# 12Factor.me - 四阶段×十二原则方法论

源：https://www.12factor.me/zh

> AI 协作时代的 10x 工程效率提升方法论

---

## 阶段 1: 准备

*建立清晰的信息架构和上下文环境*

### 1. 单一真源 (Single Source of Truth)

**核心概念**: 信息分散会导致上下文混乱，容易造成人机双方的误判。

**推荐实践**:
- 将所有需求、设计及上下文集中于统一的文档中心 (如 Notion / Confluence / GitHub Wiki)。
- 与 AI 协作时，应直接引用此“真源”，而非随意复制粘贴信息。

**反面模式**:
- 团队成员各自维护不同版本的文档，导致 AI 给出的回应和建议不一致。

### 2. 提示词先行 (Prompt First)

**核心概念**: 将提示词 (Prompt) 视为新一代的设计文档。

**推荐实践**:
- 在任务开始前，优先编写提示词，用以明确输入、输出、风格和约束条件。
- 团队内部复用经过验证和优化的提示词模板。

**反面模式**:
- 未经规划，直接要求 AI 编写代码，导致方向错误和不必要的返工。

### 3. 上下文洁净 (Context Hygiene)

**核心概念**: 干净的上下文能让 AI 更精准。

**推荐实践**:
- 每个新任务开独立会话，避免旧内容干扰
- 定期用一句话总结现状，让 AI "对齐背景"

**反面模式**:
- 把三天前的对话和今天的任务混在一起

---

## 阶段 2: 执行

*高效协作完成具体任务*

### 4. 人类在环 (Human-in-the-Loop)

**核心概念**: AI 产出快，但只有人类能把握方向与业务判断。

**推荐实践**:
- AI 给初稿，人类负责关键决策与风险把关
- 对重要功能先进行逻辑验证，再合并代码

**反面模式**:
- 全盘接受 AI 产出，不做任何审查

### 5. 任务块化 (Chunked Work)

**核心概念**: 大任务拆小块，易于迭代与修正。

**推荐实践**:
- 任务控制在可 10~30 分钟完成的小范围
- 每块结束后立即验证结果

**反面模式**:
- 一次性让 AI 写 5000 行，结果无法调试

### 6. 并行流动 (Parallel Flow)

**核心概念**: AI 工作时，人类做低切换成本的副任务，保持节奏不断。

**推荐实践**:
- 准备一个"副任务清单"，包含文档整理、小修复、代码审查等
- 等待 AI 时，不接入高认知负载的新任务，避免切换开销过大

**反面模式**:
- 等待 AI 时去刷社交媒体，导致节奏断档

---

## 阶段 3: 协作

*管理协作过程中的认知负载和工作流*

### 7. 负载预算 (Cognitive Load Budget)

**核心概念**: 人类注意力是稀缺资源。

**推荐实践**:
- 为 AI 协作设定每日时长上限
- 在精神高峰期安排深度审查任务

**反面模式**:
- 全天候黏着 AI 工作，晚上完全耗尽

### 8. 流保护罩 (Flow Protection)

**核心概念**: 高专注流一旦被打断，恢复成本极高。

**推荐实践**:
- 设定专注时段（如 90 分钟），屏蔽通知与打扰
- AI 交互也在专注流中批量进行，而非零散触发

**反面模式**:
- 边写代码边回微信边看 AI 输出，效率断崖式下降

### 9. 可复现性 (Reproducible Sessions)

**核心概念**: 协作过程可回溯，才能持续优化。

**推荐实践**:
- 保存 Prompt、AI 版本、变更原因到代码库或知识库
- 出现 bug 时可重放生成过程

**反面模式**:
- AI 生成历史无记录，出错无法还原原因

---

## 阶段 4: 迭代

*持续学习和改进协作模式*

### 10. 休息反思 (Rest & Reflection)

**核心概念**: 冲刺后复盘，才能越跑越快。

**推荐实践**:
- 冲刺结束后，花 5 分钟复盘 AI 产出与预期差异
- 更新 Prompt 模板，积累"踩坑记录"

**反面模式**:
- 连续冲刺，累积错误不总结

### 11. 技能均衡 (Skill Parity)

**核心概念**: AI 是放大镜，放大能力，也放大短板。

**推荐实践**:
- 持续学习领域知识与代码审查技巧
- 对 AI 输出保持独立判断能力

**反面模式**:
- 完全依赖 AI，失去手写能力与技术洞察力

### 12. 好奇文化 (Culture of Curiosity)

**核心概念**: 好奇心驱动探索，避免"盲信 AI"。

**推荐实践**:
- 面对 AI 答案，先问"为什么"，再问"还能更好吗"
- 团队分享 AI 使用经验与改进思路

**反面模式**:
- 对 AI 方案照单全收，从不质疑

---


*生成自 [12Factor.me](https://12factor.me)*
*许可证: MIT*