这段时间开发了很多mac上的AI应用以及DSH插件，WorkBuddy、ZCode、codex、claude都深度使用过，经过一个多月的摸索，完全可以整合成一个通用的开发流程，包括skill、技术选型、风格、需求分析等，于是就有了开发这么一个平台的念头，先看下实际效果：
从一句话需求开始，在平台上把提需求 → 澄清分析 → 评审 → 设计编码 → 测试 → 打包 → 数据检查 → 发布交付完整走了一遍，最后打包、交付、运行。
这次开发的应用叫 dsh-jcold，应用运行截图：
dsh-jcold，是一个SSH 服务器运维工具，原生 Swift 开发，一个窗口能同时管理几十台服务器。这次给它做「团队版」，要加三个新功能——窗格一键最大化、每条连接显示彩色序号徽章、投屏时侧栏可开隐私遮罩；再配上自动化测试，最后打出安装包、真机启动验证。
左侧「需求登记」，标题填 dsh-jcold 团队版，描述直接用业务的原话：
「macOS 上有多台服务器要维护。给 SSH 终端客户端 dsh-jcold 出团队版：窗格支持一键最大化、每条连接显示彩色序号徽章、投屏时侧栏可开隐私遮罩，会话主机档案在客户端本地统一管理。技术栈保持原生 Swift（SwiftUI），不引入 Electron。」
点「提交需求并创建流水线实例」，系统生成需求编号 REQ-20260826-001，同时建好一条流水线实例。到这一步，业务方要做的所有事就干完了，后面轮到 AI 和流程引擎上班。
「需求分析」中，AI会先进行需求澄清，以交互的方式确认。
点「开始 AI 分析」，生成一份分析报告：要做什么功能、涉及哪些数据、有哪些风险。
接着「需求拆分」：AI 把需求拆成 3 大块、7 个小模块，然后就可以开工干活了。
「评审与归档」→「提交评审」。第一轮只打了 68 分，直接被驳回，理由是范围太大、没定性能指标——这是规则引擎的质控效果还不错。
点「一键修订」，按评审意见收敛范围，自动重新评审：92 分，通过。
最后「归档基线」：定稿的需求存为只读版本，后面的开发、测试、交付，全程引用的都是这份定稿。
回到「流水线编排」，点两下「推进一步」，流程走到“需求澄清”这个人工节点停住，生成一张待事项。。
扫描发现 1 个必须修的问题，在“静态扫描”节点亮起红灯，任务暂停。
「代码开发」页可以回看全过程。第①步的设计产物是两个数据文件（主机信息、窗格布局）的字段定义，一段 Swift 结构体——Mac 应用本地存数据，用不到数据库。
第④步扫描详情里，除了必改项，还有 2 个建议修复：最大化的写入入口不统一、文档里写的测试数量和实际不一致。第⑤步点「AI 一键修复」，三条问题逐条修完，产生一次新提交；第⑥步「提交评审」，机器检查通过后转成人工评审任务，填意见、通过。
「单元测试」页执行测试：10 个用例，8 个通过，覆盖率 81%——不达标不放行。失败的 2 个问题是：“最大化还原后窗格顺序错了”“切换布局后窗格排列乱了”，点开可以看到失败详情。
点「AI 修复」，给出对 AppState.swift 的修改对照——还原时先把窗格放回原位，再做整体重排。重新执行：10 个全部通过，覆盖率 87%。
「代码开发」点第⑦步「打包」：编译 release 版 → 组装 dist/DSH.app（写入版本号 0.1.0）→ 签名 → 输出 7.1 MB 的安装包，写进交付记录。
DSH 主窗口出现：六宫格终端同时连着 6 台服务器，每条连接左上角挂着彩色序号徽章——正是这次要做的功能；右边是常用命令面板，底部可以一条命令同时发给多台机器。
「接口授权」先验证平台的账号权限：如果使用只读账号去删数据，会被网关直接拒绝（403）。
「联调预览」其实是个数据管理台，直连应用的本地数据文件做真实增删改查。列表里的主机记录都是真的：gitlab-local、localhost 这些别名取自本机 ~/.ssh/config，端口也是 22、2222 这类常用值。点「新增主机档案」加一条 build-node-01，保存后搜索能查到。
在「数据核对」时，先用查询控制台查数据，再点「一致性核对」：查出 5 处脏数据——2 条主机别名没填、1 条协议写成了不存在的值、2 条已删除的记录没清干净。
点「AI 生成修复补丁并执行」，逐条修复并且留痕；切到另一个数据文件页签，同样核对、修复一遍；回来点「复核」，全部通过，交付阻断解除。
数据检查可以维护质控规则，比如在“双十一发布冻结期”不能发布，所以在验证时，系统提示：规则判定当前正值双十一发布冻结期，自动生成一张交付特批待办，等人工签字。
「交付归档」页能看到完整的交付单和全程追溯链。办理特批，意见是：客户端按团队内灰度 5% 设备先行。之后进入灰度，进度 5%。
点「推进全量」：交付完成，归档编号 DEL-ARCH-001。追溯链一路列得清清楚楚：需求编号 → 定稿需求 → 数据结构文件 → 最终提交号 → 测试报告→ 安装包。
最后回到驾驶舱：流水线整条点亮，需求 100% 交付，各 AI 助手的工作量统计都在。
— END —
相关文章
