目录
- 概述与核心理念
- 基础入门:环境准备与项目初始化
- 核心工作流详解:PRD驱动到GitHub同步
- 日常使用实践:高效开发与协作
- 高级用法与自动化:多Agent协同与系统集成
- 实战案例与最佳实践:项目演练与经验总结
- 常见问题与进阶技巧:解决实操疑难
- 参考资源与社区:持续学习与交流
1. 概述与核心理念
在软件开发的浩瀚征途中,效率、透明度和可追溯性始终是团队追求的永恒目标。然而,需求变更、上下文丢失、沟通障碍、以及日益增长的复杂性,常常让项目管理举步维艰。而当人工智能(AI)成为开发流程中的重要参与者时,如何有效整合AI能力、使其与人工协作无缝衔接,更是摆在每位开发者和项目经理面前的新课题。
Claude Code PM(ccpm) ,正是为应对这些挑战而生。它是一套以产品需求文档(PRD)驱动、深度整合人工智能辅助,并与GitHub Issue紧密集成的项目管理系统。ccpm的核心理念在于,将高层次的产品愿景与用户需求,通过AI智能辅助,逐步细化为可执行的代码任务,并确保所有过程在GitHub上透明可追溯,同时支持多智能体(AI Agent)与人工开发者的高效并行协作。
ccpm的目标是打造一个智能化的项目开发与管理中枢,显著提升团队协作效率,减少不必要的沟通成本,确保开发上下文的完整性,并实现任务的透明化与可追溯性。它旨在将AI从一个辅助工具提升为一种核心的、可管理的开发力量,与人类开发者共同驱动项目进展。
1.1 核心理念:AI驱动、PRD先行、GitHub枢纽
A. PRD驱动开发(PRD-Driven Development):需求的源头
ccpm将 产品需求文档(PRD) 置于项目工作流的核心。PRD不仅是产品的"说明书",更是所有开发活动的正向起点。通过结构化的PRD,ccpm确保:
- 需求共识: 将产品愿景、用户故事、功能定义、验收标准等关键信息标准化,确保团队对产品需求的理解高度一致。
- 上下文完整: AI Agent和人工开发者都能从PRD中获取完整的、一致的需求上下文,避免因信息不对等导致的开发偏差。
- 可追溯性: 每一行代码、每一个提交、每一个完成的任务,都能最终追溯到PRD中的具体需求点,形成清晰的需求链路。
B. AI辅助开发:智能化的协作伙伴
ccpm充分利用AI的强大能力,作为开发过程中的智能协作伙伴:
- 智能分解: AI能够辅助解析PRD,将其分解为Epic(史诗)和具体的、可执行的开发任务。
- 上下文感知: AI Agent在执行任务时,能够持续感知项目的全局上下文,生成更符合项目风格和需求的方案与代码。
- 并行加速: 支持多个AI Agent同时处理不同任务,实现并行开发,显著加速项目进度。
- 进度同步与报告: AI Agent能够自动同步其开发进展、代码输出、遇到的问题,并生成项目报告。
C. GitHub Issue深度集成:透明协作与版本控制
ccpm选择GitHub作为其主要的协同与版本控制平台,实现了与GitHub Issue、Pull Request、代码仓库的深度集成:
- 单一事实来源: GitHub Issue成为任务管理的单一真相来源,所有任务状态、讨论和代码关联都集中于此。
- 透明可追溯: 每一个需求、任务、代码提交都通过GitHub Issue关联起来,形成完整的开发轨迹,确保所有历史操作可追溯。
- 分布式协作: 充分利用GitHub的强大协作能力,无论是人工开发者还是AI Agent,都能在统一的平台上进行协同工作。
- 代码与任务联动: 代码提交可以直接与Issue关联,Pull Request可以关闭Issue,实现代码与任务的无缝联动。
1.2 适用对象:谁能从中受益?
