AI 辅助开发全景分析
基于
@agile-team/wl-skills-kitv2.3 架构梳理，更新日期：2026-04-30
为什么需要分层？
AI 辅助开发容易陷入两个极端："只会聊天" 或 "直接上 AI 自动化"。前者浪费了 AI 的工程潜力，后者在规范、可靠性未就绪时引入大量不确定性。
分层模型的价值：让每个团队清楚"我现在在哪里、下一步该做什么、成熟后能到哪里"，避免跳级建设。
能力谱系总览
AI 辅助开发能力谱系（从低到高）
─────────────────────────────────────────────────
L0 氛围编程（Vibe Coding）
│ 纯自然语言 → AI 自由发挥 → 无规范约束
│ 适合：个人探索、学习、快速验证想法
│
L1 提示词工程（Prompt Engineering） ← 所有上层的基础
│ 结构化 Prompt → 规范注入 → 上下文压缩 → 触发词路由
│ 适合：团队有编码规范，希望 AI 稳定遵守
│
L2 Skills（结构化技能文件） ← 当前项目核心
│ 触发词 → SKILL.md 剧本 → Pre-flight 声明 → 产物追加 reports/
│ 适合：高频重复任务（页面生成、接口约定、规范审计）
│
L3 MCP（模型上下文协议） ← 当前项目已接入
│ AI 主动调用工具 → 真实 I/O → 副作用执行 → 跨系统联动
│ 适合：需要 AI 直接操作系统（写文件、调接口、查数据库）
│
L4 CLI（命令行工具） ← 当前项目已实现
│ 聚合命令 → 固化流程 → 零 AI 依赖 → CI/CD 集成
│ 适合：工程初始化、批量同步、流水线自动化
│
L5 Agent Pipeline（智能体流水线） ← 近期目标
│ Skill 链式自动触发 → 状态传递 → 减少人工干预
│ 适合：多步骤标准化流程（原型→接口→代码→审计→同步）
│
L6 Multi-Agent 协同 ← 远期目标
│ 专家 Agent 分工 → 并发处理 → 上下文隔离 → 质量仲裁
│ 适合：超大规模批量生成、多域并发、专项增强
│
L7 自演化体系（Self-Evolving） ← 终极形态
高质量产出 → 反哺规范/模板 → 精度持续提升 → 正向飞轮
适合：体系成熟后，让 AI 自主优化自身规则
─────────────────────────────────────────────────各层级关键对比
| 层级 | Token 消耗 | 确定性 | 可 CI/CD | 实现成本 | 核心价值 |
|---|---|---|---|---|---|
| L0 | 高（无压缩） | 低 | ❌ | 零 | 探索验证 |
| L1 | 中（规范注入） | 中 | ❌ | 低 | 规范对齐 |
| L2 | 中（懒加载） | 高 | ❌ | 中 | 可复现产出 |
| L3 | 低（工具调用） | 高 | ⚠️ 有副作用 | 中 | 真实执行 |
| L4 | 极低（零推理） | 极高 | ✅ | 中 | 批量自动化 |
| L5 | 低（状态传递） | 高 | ⚠️ 需检查点 | 中高 | 流程自动串联 |
| L6 | 高（多 Agent） | 高 | ⚠️ 编排复杂 | 高 | 并发 + 专业化 |
| L7 | — | — | — | 极高 | 体系自优化 |
当前项目位置
| 层级 | 状态 | 说明 |
|---|---|---|
| L0 氛围编程 | 了解 | 每个人都用过，边界已清晰 |
| L1 提示词工程 | ✅ 已实现 | copilot-instructions.md + standards 懒加载 + 10 个编辑器适配 |
| L2 Skills | ✅ 已实现 | 9 个 Skill 全部启用，pre-flight + registry + 模板分层 |
| L3 MCP | ✅ 已实现 | 10 个 Tool（菜单+字典+角色+授权+动作），4 编辑器自动配置 |
| L4 CLI | ✅ 已实现 | init / update / clean / --dry-run / --keep-reports |
| L5 Agent Pipeline | ▶ 下一个突破点 | 核心：编写 _pipeline.md 定义 Skill 间 I/O 契约 |
| L6 Multi-Agent | ⏳ 远期 | L5 稳定后再规划 |
| L7 自演化体系 | 🔭 终极形态 | 需 L5 稳定 + 审计报告 ≥ 50 份 + 模板提取 ≥ 3 次 |
已实现的 10 个 MCP Tools
| Tool | 能力 | 关联 Skill | 效果 |
|---|---|---|---|
wls_menu_query | 查询完整菜单树 | menu-sync 前置 | 消除手动查询 |
wls_menu_upsert | 批量新增/更新菜单 | menu-sync 执行 | 手动 10 次 → 0 次 |
wls_dict_query | 查询字典模块 | dict-sync 前置 | — |
