AI 角色工作台

三层架构

控制面板 (dashboard.md)     → 人类 + Arch AI 共享入口，项目唯一真实来源
    ↓ Arch AI 拆解任务
执行层  (.ai/tasks/active/)  → Coder/Tester 各自独立 task 文件，自包含

四个角色入口

角色	平台+模型	入口	读几个文件
人类	—	dashboard.md 顶部「人类区」	1
Arch AI	Claude Code + DeepSeek V4 Pro	dashboard.md 全文	1
Coder AI	Trae CN + GLM-4.6	card.md → 对应 task 文件	2
Tester AI	Coze CN	card.md → 对应 task 文件	2

使用方式

Arch AI:

1. 读 dashboard.md → 了解全貌 + ADR 摘要 + task 状态
2. 需要细节 → 按链接按需加载
3. 人类决策 → 读 DECISIONS.md
4. 拆分新任务 → 按模板写 .ai/tasks/active/P01-XXX.md
5. 完成后 → 更新 dashboard.md task 状态

Coder AI (Trae + GLM-4.6):

1. 读 card.md → 身份+权限
2. 读对应 task 文件 → 输入/输出/约束/验收方法
3. 写代码
4. 自验 → 填写完成报告 → commit [READY_FOR_TEST]

Tester AI (Coze):

1. git pull + 读 card.md
2. git log --grep="READY_FOR_TEST" → 找待测 task
3. 读对应 Tester task 文件 → 测试内容/执行方式/报告格式
4. 拉代码 → 沙盒执行 → 生成 JSON 报告
5. commit 报告

关键原则

每个角色只有一个入口文件 — 不拼图，不切换
Worker AI 不需要知道项目全貌 — task 文件就是它的全部世界
Git 是唯一的集成总线 — 跨平台交接通过 commit message 信号
弱模型适配强约束 — 给 GLM-4.6 的任务 = 单文件粒度，零隐含上下文

归档

旧的 DASHBOARD.md / ROADMAP.md / roles//today.md / roles//queue.md → .ai/archive/

1.9 KiB Raw Blame History

AI 角色工作台

三层架构

四个角色入口

使用方式

关键原则

归档

1.9 KiB

Raw Blame History