最近一段时间，我在开发中大量使用 Claude Code。
刚开始时，我和大多数人一样，只把它当成一个更强一点的代码助手——类似 GitHub Copilot 或 ChatGPT 的增强版：

• 写函数

• 修 bug

• 解释代码

• 写脚本

但用久了之后，我逐渐意识到一个问题：

如果只是把 AI 当作一个代码补全工具，其实只发挥了它 20% 的能力。

AI 真正强大的地方，不是写代码，而是：

它可以扮演不同角色，并且协同工作。

于是我开始尝试把 Claude Code 组织成一个 AI 团队。
经过一段时间实践，我总结出了一套方法论：

SOP → Skills → Agents → Workflow

这套方法的核心思想只有一句话：

先设计流程，再让 AI 按角色协作。

下面是完整实践。

---

一、第一步：先让 AI 帮你梳理 SOP

很多人用 AI 效率不稳定，其实不是 AI 的问题，而是：

自己没有清晰的工作流程。

比如我们随便说一句：

帮我做一个 API

但这件事在真实开发流程里其实包含很多步骤：

1. 需求理解

2. 数据结构设计

3. API 设计

4. 编码实现

5. 测试验证

6. 文档编写

如果这些步骤没有被明确出来，AI 每次做事情都会“随机发挥”。

所以我现在的第一步永远是：

让 AI 帮我把 SOP 梳理清楚。

这里我比较推荐用 Superpower ChatGPT 的 Brainstorm Skill 来做思维拆解。

你可以直接让 AI 帮你做流程设计，比如：

帮我设计一个 Web API 开发的标准 SOP，
包括需求分析、技术设计、编码、测试和文档阶段。

AI 很快就能输出类似这样的流程：

需求分析
 ↓
系统设计
 ↓
数据模型设计
 ↓
API设计
 ↓
编码实现
 ↓
单元测试
 ↓
文档生成

当 SOP 固化下来之后，AI 的行为就会稳定很多。

---

二、第二步：把 SOP 拆成可复用的 Skills

当 SOP 明确之后，下一步就是：

模块化能力。

在 Claude Code 体系中，一个重要概念叫 Skill。

你可以理解为：

Skill = AI 可以调用的功能模块

这里有一个非常重要的经验：

Skill 一定要足够小。

很多人会写一个类似这样的 Skill：

build_full_web_service

这种 Skill 看起来很方便，但其实非常不稳定。

正确做法是：

拆分成很多小技能。

例如：

analyze_requirements
design_database_schema
generate_api_spec
implement_api
write_unit_tests
generate_docs

这样设计有几个明显好处：

1. 可复用

2. 可组合

3. 更稳定

4. 更容易调试

本质上就是软件工程里的经典思想：

高内聚，低耦合。

---

三、第三步：创建不同职责的 Agent

当 Skills 准备好之后，就可以开始创建 Agent。

Agent 本质上就是：

一个拥有特定职责和技能集合的 AI 角色

现实开发团队里通常会有：

• 产品经理

• 架构师

• 后端工程师

• 测试工程师

同样的思路也可以应用到 Claude Code。

例如我常用的一组 Agent：

---

产品经理 Agent

职责：

• 理解需求

• 拆解需求

• 输出需求文档

技能：

analyze_requirements
generate_user_story
write_product_spec

---

架构师 Agent

职责：

• 设计系统架构

• 定义数据结构

• 制定技术方案

技能：

design_system_architecture
design_database_schema
generate_api_spec

---

开发 Agent

职责：

• 编写代码

• 实现 API

• 实现业务逻辑

技能：

implement_api
generate_service_code
refactor_code

---

测试 Agent

职责：

• 编写测试

• 发现 bug

• 验证逻辑

技能：

generate_test_cases
write_unit_tests
review_code

---

这样一来，每个 Agent 都拥有：

• 明确职责

• 明确边界

• 限定技能

这会让 AI 系统变得 非常稳定且可控。

---

四、第四步：创建 Workflow Skill（团队协作）

当 Skills 和 Agents 都准备好之后，就可以进入最后一步：

创建一个 Workflow Skill。

Workflow 的作用是：

按照 SOP 调度多个 Agent 协同工作。

例如一个完整开发流程：

产品经理 Agent
    ↓
生成需求文档

架构师 Agent
    ↓
设计系统结构

开发 Agent
    ↓
实现 API

测试 Agent
    ↓
编写测试并验证

在 Claude Code 的 Team Mode 下，这些 Agent 可以自动协作。

你只需要说一句：

启动 API 开发流程

AI 团队就会按顺序执行。

这个体验其实很像：

你在管理一个虚拟开发团队。

---

五、一个完整示例

举个简单例子。

如果我要开发一个用户系统 API，我现在不会直接说：

帮我写用户注册接口

而是启动整个流程：

启动 Web API 开发 Workflow
任务：实现用户注册与登录系统

接下来流程可能会是：

1️⃣ 产品经理 Agent
输出需求文档

2️⃣ 架构师 Agent
设计数据库结构

3️⃣ 开发 Agent
实现 API

4️⃣ 测试 Agent
生成测试并验证

最终得到：

• 数据库设计

• API 代码

• 单元测试

• 接口文档

一次完成。

---

六、我的一些实践经验

经过一段时间实践，我总结了几个非常重要的经验。

1 AI 最大价值是“流程自动化”

很多人把 AI 当作：

写代码工具

但实际上它更适合：

自动执行流程

---

2 Skill 越小越好

不要写“大而全”的技能。

小技能可以组合成无限能力。

---

3 Agent 职责一定要清晰

如果 Agent 职责模糊，AI 就会开始“越权”。

---

4 SOP 是整个系统的核心

没有 SOP，一切都会变混乱。

---

七、未来的软件开发模式

随着 AI 能力越来越强，我越来越觉得：

未来的软件开发可能会变成这样：

过去：

一个程序员
+ 一个 AI 助手

未来：

一个程序员
+ 一支 AI 团队

程序员不再只是写代码，而是：

设计流程、设计系统、管理 AI。

而 Claude Code + Agents + Workflow，很可能就是这种模式的雏形。

---

如果你也在研究 AI + 软件开发工作流，可以试试这套方法：

SOP
↓
Skills
↓
Agents
↓
Workflow

当这套体系建立起来之后，你会发现：

AI 不再只是工具，而是团队。