新增: AI Native 方向与路线图文档

- 定义 AI Native vs 传统范式的差异(人从操作者→决策者)
- 优先级矩阵:P0人设+多Agent → P1模板+Git/CI → P2审批+算法
- 明确不做方向(全自动/MCP/跨端)及理由
- Agent架构说明添加前向引用
- 注册文档到架构 INDEX
This commit is contained in:
2026-07-01 12:34:44 +08:00
parent 3abdfb489f
commit 535525c2f6
3 changed files with 134 additions and 0 deletions

View File

@@ -0,0 +1,132 @@
# AI Native 方向与路线图 — 2026-06-29
> 性质:方向定义 / 优先级矩阵 / 推进路线图
> 关联: [Agent架构说明-2026-06-14.md](../专项设计/Agent架构说明-2026-06-14.md)(当前 Agent 能力边界)
> 关联: [三层模型-流程模板与人设体系-2026-06-28.md](../专项设计/三层模型-流程模板与人设体系-2026-06-28.md)(模板/工作流/人设三层抽象)
> 关联: [架构债迁移设计-2026-06-29.md](../专项设计/架构债迁移设计-2026-06-29.md)#8/#15/#18/#19 迁移路径)
> 关联: [产品定位调整-2026-06-12.md](./产品定位调整-2026-06-12.md)(「想法到创作」产品定位)
> 用途:作为后续所有功能/架构决策的优先级参考
---
## 一、AI Native 与传统范式的区别
DevFlow 的定位是 **AI 原生**——AI 不是辅助工具,而是系统的主要操作者。人的角色从「操作者」转变为「决策者 + 政策制定者」。
```
传统 DevOps 流程:
需求 → 设计 → 编码 → PR → 审查 → CI → 部署
↑ ↑ ↑ ↑ ↑ ↑ ↑
人 人 AI 人 人 自动 人
辅助写 创建PR 审查
AI Native 流程:
想法 → AI 分析 → AI 设计 → AI 编码并行 → AI 自审 → AI 测试 → AI 发布 ← 人类审批
↑ ↑ ↑ ↑ ↑ ↑ ↑
人类 AI驱动 AI驱动 多Agent分工 AI审计 AI验证 自动编排
输入
```
**关键变化**
| 维度 | 传统 | AI Native |
|------|------|-----------|
| 人类角色 | 执行者(写代码、建 PR、跑测试 | 决策者(立项、审批、定策略) |
| AI 角色 | 辅助(补全、建议、生成片段) | 执行者(分析、设计、编码、测试、发布) |
| 流程驱动 | 人类手工推进(点按钮、改状态) | AI 自动推进(工作流 + 事件驱动) |
| 质量保障 | 人工审查 + CI 门禁 | AI 自审 + 人工审批 + 质量门禁 |
| 产出物 | 代码 PR | 可发布的全流程资产(代码 + 测试 + 文档 + 变更日志) |
---
## 二、优先级矩阵
按「奠定 AI Native 基础」的依赖关系排序。P0 是 P1 的前提P1 是 P2 的前提。
```
P0 ─── 人设系统 ─── 多 Agent 协作
(角色划分) (分工执行)
P1 ─── 模板系统 ─── Git/CI 集成
(流程预设) (现实接轨)
P2 ─── 审批政策 ─── 算法验证
(规则配置) (特定场景)
```
### P0智能体人设 + 多 Agent 协作
这两项构成 AI Native 的基础——没有角色划分就谈不上分工,没有分工就谈不上协作。
| 方向 | 内容 | 代码落点 | 前置依赖 |
|------|------|---------|---------|
| **人设系统** | AgentPersona 结构体 + PersonaRegistry + 内置 5 人设coder/reviewer/architect/tester/analyst | `crates/df-ai/src/persona.rs`(新建) | `df-ai` crate 已有 |
| **人设注入** | AINode 执行时从 NodeContext 读 persona_id拼接 system_prompt + 过滤工具集 | `crates/df-nodes/src/ai_node.rs` + `crates/df-workflow/src/node.rs` | 人设系统就绪 |
