ИИтог

AI-DLC от awslabs: рабочие процессы для ИИ-кодинга в Claude Code, Kiro и Cursor

инструментыРедакция ИИтогHacker News🔥55Рейтинг ИИтог55Влияние45Новизна45Релевантность95Неожиданность25Участники60Достоверность80
AI-DLC от awslabs: рабочие процессы для ИИ-кодинга в Claude Code, Kiro и Cursor

AI-DLC (AI-Driven Development Life Cycle), это набор структурированных рабочих процессов и движок, который, по описанию в README репозитория awslabs/aidlc-workflows, превращает ИИ-ассистентов для программирования в проверяемые процессы разработки ПО. Одно нейтральное к среде запуска ядро работает нативно в семи средах: Claude Code, Kiro CLI, Kiro IDE, Codex CLI, Cursor, opencode и GitHub Copilot.

Исходная мысль авторов README: при обычной работе с ИИ-кодингом контекст теряется по мере роста проекта. AI-DLC связывает требования, решения, реализацию, тесты и эксплуатационную работу в один аудируемый жизненный цикл. В него входят 5 фаз и 33 стадии от инициализации до эксплуатации; 14 агентов (11 профильных экспертов, 2 рецензента и адаптивный композитор); 11 профилей рабочих процессов для новых функций, исправления ошибок, инфраструктуры, безопасности, proof of concept (пробных прототипов), корпоративной поставки и другой типовой работы; точки утверждения человеком и подтверждения рецензий, привязанные к источникам; журнал аудита из 119 событий, а также постоянное состояние, командные знания и выученные правила. Один и тот же детерминированный движок используется во всех поддерживаемых средах. Для сравнения профилей (Classic, Express и узкоспециализированных) README отсылает к разделу Workflow Profiles, а за архитектурой и методологией, к спецификации AI-DLC Workflows 2.0.

Установка: на macOS, Linux или WSL, скрипт install.sh из последнего релиза, запускаемый через curl, на Windows PowerShell, install.ps1. Установщик ставит нативную команду aidlc и рантаймы всех сред; Bun и Node.js для этого не нужны. Bun требуется только при ручном копировании файлов: нужно скачать архив aidlc-copy-runtime-X.Y.Z.tar.gz из релиза и скопировать каталог runtime/<среда>/ в проект. Затем в корне проекта выполняется aidlc config --harness с нужной средой (claude, kiro, kiro-ide, codex, cursor, opencode или copilot) и aidlc doctor для проверки. Работа начинается командой вроде «/aidlc Build a REST API for inventory management»; в Codex CLI вместо /aidlc используется $aidlc, а в Kiro IDE сначала нужно выбрать aidlc в списке агентов чата. AI-DLC подбирает рабочий процесс по запросу, спрашивает недостающие решения и останавливается на точках утверждения, прежде чем двигаться дальше.

Настройка поставщика модели остаётся на стороне среды: поставляемая конфигурация сохраняет уже выбранные пользователем поставщика и модель, а aidlc config providers может применить настройки Amazon Bedrock. Для Kiro CLI и Kiro IDE ответ о поставщике не нужен, так как доступ к моделям входит в Kiro. Для движка Kiro v3 на Kiro CLI 2.24.1 и новее предлагается kiro-ide, а kiro, это Kiro CLI (V2). Сама методология не зависит от поставщика. AI-DLC лучше всего работает с мощными рассуждающими моделями; сейчас рекомендуется Claude Opus 4.8.

Структура репозитория: core/, вручную написанные методология и движок (в core/tools/ лежат 93 инструмента aidlc-*.ts), harness/<имя>/, тонкие манифесты и интеграции под конкретную среду, plugins/, необязательные плагины, а также scripts/, tests/ и docs/. Каталоги dist/ и dist-release/ генерируются, править нужно только core/ или harness/<имя>/. В README есть и предупреждение: генеративный ИИ может ошибаться, поэтому результат и расходы нужно проверять до действий.

