Superpowers / Skillhub
using-superpowers、brainstorming、writing-plans、TDD、verification、code-review。
模块全栈 · AI 原生 · 可观测交付
基于 AI 的
新一代软件工程
全流程介绍：以业务模块为交付单元，把产品页面、PRD、SPEC、体验、API、数据、CI/CD、RC 发布和观测反馈做成可执行、可审计、可优化的工程闭环。
Core Idea
AI 原生不是让 AI 多写代码，而是让工程流程本身 AI Ready。
所有关键产物都应资产化：需求、SPEC、架构决策、接口契约、Prisma 草稿、provider contract、测试评测、发布门禁、观测数据。AI agent 才能理解上下文、执行任务、被审计，也能从线上反馈持续改进。
Lifecycle
按生命周期组织模块全栈交付
每个模块可以是领域子系统、业务能力或功能包；流程一致，门禁按粒度裁剪。
01
产品页面
页面、用户任务、业务规则、状态与边界条件。
02
模块 PRD
场景、非目标、验收标准、指标和风险。
03
技术 / SPEC
技术栈、架构策略、模块边界、关键决策。
04
体验优化
交互、样式、布局、可访问性和响应式。
05
Mock / Prisma
schema 草稿、mock API、fixture 和样例数据。
06
Provider 化
数据层抽象，支持 mock、API、DB 切换。
07
建库建表
稳定后再 migration、索引、约束和监控。
08
RC / 发布
Turbo、Harness、RC 评审、灰度和观测回流。
AI Ready Strategy
技术选型和架构也要对 AI 友好
AI 友好不是追新，而是让上下文清晰、边界稳定、契约可验证、反馈可量化。
技术选型策略
- 优先选择文档充足、类型系统完善、生态成熟、错误模式可检索的技术。
- 优先使用 TypeScript strict、Prisma、OpenAPI/tRPC/GraphQL 等可被 AI 读取的契约。
- 选型必须说明 AI 开发成本：上下文复杂度、调试难度、测试便利性、社区样例质量。
- 避免冷门黑盒框架、隐式魔法配置和不可复现的生成链路。
架构策略
- 按模块组织代码，模块对外只暴露明确 API、类型、provider 和事件契约。
- 数据层先 provider 化，页面和业务逻辑不直接绑定最终数据库结构。
- 每个模块保留 ADR、SPEC、schema 草稿、测试和运行手册，形成 AI 可读上下文。
- 复杂任务用 subagent 分工，但用 SPEC review 和 code quality review 收口。
AI Ready 度量
- AI 生成代码通过率、返工原因、评审问题分布、测试失败类型。
- prompt / skill / MCP 调用链路、成本、延迟、命中率和失败率。
- PR 从 issue 到合并的周期、人工介入点、回滚率和线上缺陷率。
- 每次发布后的观测数据回流到下一轮 PRD 和 SPEC。
Tooling Matrix
AI 全栈工程工具矩阵
工具不按前后端切分，而是按模块生命周期和治理职责组合。
Subagent
产品、架构、体验、数据、测试、安全、发布 agent 分工，双重 review 收口。
Agentic Stack / GStack
内部代号可保留为 GStack，指受控的 agent 工程运行栈，不绑定外部固定实现。
pnpm + Turborepo
monorepo、依赖图、缓存、增量构建、影响范围测试、自研打包发布 skill。
Prisma / Provider / Mock
先 schema 草稿和 provider contract，稳定后 migration、索引、约束和数据监控。
Tests + AI Evals
单测、组件、契约、集成、E2E、视觉回归、性能、可访问性、prompt 回归。
MCP / CX / Supply Chain
工具 allowlist、权限中转、secret scan、SBOM、SAST/DAST、PII 和合规检查。
AI Ready / Harness
AI 调用、评审、构建、发布、运行指标和事故复盘统一回流。
Git Operations
用 AI 处理 issue、PR 审计和合并策略
Git 流程是 AI 原生研发的事实控制面：需求进入、变更审计、质量门禁和发布证据都在这里汇聚。
Issue Intake
AI 读取 issue，提炼用户目标、模块粒度、验收标准、风险、依赖和建议 owner。
- 自动标注类型：需求、缺陷、体验、数据、平台、安全。
- 生成 PRD 草稿和 SPEC 问题清单。
- 识别是否需要 subagent 或 SPEC 关键决策评审。
PR Audit
AI 对 PR 做结构化审计：范围、契约、测试、数据、权限、发布风险和观测点。
- 比对 issue、SPEC、实现和测试，检查范围漂移。
- 运行 Turbo affected checks、schema diff、secret scan 和 AI code review。
- 输出可执行整改项，而不是泛泛评论。
Merge Policy
合并不是单点按钮，而是证据链通过后的状态转换。
- 低风险：自动检查通过 + owner 审核即可合并。
- 中风险：需要 SPEC / 数据 / 安全对应评审门。
- 高风险：RC 评审、Harness approval、灰度和回滚预案齐全后合并发布。
Release & Feedback
从 CI/CD 到 AI Ready 观测闭环
自研打包发布 skill、Turborepo、Harness 和 AI Ready 共同承接“构建、发布、观测、复盘、优化”。
CI/CD
Turborepo Pipeline
按模块影响范围触发 lint、type-check、test、build、package、deploy 和 preview 环境。
RC
发布评审
检查 E2E、视觉回归、性能预算、AI eval、migration、回滚脚本、监控 dashboard。
Runtime
运行观测
日志、metrics、traces、业务漏斗、AI 调用成本、模型质量和用户反馈进入同一视图。
Improve
反馈优化
发布后问题自动回流 issue，AI 提炼复盘、修复建议、下一轮 PRD/SPEC 更新。