腾讯云用单仓文档简化Agent研发编排

腾讯云团队最初按“Command 层 / Agent 层 / Skill 层”设计 AI 辅助研发系统：Command 层以 /req-dev 启动研发流程，Agent 层用 phase-router 做意图识别并路由到 design-manager、impl-coordinator、experience-depositor 三个专业 Agent，Skill 层配套 req-create、workspace-setup、meta-maintainer 等细分技能，并配九步工作流（需求录入→上下文准备→方案设计→设计评审→代码实现→代码审查→测试验证→经验沉淀→需求关闭）与 Agent 间 JSON 通信协议。 在“脑子里走一遍流程”后发现改一个配置默认值也要走完 15 分钟流程，遂暂停全部架构开发，改为文档驱动：项目根目录 AGENTS.md 作为人机共用的入职手册（项目背景、工作规范、常见坑点、AI 注意事项），context/ 按 tech/、business/、experience/ 组织团队知识，process.txt 保存当前状态、已完成与待完成事项供新会话读取恢复形成“存档/读档”，长任务用 features.json 功能清单跟踪并限定 AI 只能改 status、actual_effort、review_status 等执行态字段。 把 CLAUDE.md、context/、.codebuddy/ 等 AI 配置统一放进单个 Git 仓库，团队 clone 获得一致的 AI 记忆、各人用独立分支并行隔离。检索上明确不做向量数据库 RAG（理由是索引维护成本、额外攻击面与对结构化代码库检索不准），改为直接给 AI grep、find、ls 自行探索。 配套每天记录、每周整理并 PR 合并、每月把高频模式固化为 Command/Skill 的三层迭代循环，团队推广按试点（1-2 个种子用户）—扩展—全员分级推进。正文未给出团队规模、上线时间与任何量化成效，并在 10.3 节明确 ROI 度量、context 最佳组织方式、团队规模增大后的治理三个问题尚无答案。