意项
39.91M · 2026-03-23
先说结论：我跑通了一套能连续运行 10 小时以上、全自动处理复杂全栈开发的本地 AI 编程工作流。
这套系统不仅能写代码，还能自己跑测试、自己修 Bug、自己管理数据库，甚至还能组建一个“AI 工程师团队” 来并发干活。
最关键的是，我这次实战用的核心大脑，是阿里刚刚开源的Qwen3.5-Plus，特别合适，原因放后面说。
接下来，直接交作业。
大家用现在的 AI 编程工具（Cursor, Windsurf, 甚至 Claude Code）一定有这个体会：太粘人了。
结果就是，名义上是 AI 帮你写代码，实际上是你给 AI 当保姆。
我就想：能不能做一个真正的“全自动开发系统”？
我把需求扔给它，它自己去拆解任务、自己去执行、自己去验证，只有在关键节点才需要我确认。
之前我做过一个尝试，用一段超长 Prompt 让 AI 帮我写了一个 TikTok 视频生成网站。
效果还行的，帮我完成了最开始10%左右的工作量。
但只要时间一长，上下文就爆，逻辑就开始乱。
于是，我痛定思痛，结合了 Claude Code 的最新特性和工程化思维，搞出了AI 自治开发系统 2.0，并且进一步升级到了引入 Agent Team 的 3.0 版本。
这次实战的对象，依然是这个 TikTok UGC 视频生成平台 (后来改名叫 TKCreator)，但我这次要用 Qwen3.5-Plus 把剩下 80% 的硬骨头（支付、鉴权、视频生成 API 对接、自动化测试）全部啃下来。
要解决 AI “失忆”和“乱跑”的问题，单纯靠 Prompt 是不够的，必须要有架构约束。
我在 2.0 版本里，引入了一套基于文件的状态管理系统。它的核心逻辑是：不要让 AI 记在脑子里，要让它记在文件里。
我把 AI 当成一个「轮班工人」。每个 AI 启动时都是全新的，它不需要知道上一个 AI 跟用户聊了什么，它只需要看交接文档。
所以，这套系统的基础设施由以下几个核心文件组成（建议直接抄作业）：
这是 AI 的任务清单。必须用 JSON 格式，因为模型对 JSON 的破坏性比 Markdown 小得多。
{
"features": [
{
"id": "F-001",
"category": "backend",
"description": "实现 Sora2 视频生成 API 对接",
"status": "pending",
"passes": false
}
]
}
下图就是 AI 说自己完成了feature_list.json里的 F-00X 任务
用于记录高层级的决策和进度。例如：“2026-02-16: 鉴权模块已完成，但 Token 刷新逻辑有 Bug，需修复。”
这是 AI 的行为准则，每次启动都会读一次来恢复记忆。
# AI 自治开发协议## 核心工作流
每次启动时，必须严格按顺序执行：
1. **环境自检**：运行 `source init.sh`。
2. **状态同步**：读取 `feature_list.json` 和 `progress.txt`。
3. **任务选择**：选择优先级最高且 `status: pending` 的任务。
4. **严格验证**：修改 UI 后必须截图验证；修改逻辑后必须跑通测试。
把项目关键要启动的脚本都写在一起，防止 AI 每次都要重新摸索怎么跑项目。
有了这些文件还不够，我们需要一个脚本来驱动 AI 不断循环工作。我写了一个 run_autonomy.py
它的逻辑非常简单粗暴：
这就是 2.0 版本的核心：把开发过程变成了一个状态机。AI 不再是对话者，而是执行者。
整个逻辑是这样：
在 2.0 系统的实战中，我特意选用了 Qwen3.5-Plus。
在 2.0 架构下，Qwen3.5-Plus 顺利帮我完成了 TKCreator 的大部分基础功能复刻。
但到了“最后一公里” ——也就是生产环境对接时，问题来了。
在对接 Sora2 、Nano Banana 的真实 API 和全链路测试时，我发现单线程的 2.0 系统开始吃力了。
于是，我决定启用 Claude Code 最近很火的新功能：Agent Team。
什么是 Agent Team？
简单说，就是让 AI 变成一个团队。有一个 Lead Agent (CTO) 负责统筹，它不写代码，只负责分派任务；下面有几个 Specialist Agent (专家) 并发干活。
我重新设计了 TKCreator 的开发团队：
这是一个实验性功能，需要一些配置才能激活：
{
"experimental": {
"agent_team": true
},
"permissions": {
"auto_approve_tools": ["TeamCreate"]
}
}
可以在终端测试环境变量：export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1
整体逻辑是这样：
开启后，我直接把下面这段 Prompt 扔给了 Claude Code（Qwen3.5-Plus 后端）：
# Role & Objective
你现在的角色是 **TKCreator 项目的 CTO**。我们要升级到 **3.0 Agent Team 架构**，完成生产环境冲刺。
# Team Structure
请初始化以下 Agent Team：
1. **Lead (你)**：负责统筹。
2. **@backend-integrator**：专攻 FastAPI，对接 Sora2/Nano Banana 真实接口（文档见附件）。
3. **@frontend-polisher**：专攻 Next.js，优化 UI。
4. **@qa-engineer**：使用 Playwright 进行 E2E 测试。如果测试失败，直接向 Backend Agent 报错。
# Execution Rules1. **Parallel Execution**: 让后端写接口的同时，前端优化加载状态。
2. **No Mock**: 必须调用真实的 AI 模型接口。
3. **Local Storage**: 暂时将生成文件存放在 `/public/uploads`。
我看着终端里，Lead Agent 迅速分配了任务。
两者几乎是同时提交了代码。
紧接着，QA Agent 启动了。
它自动打开了浏览器，注册了一个新用户，充值了积分，点击了生成视频。
一分钟后，测试报错：“Sora2 API 返回 401 Unauthorized”。
QA Agent 没有瞎改代码，而是直接并在 Log 里 @ 了 Backend Agent：“API Key 似乎没生效，请检查 .env 加载逻辑。”
Backend Agent 秒回：“收到，正在检查 config.py。”
这种“团队协作” 的感觉，真的太像一个真实的人类开发小组了。
经过大约 40 分钟的“团队协作”，TKCreator 的生产环境版本部署完成。
