4 个产物模板 ├── plan.md.template ├── task.md.template ├── checklist.md.template └── self-test-report.md.template
7 角色协同,覆盖全链路
.codebuddy/ ├── agents/ # 7 个角色定义(根目录) │ ├── pm.md │ ├── requirement-analyst.md │ ├── solution-architect.md │ ├── developer.md │ ├── code-reviewer.md │ ├── qa-tester.md │ ├── gate-reviewer.md │ └── README.md # 模型矩阵 └── skills/ └── agent-team-multiple/ ├── SKILL.md └── templates/ # 7 个产物模板 ├── requirement-analysis.md.template ├── plan.md.template ├── task.md.template ├── checklist.md.template ├── code-review.md.template ├── gate-review.md.template └── self-test-report.md.template
Agent 协同开发的每个阶段产物统一归档到任务池,一需求一目录, 需求分析、方案、任务、审查、门禁、自测、SQL 全链路留痕,可随时回溯审计。
# 过程资产沉淀,一需求一目录 .codebuddy/Agent协同/任务池/需求/ └── {yyyMMdd}-{序号}/ ├── spec-kit/ │ ├── requirement-analysis.md # 需求分析 │ ├── plan.md / task.md # 方案 / 任务 │ ├── checklist.md # 自测清单 │ ├── code-review.md # 代码审查 │ ├── gate-review.md # 发布门禁 │ └── *.sql # 数据库变更(唯一归档) └── {需求ID}.md # 自测报告
| 对比维度 | 单 Agent · Single-Agent | 多 Agent · Multi-Agent |
|---|---|---|
| 上下文隔离 | 所有内容挤在一个上下文,易污染、易超限 | 角色独立上下文,各加载所需,更聚焦 |
| 职责分离 | 分析/设计/开发/审查集于一身,易顾此失彼 | 职责单一,专人专事,边界清晰 |
| 可追溯性 | 过程不落文件,难以回溯问题 | 各角色产物独立文件,可定位到具体阶段 |
| 成本 | Token 消耗低,成本可控 | Token 消耗约为单 Agent 的 1.5x~2.5x |
| 协调复杂度 | 无协调开销,流程简单 | 需编排与门禁,交接链有维护成本 |
单、多模式应根据情景灵活选用 —— 只有按需匹配,才能同时达到高效率与低成本的效果。
Single-Agent · Lightweight
Multi-Agent · Heavyweight
| 角色 | 中文名 | 岗位职责 |
|---|---|---|
| pm | 项目管理 / 主调度 | 流程编排、TAPD 状态流转、门禁裁决,统筹全局节奏 |
| requirement-analyst | 需求分析师 | 需求分析,澄清歧义,输出疑点清单 |
| solution-architect | 解决方案架构师 | 技术方案设计、任务拆分、数据库变更脚本 |
| developer | 开发工程师 | 按任务清单编码实现,勾选任务进度 |
| code-reviewer | 代码审查员 | 代码审查,分级门禁(阻断级/建议级) |
| qa-tester | 测试工程师 | 自测验证,逐项核对并输出自测报告 |
| gate-reviewer | 发布门禁评审员 | 发布门禁,核对产物完整性 |
不同 Agent 角色绑定不同模型 —— 轻量编排用轻量模型,编码用强编码模型,推理用强推理模型,从而节省成本。
| Agent 角色 | 绑定模型 | 定位 |
|---|---|---|
| pm | hy4 | 轻量编排(流程调度、状态流转,低延迟低成本) |
| developer | glm-5.3 | 强编码模型(编码为核心职责) |
| requirement-analyst | deepseek-v4-pro | 强推理(需求分析、疑点清单) |
| solution-architect | deepseek-v4-pro | 强推理(技术方案、任务拆分、SQL) |
| code-reviewer | hy4 | 代码审查、分级门禁(检查型任务,无需深度生成) |
| qa-tester | deepseek-v4-pro | 强推理(自测验证、自测报告) |
| gate-reviewer | deepseek-v4-pro | 强推理(发布门禁、产物完整性) |
基于本项目后端(Java/SpringBoot + PostgreSQL,案件纠纷管理)真实跑通的多 Agent 协同工作流。
| 角色 | 职责 | 产物 |
|---|---|---|
| pm | 流程编排、状态流转、门禁裁决 | 无(调度) |
| requirement-analyst | 需求分析、疑点清单 | requirement-analysis.md |
| solution-architect | 技术方案、任务拆分、SQL | plan.md / task.md / checklist.md / *.sql |
| developer | 编码实现 | 代码 + task.md 勾选 |
| code-reviewer | 代码审查 | code-review.md |
| qa-tester | 自测验证 | {需求ID}.md 自测报告 |
| gate-reviewer | 发布门禁 | gate-review.md |
必须修复才能进入下一阶段,回退 developer。
记录在产物中,不阻断,可后续优化。
PM 拉取 TAPD 需求
requirement-analyst 产出疑点清单
solution-architect 产出方案/SQL
developer 按 task 编码
code-reviewer 分级门禁
qa-tester 逐项验证
gate-reviewer 产物完整性
回退修复并复测
关键词: AI全栈工程师,TAPD,多Agent分工协作
基于种子精神,把方案封装成一颗种子,通过播撒种子的方式, 在四面八方生根发芽,最终开花结果。