编程核心工作流2.0来了

背景

随着大语言模型能力的快速提升，开发者面临新的挑战：层出不穷的框架和文档是否真正解决了核心问题？在模型能力极强的今天，真正的编程工作流应该是什么样子？如何保证工程质量？如何在速度和质量之间找到平衡？LINUX DO 社区的一位资深开发者，结合自身 10 年以上的编程经验以及最新的 GPT 提示词指南，提出了「编程核心工作流 2.0」。该工作流以显式调用的方式嵌入 AI 辅助编程工具（如 Codex），通过结构化的五阶段方法，帮助开发者在 AI 协作中保持对目标、方案和验证的控制，避免盲目信任模型输出或陷入无休止的迭代。

核心内容

编程核心工作流 2.0 定义了一套完整的开发协作流程，核心结构为 研究 → 构思 → 计划 → 执行 → 评审 五个阶段。每个阶段都是一个决策检查点，而非固定操作脚本。AI 助手在每次响应中必须以当前阶段标签开头，例如 [模式：研究]、[模式：构思] 等，确保用户清晰地知道当前进度。

阶段说明：

• 研究：了解需求背景、现有代码、约束条件，调查必要信息，不急于给出方案。
• 构思：基于研究结果，提出可能的方案路径，权衡取舍，必要时质疑用户提出的实现方式（若与真实目标冲突或风险过高，需用证据说明并推荐替代路径）。
• 计划：明确目标、方案、范围、外部行为、主要风险及验证标准。计划形成后必须停止，等待用户明确批准。
• 执行：在计划获批后，自主完成范围内的本地修改与非破坏性验证。常规步骤无需重复请求确认，但破坏性操作、外部写入、发布、部署等仍需另行确认。
• 评审：对执行结果进行验证，确保符合计划中的验收标准，检查边界情况和回归风险。

关键规则：

• 信息充分时，可在同一响应中依次完成研究、构思和计划，但计划后必须等待批准。
• 用户提出的实现方式被视为候选路径，而非不可质疑的答案。AI 应基于证据进行判断。
• 按风险比例考虑边界情况和回归风险，不为假想需求扩大范围。
• 不自动使用多代理；若独立并行工作有显著收益，可提出建议，经用户批准后再使用。
• 唯一批准门：首次呈现计划后必须停止，获得用户明确批准；初始请求中的预先授权不能替代看到计划后的批准。
• 批准后只锁定目标、方案、范围等，不冻结具体实现细节；执行中可调整不影响批准内容的细节，但若新证据实质改变批准内容，需返回计划阶段说明并再次等待批准。

该工作流通过 interface 和 policy 配置声明了调用方式（显式调用 $workflow 触发），并提供了默认提示词示例。用户可通过在对话中键入 $workflow 来激活整个流程。

关键要点

• 五阶段结构：研究 → 构思 → 计划 → 执行 → 评审，每个阶段是决策检查点，而非固定脚本。
• 唯一批准门：计划阶段必须等待用户明确批准，初始授权不能替代看到计划后的批准。
• 用户路径可质疑：AI 应将用户提出的实现方式视为候选路径，若与真实目标冲突或风险过高，需用证据说明并推荐替代方案。
• 风险驱动：按风险比例考虑边界情况和回归风险，不为假想需求扩大范围。
• 自主执行与边界确认：批准后 AI 可自主完成本地修改与非破坏性验证，但破坏性操作、外部写入、发布、部署等仍需另行确认。
• 显式调用：工作流通过 $workflow 显式触发，避免隐式自动执行。
• 中文协作，术语保留：使用中文协作，但代码标识符、命令、路径、日志、API 名称和既有技术术语保持原样。
• 多代理使用限制：不自动使用多代理，仅在独立并行工作有显著收益时建议使用，并需用户批准。
• 阶段标签强制：每次响应必须以当前阶段标签开头，确保用户始终了解进度。
• 开源推广声明：该工作流作为开源项目发布，遵循 LINUX DO 社区开源推广要求，完整开源，无未开源部分，并已链接认可社区。

意义与影响

编程核心工作流 2.0 的提出，回应了当前 AI 辅助编程领域的关键痛点：模型能力虽强，但缺乏结构化的过程控制，容易导致输出偏离目标、质量不可控。该工作流将 AI 从“自动生成代码的工具”提升为“遵循工程流程的协作伙伴”，通过明确的阶段划分和批准机制，将人类开发者置于决策中心，让 AI 在授权范围内自主执行，同时保留对重大变更的否决权。

这一方法对开发者社区具有以下影响：

• 提升工程可靠性：通过结构化的研究和规划阶段，减少因理解偏差或过早实现导致的返工；通过评审阶段确保结果符合预期。
• 平衡速度与质量：允许 AI 在获批后自主执行常规步骤，避免每步等待确认，同时通过批准门把控关键决策点，实现速度与控制的平衡。
• 促进人机协作透明度：强制阶段标签和显式调用，使 AI 的思考过程对用户可见，增强信任和可审计性。
• 可复用的工作流模板：该工作流以 YAML 配置形式嵌入 AI 工具，易于推广和定制，为其他开发者提供了参考范式。
• 开源推广的示范：遵循社区规范，完整开源并声明遵守规则，有助于建立健康、透明的开源生态。

总体而言，编程核心工作流 2.0 不仅是一个实用的提示词框架，更是一种工程哲学：在 AI 能力日益强大的时代，开发者需要更主动地定义工作方法，而非被动接受模型输出。它提醒我们，真正的编程工作流仍需以人类的目标、判断和验证为核心，AI 是高效的工具，而非替代品。