AWS Labs 开源 AI-DLC，为 AI 编码工具提供统一结构化开发工作流

AI-DLC —— 一个核心，多种运行环境

AI-DLC（AI 驱动开发生命周期，AI-Driven Development Life Cycle）将 AI 编码助手转变为 结构化、可验证的软件交付工作流。一个与运行环境无关的核心可在 Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode 以及 GitHub Copilot 中原生运行。

下面的快速开始会安装最新的稳定版 AI-DLC。

快速开始

1. 安装 AI-DLC

macOS、Linux 或 WSL：

curl -fsSL https://github.com/awslabs/aidlc-workflows/releases/latest/download/install.sh | sh

Windows PowerShell：

irm https://github.com/awslabs/aidlc-workflows/releases/latest/download/install.ps1 | iex

安装程序会设置好 AI-DLC 所需的一切：原生的 aidlc 命令以及所有运行环境。不需要安装 Bun 或 Node.js；原生安装会通过 aidlc 运行其钩子和命令，而不会调用 bun。 在 Windows 上，它会为当前账户安装，并自动将 bin 目录注册到用户的 PATH 中。请在普通 PowerShell 窗口中运行；以「以管理员身份运行」打开的窗口会收到警告和提示，因为以管理员身份安装风险较高。如果另一个终端会话找不到 aidlc，请打开一个新的终端。若要同时跳过持久和当前进程的 PATH 修改，可使用 -NoModifyPath。 Windows 卸载只会移除由安装程序记录为自有的那条用户 PATH 条目。 在 macOS、Linux 或 WSL 上，按需遵循安装程序的 PATH 提示即可。

想自行管理项目文件，或者无法安装原生可执行文件？手动复制方式是唯一需要使用 Bun 的途径：安装 Bun，从发布页面下载 aidlc-copy-runtime-X.Y.Z.tar.gz，并把完整的 runtime/<harness>/ 目录复制到你的项目中。该方式不需要原生的 aidlc 命令。

2. 配置项目

在项目根目录下，选择你使用的运行环境：

cd /path/to/your-project
aidlc config --harness claude
aidlc doctor

将 claude 替换为 kiro、kiro-ide、codex、cursor、opencode 或 copilot。在没有 --harness 的情况下运行 aidlc config 会在有终端时启动交互式设置。如果你在尚未信任的项目文件夹中使用 Kiro IDE 自带的终端，Kiro 会先询问你是否信任该文件夹。 只有在项目是你自己的或已经审查过时才选择 信任文件夹并继续（Trust Folder & Continue），因为信任后该文件夹的 .kiro 钩子就可以在你的机器上运行命令；否则请选择 取消（Cancel） 并先审查该文件夹（参见 首次运行）。

3. 启动工作流

在已配置项目的运行环境中打开它，并描述你要做的工作：

/aidlc Build a REST API for inventory management

Codex CLI 使用 $aidlc 而不是 /aidlc。在 Kiro IDE 中，请先在聊天面板的智能体选择器中选择 aidlc。AI-DLC 会根据请求选择工作流，询问缺失的决策点，并在进入下一步之前停在审批节点。

关于提供商设置、信任提示以及运行环境特有的前置条件，请使用下表中的指南。完整教程请参见 入门指南。

选择你的运行环境

模型提供商的设置属于 harness 的范畴。已发布的项目配置会保留用户已选择的提供商和模型。aidlc config providers 可以在支持的项目界面上应用 Amazon Bedrock 设置，或为其他 harness 记录手动配置。Kiro CLI 和 Kiro IDE 无需选择提供商，因为模型访问随 Kiro 一起提供。在 Kiro CLI 2.24.1 或更高版本上，请使用 kiro-ide，它会固定 Kiro 的 v3 引擎；kiro 是旧版条目（Kiro CLI 说明现有 kiro 项目如何切换）。该方法论本身与提供商无关。

推荐模型

AI-DLC 与具备强大推理能力的模型搭配使用时效果最佳。当前推荐模型是 Claude Opus 4.8。如果你无法使用 Opus，或不确定在 harness 上设置模型与推理强度的位置，请参阅 Choosing a Model and Effort。

为什么选择 AI-DLC

随着项目规模的增长，临时性的 AI 编码会丢失上下文。AI-DLC 通过一个经过审计的完整生命周期，将需求、决策、实现、测试和运维工作保持连接：

• 从初始化到运营的 5 个阶段和 33 个步骤
• 14 个 agent：11 个领域专家、2 个评审者，以及 1 个自适应编排器
• 覆盖功能开发、缺陷修复、基础设施、安全、概念验证、企业交付以及其他常见工作的 11 种工作流配置
• 人工审批关卡以及与源代码绑定的评审证据
• 119 项事件的审计追踪，加上持久化状态、团队知识和已习得的规则
• 在每一个受支持的 harness 上使用相同的确定性引擎

从 Workflow Profiles 开始，对比 Classic、Express 以及其他专注型工作流。有关架构和方法论，请参阅 AI-DLC Workflows 2.0 Specification。

重要提示

生成式 AI 可能会出错。在依据其结果采取行动之前，请先审查生成的内容和成本。请参阅 AWS Responsible AI Policy。

文档

仓库结构

• core/ - 手工编写、与 harness 无关的方法论与引擎
• core/tools/ - 93 个 aidlc-*.ts 引擎与编写工具
• harness/<name>/ - 轻量的、针对特定 harness 的清单文件与集成
• plugins/<name>/ - 可选的 AIDLC 插件
• scripts/ - 打包、二进制文件、安装程序和发布工具
• tests/ - 冒烟、单元、集成和端到端测试
• docs/ - 用户、Harness 工程以及开发者文档
• dist/ 和 dist-release/ - 已生成、被忽略的本地输出

请编辑 core/ 或 harness/<name>/，而非已生成的 dist* 输出。

开发

安装依赖并为每个 harness 生成：

bun install --frozen-lockfile
bun scripts/package.ts

常用命令：

bun scripts/package.ts <name>     # generate one harness
bun scripts/package.ts --check    # determinism guard
bun tests/run-tests.ts --ci       # smoke, unit, and integration
bun tests/run-tests.ts --release  # full release acceptance

完整的开发流程请参阅 Contributing Guide；若要新增运行时，请参阅 Porting to a New Harness。

故障排查

首先从项目根目录运行 aidlc doctor。常见修复方法：

有关诊断和恢复过程，请参阅 故障排查。

参考

• AWS AI-DLC 博客文章
• AI-DLC 方法定义论文
• 路线图
• 许可证