Ryan Workflow：我的 AI 辅助开发流程
整理我目前使用 AI 做项目开发时的基本流程：从需求、拆解、实现到复盘。
我把自己当前的 AI 辅助开发方式暂时叫做 Ryan Workflow。
它不是一套完美方法论，而是我在实际项目里慢慢形成的操作习惯。核心目标很简单：让 AI 参与执行，但关键判断仍然留在人手里。
先写清楚需求
很多时候，AI 产出不稳定，不是模型不行，而是需求本身太虚。
我会先把项目写成几段明确内容：
- 项目目标是什么。
- 第一阶段必须实现什么。
- 哪些功能明确不做。
- 技术栈和部署方式有哪些限制。
- 什么标准算可以交付。
这一步越清楚，后面的返工越少。
再让 AI 拆任务
需求明确之后，我会让 AI 先读项目结构，再给出实现顺序。
我不喜欢一上来就让它大改，因为这样很容易出现“看起来完成了，但细节不可维护”的情况。更稳的方式是按模块推进：配置、数据、组件、页面、样式、验证。
人负责判断，AI 负责加速
AI 很适合做重复、明确、可验证的工作，比如：
- 生成组件骨架。
- 补全样式和响应式规则。
- 写 README 和部署说明。
- 根据报错快速定位版本差异。
- 把零散记录整理成结构化复盘。
但产品取舍、内容语气、审美方向、是否值得继续投入，这些仍然需要人来判断。
AI 不是替我拥有经验，而是让我更快制造可复盘的经验。
下一步
我会继续把这个流程用在小项目、内容站、自动化工具和副业实验上。每跑完一个项目，就把流程里有效和无效的部分记录下来。