AWS推出AI-DLC：统一AI编程工作流，支持主流开发工具集成

AI-DLC：核心引擎与多平台集成

AI-DLC（AI驱动的开发生命周期）旨在将AI编程助手转化为结构化、可验证的软件交付工作流。其核心优势在于“无特定集成工具”设计，能够原生运行于Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode以及GitHub Copilot等主流开发环境中。

快速开始指南

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

安装程序将自动配置包括原生aidlc命令及所有集成工具运行时在内的环境。用户无需单独安装Bun或Node.js；原生安装通过aidlc运行钩子和命令，而非直接调用bun。

在Windows上，安装仅针对当前用户账户，并自动将bin目录注册到用户PATH环境变量中。建议从普通PowerShell窗口运行；若以管理员身份执行，系统会因安全性考量发出警告并要求确认。若其他会话无法识别aidlc，请重新打开终端。如需跳过对PATH的修改，可使用-NoModifyPath参数。Windows卸载操作仅移除由安装程序记录的用户PATH条目。macOS、Linux或WSL用户请遵循安装程序的PATH设置说明。

对于倾向于自行管理项目文件或无法安装原生可执行文件的用户，可采用手动复制方式（此场景需安装Bun）：下载aidlc-copy-runtime-X.Y.Z.tar.gz，并将完整的runtime/<harness>/目录复制到项目中。此路径不需要原生的aidlc命令。

2. 配置项目

在项目根目录下，根据使用的集成工具进行配置：

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

将claude替换为kiro、kiro-ide、codex、cursor、opencode或copilot。若在终端可用时不带--harness参数运行aidlc config，将启动交互式设置。

安全提示：在未信任的项目文件夹中使用Kiro IDE自带终端时，Kiro会询问是否信任该文件夹。仅当确认为自有或已审查项目时选择信任文件夹并继续，否则请选择取消并先审查文件夹，因为信任后该文件夹的.kiro钩子将在机器上运行命令。

3. 启动工作流

在已配置的项目中打开集成工具并描述任务：

/aidlc Build a REST API for inventory management

注意：Codex CLI使用$aidlc代替/aidlc；在Kiro IDE中，需先在聊天面板的智能体选择器中选择aidlc。AI-DLC会根据请求选择相应工作流，询问缺失的决策点，并在进入下一阶段前暂停等待人工审批。

集成工具配置概览

不同集成工具的配置与调用方式如下：

Claude Code： 配置命令aidlc config --harness claude，启动命令claude，调用指令/aidlc。
Kiro IDE (≥1.1.70) / Kiro CLI (≥2.24.1 v3)： 配置命令aidlc config --harness kiro-ide，在IDE聊天面板选择aidlc或运行kiro-cli，调用指令/aidlc。
Kiro CLI (≥2.6 旧版)： 配置命令aidlc config --harness kiro，启动命令kiro-cli chat，调用指令/aidlc。
Codex CLI (≥0.145.0)： 配置命令aidlc config --harness codex，启动命令codex，调用指令$aidlc。
Cursor： 配置命令aidlc config --harness cursor，启动Cursor或运行agent，调用指令/aidlc。
opencode (≥1.17)： 配置命令aidlc config --harness opencode，启动命令opencode，调用指令/aidlc。
GitHub Copilot CLI (≥1.0.74) / VS Code (≥1.130)： 配置命令aidlc config --harness copilot，通过Copilot CLI或VS Code启动，调用指令/aidlc。

模型提供商设置归属于集成工具本身。项目配置保留用户已选择的提供商和模型。aidlc config providers可在受支持的项目中应用Amazon Bedrock设置，或记录其他集成工具的手动设置。Kiro CLI和Kiro IDE无需额外提供商响应，因为模型访问权包含在Kiro服务中。对于Kiro CLI 2.24.1或更高版本，请使用kiro-ide以锁定Kiro v3引擎；kiro对应旧版。该方法论本身与提供商无关。

核心价值：为何选择 AI-DLC

随着项目规模扩大，临时的AI编码容易丢失上下文。AI-DLC通过单一审计生命周期，将需求、决策、实现、测试和运维紧密连接：

涵盖从初始化到运营的5个阶段和33个环节
内置14个智能体：包括11个领域专家、2个审查员和一个自适应组合器
提供11种工作流配置文件，适用于功能开发、错误修复、基础设施、安全、概念验证、企业交付等场景
设立人工审批关口和基于源代码的审查证据
记录119个事件审计轨迹，结合持久化状态、团队知识和习得规则
在所有支持的集成工具中保持一致的确定性引擎

建议从工作流配置文件开始，对比Classic、Express及专注型工作流。详细架构和方法论参见《AI-DLC Workflows 2.0 Specification》。

重要提示：生成式AI可能会犯错。在行动之前，请务必审查生成的输出内容和成本。请参阅AWS负责任AI政策。

文档资源

Getting Started： 安装、配置及运行首个工作流
User Guide： 使用工作流、配置文件、智能体、知识库及审批关口
Harness guides： 处理提供商、信任机制及运行时差异
Install and Lifecycle： 更新、固定版本、离线安装、使用镜像或卸载
Harness Engineer Guide： 重塑环节、智能体、规则、传感器及知识库
Development and Releases： 通过AI审查、预览测试及稳定发布PR
Developer Reference： 修改引擎、钩子、打包或测试

仓库结构

core/：手工编写的、无特定集成工具的方法论和引擎
core/tools/：93个 aidlc-*.ts 引擎和创作工具
harness/<name>/：轻量级、特定集成工具的清单和集成代码
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/：冒烟测试、单元测试、集成测试和端到端测试
docs/：用户、集成工具工程及开发者文档
dist/ 和 dist-release/：生成的、被忽略的本地输出

请编辑core/或harness/<name>/，切勿修改生成的dist*输出。

开发指南

安装依赖项并生成所有集成工具：

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

常用命令：

bun scripts/package.ts <name>     # 生成单个集成工具
bun scripts/package.ts --check    # 确定性检查
bun tests/run-tests.ts --ci       # 冒烟、单元和集成测试
bun tests/run-tests.ts --release  # 完整发布验收测试

完整的开发工作流程请参阅《Contributing Guide》，添加新的运行时请参阅《Porting to a New Harness》。

故障排除

首先从项目根目录运行aidlc doctor。常见问题的解决方案如下：

找不到aidlc： Windows用户请退出并重新打开终端应用或IDE（安装期间保持打开的窗口内的新标签页会保留旧的PATH），或使用带有-NoModifyPath的直接命令。Unix用户请应用安装程序的PATH说明。
项目/运行时版本不一致： 完成当前活动的工作流，然后运行aidlc config。
Codex钩子未运行： 按照Codex指南信任项目钩子。
Bedrock访问失败： 启用配置的模型，并验证AWS凭证和区域。
刷新后插件环节消失： 运行/aidlc plugin sync。
刷新的技能未生效： 启动新的集成工具会话。

更多诊断和恢复程序请参阅《Troubleshooting》。

参考资料

AWS AI-DLC博客文章
AI-DLC方法定义论文
路线图
许可证

知澜资讯网