Agent Team 7×24小时全栈开发 高性价比

先说结论：这套方案可以跑通——能连续运行10小时以上，全自动处理复杂的全栈开发任务，而且是在本地完成的。 这个系统不仅能写代码，还能自己跑测试、自己修Bug、自己管理数据库，甚至能组建一个“AI工程师团队”来并行干活。 而这次实战的核心大脑，用的是阿里刚开源的Qwen3.5-Plus，之所以挑它，理由后面慢慢讲。 接下来，直接交作业。

01 AI编程的“最后一公里”是个大坑

用过现在的AI编程工具（像Cursor、Windsurf、甚至Claude Code）的都深有体会：太粘人了。 你得一直盯着它。它写错一行代码，你得亲手纠正。上下文一长，它就开始“失忆”——前面刚写好的配置，后面就忘了。 结果是：名义上是AI帮你写代码，实际上是你给AI当保姆。 核心目标就很明确了：能不能做一个真正的“全自动开发系统”？把需求扔给它，它自己去拆解任务、去执行、去验证，只在关键节点才需要你确认。 之前做过一个尝试，用一段超长Prompt让AI帮忙写了一个TikTok视频生成网站。效果还行，完成了最初10%左右的工作量。 但只要时间一长，上下文就爆，逻辑就开始乱。 后来结合Claude Code的最新特性和工程化思维，搞出了AI自治开发系统2.0，又进一步升级到引入Agent Team的3.0版本。 这次实战的对象，就是那个TikTok UGC视频生成平台（后来改名叫TKCreator）。目标是让Qwen3.5-Plus把剩下80%的硬骨头——支付、鉴权、视频生成API对接、自动化测试——全部啃下来。

02 AI自治开发系统2.0：给AI装上外骨骼

要解决AI“失忆”和“乱跑”的问题，光靠Prompt是不够的，必须有架构约束。 2.0版本引入了一套基于文件的状态管理系统。核心逻辑很简单：别让AI记在脑子里，让它记在文件里。

核心架构：轮班工人模型

把AI当成一个“轮班工人”。每个AI启动时都是全新的，不需要知道上一个AI跟用户聊了什么，它只需要看交接文档。 这套系统的基础设施由几个核心文件组成（可以直接抄作业）： - **feature_list.json（工单系统）** 这是AI的任务清单。必须用JSON格式，因为模型对JSON的破坏性比Markdown小得多。 { "features": [ { "id": "F-001", "category": "backend", "description": "实现Sora2视频生成API对接", "status": "pending", "passes": false } ] } 下图就是AI在汇报它完成了feature_list.json里的F-00X任务。 - **progress.txt（交接日志）** 用于记录高层级的决策和进度。比如这样写：“2026-02-16: 鉴权模块已完成，但Token刷新逻辑有Bug，需修复。” - **CLAUDE.md（系统入口）** 这是AI的行为准则，每次启动都会读一次来恢复记忆。 # AI自治开发协议 ## 核心工作流 每次启动时，必须严格按顺序执行： 1. **环境自检**：运行 `source init.sh`。 2. **状态同步**：读取 `feature_list.json` 和 `progress.txt`。 3. **任务选择**：选择优先级最高且 `status: pending` 的任务。 4. **严格验证**：修改UI后必须截图验证；修改逻辑后必须跑通测试。 - **init.sh（一键启动脚本）** 把项目关键启动脚本都写在一起，防止AI每次都要重新摸索怎么跑项目。

自动化引擎：无限循环脚本

有了这些文件还不够，需要一个脚本来驱动AI不断循环工作。写了一个run_autonomy.py，逻辑简单粗暴： 1. 读取feature_list.json，找到下一个任务。 2. 调用Claude Code CLI（接管Qwen3.5-Plus模型），把任务发给它。 3. 关键点：加上`--dangerously-skip-permissions`参数，允许AI全自动读写文件和执行命令，不需要人工按Y确认。 4. 如果任务成功，更新状态；如果失败，回滚Git，记录日志，休息5秒，继续下一轮。 这就是2.0版本的核心：把开发过程变成了一个状态机。AI不再是对话者，而是执行者。 整个逻辑跑起来是这样：

