AI Native开发工作流

简版流程图 · v0.2 · 橙色双线框表示人工动作

1

讨论产品需求,创建迭代与卡片

人与 Lark 机器人讨论 → 调度中心创建 Worker → Worker 在 Meegle 建迭代及需求卡片。

2

讨论需求卡片,复用 Worker 澄清

Lark 触发中心复用 Worker,在卡片内明确需求效果、验收标准和测试标准。

3

人工流转卡片,创建 Coding / Issue

Meegle 回调中心创建 Coding,在对应仓库建 Issue,写入可指导编码的实现设计。

4

Issue 留言,复用 Coding 调整设计

人留言 → GitHub 回调中心 → Coding 读取意见、修改设计并回复;可反复讨论。

5

Issue 人工添加标签,开始编码调试

GitHub 回调中心复用 Coding,在独立开发环境编码和调试。

6

推送代码、创建 PR,更新卡片状态

Coding 提交推送并创建关联 PR,同步原 Meegle 需求卡片状态。

7

PR 留言,复用 Coding 修改代码

GitHub 回调中心复用 Coding 改动并推送,在原卡片留言通知;继续当前 PR 的评审。

8

PR 人工添加标签,触发首次 CI

人认可 PR → GitHub 回调中心 → 调度中心触发 CI 流水线。

9

流水线结束回调,CI Agent 判断结果

每次 CI 执行结束 → 回调调度中心 → 启动 CI Agent,进入成功或失败分支。

CI 成功

10

更新状态,由人手动合并 PR

CI Agent 更新原 Meegle 卡片与 PR 状态,等待人工合并,不自动合并。

PR 人工合并 → GitHub 回调调度中心

12

分配 E2E 环境,创建 CD 部署

保留测试 CD Agent,部署测试版本并更新卡片;CD 授权主体、UAT 是否由 Agent 操作,◇ 待总监确认。

部署失败 → 待处理,不进入测试

CD 部署完成 → 回调调度中心

13

执行 E2E,回写测试状态和报告

到已部署环境测试;如实回写执行状态、通过或未通过的结论及报告,不自动完成需求。

测试失败如实记录;回写失败需补偿

结果回写成功 → 等待人工最终确认

14

人工确认并手动调整卡片状态

人结合 PR、部署及 E2E 结果判断完成或继续处理;Agent 和调度中心均不自动关闭卡片。生产发布由人工操作 CI/CD 面板,Agent 不参与。

CI 失败 → Agent loop(同一 PR)

11

记录失败原因、失败标签与通知

CI Agent 在原 PR 留言原因并加失败标签,在原 Meegle 卡片留言通知;累计失败包含首次。

第 1、2 次失败:每轮多 Agent 协作修复

GitHub 回调中心,每轮启动多个新上下文 Agent,依据同一份已确认标准、同一版本代码和失败证据独立分析后讨论;统一由一个 Coding 修改、向原 PR 推送。需求与标准不变,测试或配置纠错不能降低要求;共识不代替执行验证。原 Meegle 卡片每轮记录结论、修改依据和验证结果。

推送触发 CI 再次打包 → 回到 9 判断

CI 修复成功 → 退出 loop,进入 10 等人合并

或

累计第 3 次失败:退出 Agent loop

停止自动修复,回到人工触发、人工介入流程;不再启动第三轮自动修复,讨论或增加 Agent 不重置失败计数。

沿用原 PR,不创建修复 Issue / 新 PR;loop 内不重复等待 PR 添加标签。