AWS AI-DLC Workflows 中文教程：让编程 Agent 按流程推进
AI-DLC Workflows 是 AWS Labs 开源的一套流程规则。它让 Agent 先判断任务类型、补齐缺失决策，再按设计、实现、测试和验证推进，并在关键节点停下来等人确认。对容易“直接开写”的 Agent，这个节奏更适合有风险的仓库。
1. 安装规则
curl -fsSL https://github.com/awslabs/aidlc-workflows/releases/latest/download/install.sh | sh
官方仓库给出 release 安装脚本，使用前应检查脚本内容、版本和安装目录。团队项目可以把规则包版本固定下来，避免同一任务在不同机器上走出不同流程。
2. 触发一次工作流
Claude Code / Kiro / Cursor / opencode：/aidlc；Codex CLI：$aidlc（或通过 /skills 选择 aidlc）
官方 CLI 文档列出这些宿主入口。Agent 会根据请求选择工作流，也可以使用自定义 workflow；开始前明确目标、范围、不可触碰的目录和验收标准。
3. 六种常见工作流
Default 适合一般功能；Adversarial 让方案接受反向质疑；Design 先做设计；Hypothesis 适合验证假设；TDD 先锁测试；custom 用项目自己的规则。选择工作流不是替代判断，风险高的数据库、权限和发布改动仍要增加人工检查。
4. 审批门和项目落地
AI-DLC 的价值在于把决策写出来。审查范围、设计、迁移、测试和回滚方案后再批准下一阶段；把最终 workflow 文件提交到项目，方便团队复盘。不要只提交 Agent 的聊天记录，应该提交可执行的规则、变更和测试。
同类对比
相比只写 AGENTS.md，AI-DLC 还把任务阶段、决策和审批门写成可执行流程；相比无流程的 Agent，它更可审查，但会增加交互成本。
这里仅补原教程没有展开的事实和边界。安装命令与操作步骤仍以前文为准。
先判断这个项目是否适合你
适合谁用
适合有测试、需要评审和回滚的中等开发任务；一次性小修复可以使用轻量流程，生产权限、数据库和发布改动仍需人工审批。
采用建议
适合有测试、需要评审和回滚的中等开发任务；一次性小修复可以使用轻量流程，生产权限、数据库和发布改动仍需人工审批。采用前需要核对：增加澄清和审批时间。
原教程未展开的系统信息
架构与数据流
规则包根据任务输入选择或生成 workflow，workflow 以阶段、决策和验收条件约束 Agent；项目提交的是可复用规则和变更，而不是只有聊天记录。
技术栈和运行条件
语言
Markdown/配置规则与宿主 Agent CLI
框架
AI-DLC adaptive workflow steering rules
关键依赖
- 支持的 coding agent
- 项目规范和测试
- release 安装脚本
运行环境
本地开发仓库或 Agent 工作区
常见问题
AI-DLC 会让 Agent 变慢吗？
会增加澄清和审批步骤，但换来更可审查的过程。低风险小改动可以用 Default，别把所有任务都套成重流程。
可以自定义工作流吗？
官方文档支持 custom workflows；先从项目现有规范和验收标准写起，再在测试任务上验证。
它和普通 AGENTS.md 有什么不同？
AGENTS.md 更像长期项目规则；AI-DLC 还描述任务阶段、决策和审批门，两者可以配合。
最先应该在哪类项目试？
选有测试、可回滚且不涉及生产密钥的中等任务，比较引入前后的返工、漏测和评审时间。