从需求到上线，
成为 AI Native Builder

磨刀不误砍柴工，AI Native builder 工作台（CanvasAgents）讲解

在进入具体研发流程之前，先把工作台装起来、跑起来。第一课从 AI Native Builder 的身份转变出发，完成 CanvasAgents 的安装与三端连接，建立 Project → Canvas → Window → Agent 的核心心智模型。

• 为什么要成为 AI Native Builder，为什么需要 CanvasAgents
• 在自己的电脑、iPad、手机上完成安装与连接
• 用 Project → Canvas → Window → Agent 组织多项目、多任务并行
• 用无限画布承载从需求到交付过程中产生的：需求头脑风暴、用户旅程原型图、高保真设计稿、验收标准、Bug 清单等信息

0 帧上手，完成一个功能从需求 => 设计 => 全栈研发 => 测试 => 发布上线全流程

第二课不再停留在工具认识，而是直接做一个真实功能——给 CanvasAgents 增加视频播放器组件。你会亲手经历一次从需求澄清、Spec、设计、开发、自动测试、Stage 人工验收到 Production 发布的完整 AI 交付闭环。

• 新建画布任务，用语音或自然语言把模糊需求说清楚
• 通过需求澄清和 Spec，把目标、边界、验收标准与 E2E 测试对齐
• 选择正确的 AI Native Workflow 路径，并用交互原型确认设计
• 让 Agent 在独立 worktree 中开发、自测并自动修复
• 在 Stage 按验收标准人工验收，验收通过后发布 Production，理解人工兜底与生产发布的边界

原理剖析：AI Native 交付质量三角模型

会使用工具，不等于会设计交付流程。 第三课从第二课的真实交付出发，抽象出 AI Native Builder 的核心质量模型——「AI Native 交付质量三角模型」：定义正确、验证正确、失败可恢复，并拆解这套模型如何落到完整的研发流程、三套 Skill 和分支发布中。 学完你会理解：

• 如何把需求变成可执行、可验收的 Spec，尤其是 E2E 与 UI/UX 验收标准
• 如何通过代码规范、单元测试、集成测试、E2E 测试和 Stage 验收，证明 AI 真的做对了
• 如何通过日志、指标、告警和回滚机制，让上线后的失败可恢复
• 如何为项目 0→1、1→N 大功能迭代、小功能迭代和 Bug 修复选择不同强度的流程
• 如何让多个需求在 feature / develop / stage / production 分支中安全并行流转

AI Native 架构：支撑 AI 交付质量三角模型的底层架构

skill 是表面，架构是地基。 第三课的「AI 交付质量三角模型」要真正落到项目里，定义正确、验证正确、失败可恢复，都需要在代码架构里有对应的载体。第四课以 CanvasAgents 为例，拆解支撑这套模型的底层架构，并把它沉淀成一个干净的 AI Native 架构模板。 学完你会收获：

• 规则入口与项目指南、SPEC.md、DESIGN.md、前后端分层，如何支撑「定义正确」
• 五层测试与每个 worktree 独立的 E2E 环境，如何支撑「验证正确」
• 分支合并、健康检查、日志与回滚手册，如何支撑「失败可恢复」
• 一个拿来直用的 AI Native 全栈架构模板，用 INSTANTIATE.md 初始化你的项目
• 一张提示词卡，让 AI 按三角模型体检并改造你已有的项目

有了需求：第一个最重要的事情，先用 AI 快速完成 MVP 版本

前面四课我们 “自顶向下“，“从使用到原理” ，“从原理到底层架构” 不同维度学习了 AI Native 研发流程，接下来的项目实战，我们从 0 到 1 来实现一个 AI Agent 全栈项目，第五课我们先来完成项目的第一个 MVP Demo 版本

项目初始化：一键生成 AI 友好的全栈项目架构

在 MVP demo 完成了之后，我们开始正式立项来精细化地完成这个项目，第六课你会学到：如何使用 AI 将 MPV demo 快速转化为 AI 友好的，可长期迭代维护的全栈项目架构

产品设计：从 0 ～ 1 搭建设计体系，包括信息层级、UIUX 交互、design system

项目架子也有了，下面开始进入需要人工参与最频繁的一个步骤，这个步骤直接决定了后续的产品形态，第七课你会学到：

• 从用户使用的角度出发设计不同的产品信息层级方案，并选择出最好的一款方案
• 设计不同风格的高保真设计图，并选出最好的一款方案沉淀为系统设计规范文档
• 站在整个用户旅程的角度，对所有页面进行分析，提取基础组件、复合组件以及业务组件

代码生成与测试：分批次生成不同层级的代码，并通过自动化测试

所有的前置设计工作都已完成，第八课我们充分发挥 AI 的能力来生成代码，你会学到：

• 涉及到多页面、多模块、多端的复杂场景下，如何让 AI 尽可能地完成所有的需求？
• 如何保证 AI 生成的代码可以尽可能的少 bug？
• 如何保证 AI 生成的代码质量是合格的，是可维护的？

验收发布：人工验收 、Issue 处理、发布上线、文档沉淀

AI 已经完成了所有的功能，但最后的验收发布这也是人工介入相对来说比较多的一个阶段，第九课你会学到：

• 如何高效进行人工验收？
• 验收遇到问题，如何快速批量化处理问题？

敏捷迭代：不同的迭代场景走不同的 AI 流程，高效迭代

从 0~1，整个项目已经构建起来了，但是从 1 到 N 的脚步才刚刚开始，第十课你会学到：

• 打造可以并行的独立端到端测试环境
• 并行高效处理 “大功能”、“小功能”、“bug 修复” 等不同场景的需求