1. 背景与现状

首先来体感一次需求从提出到交付上线的生命周期流程

image.png

传统的流程或多或少存在两个典型问题:沟通成本高,交付流程长。这AI这个时代的浪潮下,公司大大小小的团队都在重新思考和探索需求研发和交付的范式,大致分两个方向

因此,

*为什么需要频繁沟通?*目的其实只有一个,**讲清楚要做什么!**产品让研发理解 在哪里改什么即可;现在无论AI生成PRD,还是TRD核心都是用一个载体去承载上下文让Coding Agent执行任务、那么讲清楚事情完全可以不需要那么多“中间商”,让需求方(PM,QA,RD)直接将诉求分步告诉Coding Agent 即可

*为什么交付流程很长?*节点太多,一个简单的需求仍然需要走定容、排期、验收流程,其实真实的研发时间反而占据非常少时间

我们基于最终目的需求自主交付尝试反推,为什么一定要局限和纠结于现在的流程,也许在AI时代,在已有交付范式上添砖加瓦只是治标不治本、看似引入了AI提效,光鲜背后带来的也许可能只是成本转移,不一定能从全局带来最优解。因此,不破 不立

聚焦让所有人都具有需求自主完成能力,摒弃复杂的沟通和交付流程,探索一个更加高效的迭代路径👇

image.png

不是推翻和颠覆,是对现有流程敏捷交付的简化提效,把简单需求的交付权赋予每一个角色,把研发资源释放聚焦在为Agent搭建一个稳定可信任的系统,架构,运行环境。真正做到 Humans steer,Agents execute


4a7418ef-ebc7-4e1d-b96a-1e0e1d9ec600.png

2. 痛点与解法

2.1 翻译层冗余,沟通成本高

<aside> 💔

痛点

需求从产生到落地,往往要经历 PM→PRD→RD(前/后端)→TRD→Code 的多次语义“翻译”。每一次“翻译”都可能带来信息损耗,也会成为反复对齐与澄清的源头。

PM 描述的「xx 按钮」,到了 RD 那里往往需要追问「是哪个页面、哪个组件、什么状态下」。

即使引入 AI 生成 PRD/TRD,也只是把「人 ↔ 人」的翻译,替换为「人 ↔ AI ↔ 人」的翻译;翻译层并未被消除,反而新增了一层 AI 中介

</aside>

<aside> ❤️

解法

ShipIt 放弃翻译层,让需求方直接面对 Coding Agent。

Agent 所需的代码定位、Figma 设计稿、API 接口、代码风格与架构约束,由 ShipIt 的上下文层主动聚合,并沉淀到 Agent.md / Project.md / Context.md 等元数据文件中。

</aside>


2.2 异步黑盒不可逆,结果不确定