wls_dict_upsert | 新增/更新字典 | dict-sync 执行 | — |
wls_role_query | 查询角色列表 | permission-sync | — |
wls_role_upsert | 批量新增角色（按 code 去重） | permission-sync | — |
wls_assignable_menus_query | 查询全量可授权菜单 | permission-sync | — |
wls_role_assign_menus | 给角色批量分配菜单（全量覆盖） | permission-sync | — |
wls_action_query | 查询页面下的动作（type=A） | permission-sync | — |
wls_action_upsert | 批量新增动作（按 permission 去重） | permission-sync | 3 界面 15 分钟 → 1 分钟 |
整体效果：菜单/权限同步 token 节省约 87%；操作时间压缩 15-20 倍；人工点击次数 → 0。
架构升级路线图
v2.4（近期）：夯实 L3/L4
L3 MCP 扩展：
| Tool | 优先级 | 用途 |
|---|---|---|
wls_code_scan(path) | P0 | 扫描 src/views/ 返回页面清单，消除目录猜测 |
wls_route_check() | P1 | 读取 pages.ts，验证路由注册情况 |
wls_git_log_extract(n) | P1 | 提取最近 N 次 commit，供 changelog-gen Skill 使用 |
wls_audit_report_push() | P2 | 将审计报告推送到飞书群（webhook 方式） |
L4 CLI 扩展：
| 命令 | 优先级 | 用途 |
|---|---|---|
wl-skills check | P0 | 环境预检：Node / 工具链 / env.local.json / MCP 连通性 |
wl-skills diff | P0 | 比对已安装文件与最新 kit 版本的差异 |
wl-skills export | P1 | 菜单/字典基线导出为 Excel |
wl-skills validate | P1 | 静态扫描 4 文件完整性，适合 CI 卡门 |
v3.0（中期）：进入 L5
新增 files/.github/skills/_pipeline.md，定义每个 Skill 的 input / output_file / next_suggest 契约。AI 完成一步后主动提示后续动作，用户确认触发，不强制自动执行。
v4.0（远期）：企业级平台
跨项目质量数据汇总 + L6/L7 体系建设。
延伸阅读
- L0 — 氛围编程
- L2 — Skill — 9 个 Skill 详情
- L3 — MCP — MCP 接入配置
- L5 — Agent Pipeline — 下一个突破点详解
参考资料
| 资源 | 说明 |
|---|---|
| Anthropic — Building effective agents | Anthropic 官方 Agent 构建最佳实践，L5/L6 设计基础 |
| OpenAI — A practical guide to building agents | OpenAI 官方 Agent 落地指南 |
| Model Context Protocol 官网 | MCP 协议完整规范（L3 基础） |
| MCP 规范 — GitHub | MCP 协议源码与最新动态 |
| GitHub Copilot 官方文档 | Copilot 指令文件、Agent 模式、MCP 接入 |
| Cursor 官方文档 | Cursor Rules、Agent 模式与 MCP 配置 |
| Vibe Coding — Andrej Karpathy | "Vibe Coding" 概念出处（Karpathy，2025年2月） |
AI 辅助开发能力谱系（从低到高）
L0 氛围编程（Vibe Coding）
│ 纯对话 → AI 自由发挥 → 高随机性 → 低还原度
│
L1 提示词工程（Prompt Engineering）
│ 结构化 Prompt → 少样本示例 → CoT → 上下文注入
│
L2 Skills（结构化技能文件） ← 当前项目核心
│ 触发词驱动 → SKILL.md → 规范门控 → Pre-flight 声明
│
L3 MCP（模型上下文协议） ← 当前项目已接入
│ 工具调用 → 实时 I/O → 副作用执行 → 跨系统联动
│
L4 CLI（命令行工具） ← 当前项目已实现
│ 独立可执行 → 无 AI 依赖 → 自动化脚本 → CI/CD 集成
│
L5 Agent Pipeline（智能体流水线） ← 近期目标
│ Skill 链式自动触发 → 减少人工干预 → 批量处理
│
L6 Multi-Agent 协同 ← 远期目标（L5 稳定后再看）