| **Coordinator 填实** | 拆解任务 → 分配人设 → 并行 Agent → 汇总合并 | `crates/df-ai/src/coordinator.rs` | 人设系统 + SubflowNode |
| **Planner 接入 Loop** | `intent/plan_hint/planner` 三个纯函数模块接入主 loop | `src-tauri/src/commands/ai/agentic/mod.rs` | Coordinator 就绪 |
**验证标准**:单次 AI Chat 能调用多个子 Agent 并行工作(如同时生成三个模块的代码),最后合并为一个完整的 PR。
### P1模板系统 + Git/CI 集成
AI 产出的成果需要能推送到现实协作流程Git PR、CI Pipeline
| 方向 | 内容 | 代码落点 | 前置依赖 |
|------|------|---------|---------|
| **模板加载器** | YAML 模板 → DagDef 实例化 | `crates/df-workflow` 新增 | SubflowNode |
| **SubflowNode** | 嵌套子工作流节点 | `crates/df-nodes/src/subflow_node.rs` | 模板系统 |
| **GitNode** | 分支创建/PR/合并操作 | `crates/df-nodes/src/git_node.rs` | libgit2 就绪 |
| **DockerNode** | 容器内构建/测试 | `crates/df-nodes/src/docker_node.rs` | workpod API |
| **Config 统一** | AppConfig struct + env override | `df-types/src/config.rs` + AppState | 本迭代推进 |
**验证标准**:从 YAML 模板加载工作流 → 创建 Git 分支 → 生成代码 → 提交 PR → 跑 CI。
### P2审批政策 + 算法验证
当 AI 成为主要执行者后,「什么时候需要人批」「算法怎么验证」需要系统化的可配置机制。
| 方向 | 内容 | 代码落点 | 前置依赖 |
|------|------|---------|---------|
| **审批政策配置** | 按人设/节点/风险级别定制审批策略 | `HumanNode` + 配置层 | 人设系统就绪 |
| **算法验证循环** | 基准测试 → 对比 → 迭代优化 → 早停 | 新建 `df-algo` crate | 模板系统 + 人设 |
---
## 三、对既有工作的对齐
| 已有资产 | 与本路线图的关系 |
|---------|----------------|
| `intent.rs` / `planner.rs` / `plan_hint.rs` | P0 的预制件——三个纯函数模块算法已完备,只差接入主 loop |
| `coordinator.rs` | P0 的关键缺项——当前空壳,需要填实为真正的 Agent 调度器 |
| 三层模型设计文档 | P1 的架构设计——模板/工作流/人设三层抽象已设计完成,待编码 |
| 走查报告 | 安全/架构债在 P0-P2 推进中同步修复 |
| 架构债迁移设计 | #15 AI 状态机抽离在 P0+P1 完成后自然推进 |
---
## 四、不做的方向
以下方向经过评估后,**当前阶段不投入**
| 方向 | 放弃理由 | 可能的时机 |
|------|---------|-----------|
| 全自动无人值守 | 当前审批机制HumanNode是有意的设计取舍AI 最终决策需人类把关 | 长效目标,非当前阶段 |
| 第三方系统集成(云效/禅道) | 核心 Agent 能力未就绪前,集成的价值有限 | P2 完成后评估 |
| MCP 外部工具接入 | 工具集封闭是安全取舍,开放后将引入新的攻击面 | Phase 5 或之后 |
| Web/移动端 | AI 执行逻辑焊死在桌面端(#15)解决之前,跨端无意义 | #15 完成后 |
---
## 五、下一步行动
**当前建议方向**(按此顺序落地):
```
本周 → 人设系统Persona 数据结构 + 5 内置人设 + 注册表)
下周 → Coordinator 填实 + Planner 接入(多 Agent 骨架)
下月 → 节点补齐Subflow/Docker/Git+ 模板加载器 + YAML 模板
```
每步完成即可独立验证,不必等全部做齐再交付。