03 Qwen3.5-Plus：不止是平替

在2.0系统的实战中，特意选了Qwen3.5-Plus。 在2.0架构下，Qwen3.5-Plus顺利完成了TKCreator大部分基础功能的复刻。 但到了“最后一公里”——也就是生产环境对接时，问题还是来了。

04 升级3.0：引入Agent Team，组建“AI梦之队”

在对接Sora2、Nano Banana的真实API和全链路测试时，发现单线程的2.0系统开始吃力。 - 后端写API时，前端UI需要配合改状态，单线程只能切来切去，效率低。 - 测试报错了，AI往往会陷入“自我怀疑”，反复改代码，而不是去检查环境配置。 - 上下文虽然清理了，但任务本身的复杂度——同时涉及Python、TS、SQL、Shell——让模型顾此失彼。 于是决定启用Claude Code最近很火的新功能：Agent Team。 简单说，就是让AI变成一个团队。有一个Lead Agent（CTO）负责统筹，它不写代码，只负责分派任务；下面有几个Specialist Agent（专家）并发干活。

3.0架构设计：专人专事

重新设计了TKCreator的开发团队： 1. **Lead Agent（CTO）**：负责读取task.json、规划依赖、Code Review。它不看具体代码，只看架构。 2. **@backend-integrator（后端专家）**：专注Python、FastAPI、Supabase。只负责写API，对接Sora2/Nano Banana接口。不需要加载前端的Next.js代码，上下文非常干净。 3. **@frontend-polisher（前端专家）**：专注Next.js、Tailwind、React Query。只负责画UI，调接口。 4. **@qa-engineer（测试专家）**：专注Playwright、E2E Testing。它就像一个坐在旁边的测试员——打开浏览器（Headless Chrome），模拟用户去注册、去生成视频。关键逻辑是：如果测试挂了，它不会自己修，而是把报错甩给Backend Agent：“你接口500了，修一下。”

如何开启Agent Team？

这是一个实验性功能，需要一些配置才能激活： 1. 找到配置文件 `~/.claude/settings.json`。 2. 添加配置： { "experimental": { "agent_team": true }, "permissions": { "auto_approve_tools": ["TeamCreate"] } } 可以在终端测试环境变量：`export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1` 整体逻辑跑起来是这样：

3.0实战Prompt

开启后，直接把下面这段Prompt扔给了Claude Code（Qwen3.5-Plus后端）： # Role & Objective 你现在的角色是 **TKCreator项目的CTO**。我们要升级到 **3.0 Agent Team架构**，完成生产环境冲刺。 # Team Structure 请初始化以下Agent Team： 1. **Lead（你）**：负责统筹。 2. **@backend-integrator**：专攻FastAPI，对接Sora2/Nano Banana真实接口（文档见附件）。 3. **@frontend-polisher**：专攻Next.js，优化UI。 4. **@qa-engineer**：使用Playwright进行E2E测试。如果测试失败，直接向Backend Agent报错。 # Execution Rules 1. **Parallel Execution**: 让后端写接口的同时，前端优化加载状态。 2. **No Mock**: 必须调用真实的AI模型接口。 3. **Local Storage**: 暂时将生成文件存放在 `/public/uploads`。 效果非常炸裂。 从终端日志来看，Lead Agent迅速分配了任务：后端Agent正在写FastAPI的Polling Service，去轮询Sora2的生成状态；前端Agent正在修改Task Card组件，增加了一个“生成中”的骨架屏。 两者几乎是同时提交了代码。 紧接着，QA Agent启动了。它自动打开了浏览器，注册了一个新用户，充值了积分，点击了生成视频。一分钟后，测试报错：“Sora2 API返回401 Unauthorized”。但QA Agent没有瞎改代码，而是直接在Log里@了Backend Agent：“API Key似乎没生效，请检查.env加载逻辑。”Backend Agent秒回：“收到，正在检查config.py。” 这种“团队协作”的感觉，真的太像一个真实的人类开发小组了。 经过大约40分钟的“团队协作”，TKCreator的生产环境版本部署完成： - 视频生成：通了。Sora2的视频成功生成并下载到了本地。 - 图片生成：通了。Nano Banana的商品图完美展示。 - 积分系统：通了。生成一次扣20分，余额不足无法生成。