│ 专家 Agent 分工 → 并发处理 → 质量仲裁
│
L7 自演化体系（Self-Evolving） ← 终极形态（条件成熟后规划）
高质量产出反哺规范/模板 → 精度持续提升 → 正向飞轮当前位置
| 层级 | 状态 | 说明 |
|---|---|---|
| L1 提示词工程 | ✅ 已实现 | copilot-instructions.md + standards 懒加载 + 10 个编辑器适配 |
| L2 Skills | ✅ 已实现 | 9 个 Skill 全部启用，pre-flight + registry + 模板分层 |
| L3 MCP | ✅ 已实现 | 10 个 Tool（菜单+字典+角色+授权+动作），4 编辑器自动配置 |
| L4 CLI | ✅ 已实现 | init / update / clean / --dry-run / --keep-reports |
| L5 Agent Pipeline | ▶ 下一个突破点 | 核心：编写 _pipeline.md 定义 Skill 间 I/O 契约 |
| L6 Multi-Agent | ⏳ 远期 | L5 稳定后再规划 |
| L7 自演化体系 | 🔭 终极形态 | 需 L5 稳定 + 审计报告 ≥ 50 份 + 模板提取 ≥ 3 次 |
已实现的 MCP Tools（10 个）
| Tool | 能力 | 场景 |
|---|---|---|
wls_menu_query | 查询完整菜单树 | menu-sync 前置读取 |
wls_menu_upsert | 批量新增/更新菜单 | menu-sync 执行 |
wls_dict_query | 查询字典模块 | dict-sync 前置读取 |
wls_dict_upsert | 新增/更新字典 | dict-sync 执行 |
wls_role_query | 查询角色列表 | permission-sync · role-manage |
wls_role_upsert | 批量新增角色（按 code 去重） | permission-sync · role-manage |
wls_assignable_menus_query | 查询全量可授权菜单 | permission-sync · role-assign 前置 |
wls_role_assign_menus | 给角色批量分配菜单（全量覆盖） | permission-sync · role-assign 执行 |
wls_action_query | 查询页面下的动作（type=A） | permission-sync · action-attach 前置 |
wls_action_upsert | 批量新增动作（按 permission 去重） | permission-sync · action-attach 执行 |
效果量化：菜单同步 token 节省约 87%，20 分钟 10 次手动操作 → 1 分钟 0 次手动操作。权限同步原本 ≥ 15 分钟 3 个界面操作，现在 1 分钟 0 次手动操作。
架构升级路线图
v2.4（近期）：夯实 L3/L4
L3 MCP 扩展：
| Tool | 优先级 | 用途 |
|---|---|---|
wls_code_scan(path) | P0 | 扫描 src/views/ 返回页面清单 + API_CONFIG，消除目录猜测 |
wls_route_check() | P1 | 读取 pages.ts，验证路由注册情况 |
wls_git_log_extract(n) | P1 | 提取最近 N 次 commit，供 changelog-gen Skill 使用 |
wls_audit_report_push() | P2 | 将审计报告推送到飞书群（webhook 方式） |
L4 CLI 扩展：
| 命令 | 优先级 | 用途 |
|---|---|---|
wl-skills check | P0 | 环境预检：Node / 工具链 / env.local.json / MCP 连通性 |
wl-skills diff | P0 | 比对已安装文件与最新 kit 版本的差异 |
wl-skills export | P1 | 菜单/字典基线导出为 Excel |
wl-skills validate | P1 | 静态扫描 4 文件完整性，适合 CI 卡门 |
v3.0（中期）：进入 L5
核心工作：新增 files/.github/skills/_pipeline.md，定义每个 Skill 的 input / output_file / next_suggest 契约。AI 完成一步后主动提示后续动作，用户确认触发，不强制自动执行。
v4.0（远期）：企业级平台
跨项目质量数据汇总 + L6/L7 体系建设。
延伸阅读
- L0 — 氛围编程
- L2 — Skill — 9 个 Skill 详情
- L3 — MCP — MCP 接入配置
- L5 — Agent Pipeline — 下一个突破点详解