一套面向复杂软件需求的 AI 辅助研发工作流。它把需求、代码事实、实现设计、测试设计、质量门禁和代码交付组织成可追溯、可中断、可恢复的工程管道。
复杂需求中，低质量输入、跨层讨论和信息轰炸会把发现漏洞的压力转移给研发人员。AAW 的目标不是增加文档数量，而是让问题在所属层级被充分处理，并为后续阶段提供稳定、可审查的输入。
模块内部常藏有历史约束、隐含场景和技术债务，浅层阅读会让设计建立在错误假设上。
需求、功能、模块交互和代码实现同时讨论，人的判断负担会迅速上升。
成果物未达标时仍继续编码，最终只能依靠人从大量输出中找出缺陷。
工作流先分离问题层级，再通过 CLI 管理流转。模型负责阶段内分析与设计，输入输出契约、人工确认、成果物校验和回退规则负责约束阶段边界。
澄清目标、范围、Actor 与关键场景。
AS-IS 用证据还原相关模块现状。
TO-BE 形成可 Review 的详细设计。
测试设计与多维门禁提前发现缺口。
任务拆分、编码、语义 Review 与重验。
负责 AS-IS、TO-BE、测试设计和设计质量门禁，明确代码事实、正式规格、验证集合与对抗审查的职责边界。
设计节点契约、分支、循环、人工确认、断点恢复与可控回退；优先通过 YAML 扩展流程，CLI 负责状态和交付校验。
将编码、测试、双 Agent 语义 Review、问题修复与重验、CodeCheck 和最终完成校验纳入统一编排。
通过长程循环持续挖掘复杂模块的隐含逻辑与历史约束，并随代码变化增量更新模块认知资产。
建设首版遥测服务和可视化主页，观测工作流、Step、Gate、耗时与基于 Diff 的代码归因，为流程调优提供依据。
项目已在部门内正式推广。实际反馈表明，按层设计和阶段门禁让生成代码更接近研发人员脑中的目标，也降低了人在跨层信息中持续应答和纠错的负担。正式使用人数、工作流执行量和生成代码量后续将以遥测统计补充。
这是“AI 与软件工程结合的方法论”及其可执行实现。价值不在某一个 Skill，而在流程设计、执行控制、质量约束、知识演进和推广观测组成的完整体系。