Ключевые факты

  • AI-DLC, единое ядро с 5 фазами и 33 стадиями от инициализации до эксплуатации; работает нативно в Claude Code, Kiro CLI, Kiro IDE, Codex CLI, Cursor, opencode и GitHub Copilot.
  • В составе 14 агентов (11 профильных экспертов, 2 рецензента, адаптивный композитор) и 11 профилей процессов: функции, исправления ошибок, инфраструктура, безопасность, прототипы, корпоративная поставка.
  • Человек утверждает ключевые шаги на точках утверждения; ведётся журнал аудита из 119 событий, хранятся состояние, командные знания и выученные правила.
  • Установка одной командой (install.sh или install.ps1); Bun и Node.js нужны только при ручном копировании файлов; запуск, /aidlc (в Codex CLI, $aidlc).
  • Рекомендуемая модель, Claude Opus 4.8; методология не зависит от поставщика модели, его настраивают в самой среде.

Почему это важно

Проблема, которую называет README, знакома всем, кто писал код с ИИ-ассистентом: по мере роста проекта контекст теряется. AI-DLC отвечает на это единым циклом, где требования, решения, реализация, тесты и эксплуатация связаны, а ход работы фиксируется в журнале аудита. Заметно и то, что набор не привязан к одному инструменту: одно ядро и один движок используются в семи средах, включая Claude Code, Codex CLI, Cursor и GitHub Copilot.

Кому это важно

Командам и разработчикам, которые уже работают с ИИ-ассистентами для кода и хотят единого повторяемого процесса с остановками на утверждение человеком, а не свободного диалога. Профили рассчитаны на разные виды работы: от исправления ошибок и прототипов до безопасности и корпоративной поставки. Авторам и интеграторам других сред в репозитории отдельно указан путь добавления нового рантайма (Porting to a New Harness).

Как это применить

Установить последний релиз скриптом install.sh (macOS, Linux, WSL) или install.ps1 (Windows PowerShell), затем в корне проекта выполнить aidlc config --harness <среда> и aidlc doctor. После этого открыть среду в проекте и описать задачу командой /aidlc (в Codex CLI, $aidlc; в Kiro IDE сначала выбрать aidlc в списке агентов). Если нативный исполняемый файл поставить нельзя, есть путь ручного копирования каталога runtime/<среда>/ из архива релиза, только он требует Bun. Для Kiro v3 на Kiro CLI 2.24.1 и новее используйте kiro-ide. Ценовых данных в README нет; настройка модели и поставщика делается в самой среде, рекомендуется Claude Opus 4.8.

Можно ли доверять

Это описание из README самого репозитория awslabs/aidlc-workflows, то есть самопредставление проекта. Измеренных результатов или бенчмарков, подтверждающих, что AI-DLC улучшает качество кода или производительность, в тексте нет. Как именно адаптивный выбор между профилями принимает решение, кроме формулировки «подбирает рабочий процесс по запросу», не раскрыто. Данных об adoption и отзывах сообщества в источнике нет.

Риски и подводные камни

Сам README предупреждает: генеративный ИИ может ошибаться, поэтому результат и расходы нужно проверять до действий. Подсказывается, что инструмент лучше всего работает с мощными рассуждающими моделями, так что на слабых моделях результат может быть хуже. При работе в Kiro IDE в ещё не доверенной папке стоит выбирать «Trust Folder & Continue» только для своего или проверенного проекта: доверие позволяет хукам .kiro папки запускать команды на машине. Установку от имени администратора README считает менее безопасной. Для вкладчиков: править нужно только core/ и harness/<имя>/, а не сгенерированный вывод dist*.

«Генеративный ИИ может ошибаться. Проверяйте сгенерированный результат и расходы, прежде чем действовать на их основе.»

— README репозитория awslabs/aidlc-workflows