Claude Code PM的设计旨在为不同规模、不同需求的用户群体带来革命性的效率提升:
- 希望规范流程、减少沟通成本的团队:
在团队协作中,需求理解不一致、沟通障碍、任务分配不清晰等问题屡见不穷。ccpm通过PRD先行、GitHub Issue集中管理、以及AI辅助分解,极大地减少了这些摩擦。每个任务(Issue)都附带明确的上下文和目标,AI或人工只需关注当前任务,大幅降低了沟通成本和返工率。无论是小团队的敏捷开发,还是大团队的复杂项目管理,都能从中获益。 - 追求高效、自动化、AI辅助开发的个人开发者:
对于个人开发者而言,在进行独立项目开发时,ccpm能够充当一个"虚拟项目经理"和"虚拟开发伙伴"。AI可以帮助你从混沌的想法中整理出PRD,并一步步分解为可执行的任务,甚至自动生成部分代码。这极大地提升了个人的开发效率,让你能将更多精力投入到创造性工作中。 - 需要系统化落地AI+GitHub协作的组织:
很多组织都在探索AI在软件开发中的应用,但常常面临AI能力碎片化、与现有流程脱节、难以统一管理的问题。ccpm提供了一套端到端的解决方案,将AI深度嵌入到GitHub驱动的开发流程中,使得AI辅助开发不再是零散的工具尝试,而是有章可循、可管理、可扩展的系统化实践。它帮助组织构建真正的AI驱动型DevOps工作流。
1.3 环境要求:准备你的工作台
为了顺畅运行 Claude Code PM,你需要准备一个符合以下要求的开发环境。这些要求确保了ccpm及其依赖项能够稳定、高效地运行。
- 操作系统(OS):
- 推荐:Linux/macOS。ccpm的核心脚本基于Bash,在Unix-like系统上运行最为稳定、高效。
- 兼容:WSL (Windows Subsystem for Linux)。对于Windows用户,强烈推荐安装WSL 2,它提供了一个近乎原生的Linux环境,能够完美兼容ccpm的所有功能。
- 有限支持:PowerShell。ccpm提供PowerShell安装脚本,但由于PowerShell与Bash在命令语法和环境特性上的差异,部分高级功能或辅助脚本可能会遇到兼容性问题。建议优先使用WSL。
- 必须具备的工具:
- Git: ccpm与GitHub深度集成,所有代码版本控制、仓库交互都需要Git。请确保Git已正确安装并配置好用户名和邮箱。
- curl / wget: 用于从GitHub下载ccpm的安装脚本。请确保你的系统至少安装了其中一个。
- Bash (或PowerShell): 运行ccpm脚本的Shell环境。Bash是Linux/macOS的默认Shell,WSL也使用Bash。
- GitHub账户: ccpm的所有任务、代码、讨论都将同步到你的GitHub仓库中。你需要一个活跃的GitHub账户,并在后续初始化过程中进行认证。
- 推荐安装的扩展:
- GitHub CLI (gh): GitHub官方命令行工具,ccpm核心依赖它来与GitHub API进行交互,例如创建Issue、更新评论、管理仓库等。它的认证和操作都非常便捷。
- gh-sub-issue扩展: 这是
gh
CLI的一个扩展,用于在GitHub Issue中创建和管理父子任务关系(即Sub-Issue)。ccpm利用它来管理Epic与Task之间的层级关系,确保任务分解的清晰度和可追溯性。
2. 基础入门:环境准备与项目初始化
在开始激动人心的AI辅助开发之旅前,我们首先需要搭建好ccpm的工作环境并进行项目初始化。
2.1 环境搭建:让ccpm在家安稳落户
ccpm的安装设计得尽可能简便,支持多种操作系统和安装方式。
A. Linux/macOS 平台安装(推荐)
在Linux或macOS环境下,你可以通过一行命令快速安装ccpm。这个命令会从GitHub下载安装脚本并执行。
- 打开你的终端(Terminal)。
- 切换到你想要初始化pm系统的项目根目录 。例如,如果你的项目代码在
~/my-awesome-project
,则执行cd ~/my-awesome-project
。注意: ccpm会在当前目录创建.claude
文件夹,所以务必在你的项目根目录执行。 - 执行以下任一命令进行安装:
-
使用
curl
:bashcd path/to/your/project/ curl -sSL https://raw.githubusercontent.com/automazeio/ccpm/main/ccpm.sh | bash
-
或者使用
wget
:bashcd path/to/your/project/ wget -qO- https://raw.githubusercontent.com/automazeio/ccpm/main/ccpm.sh | bash
-
命令解释:
curl -sSL ... | bash
或wget -qO- ... | bash
:这部分命令的作用是下载位于 GitHub 上的ccpm.sh
脚本,并通过管道 (|
) 将其内容直接传递给bash
shell 执行。-s
或-qO-
:静默模式,不显示下载进度。-S
或-L
:如果遇到重定向,会自动跟踪。
ccpm.sh
脚本通常会:- 在当前目录下创建
.claude/
文件夹。 - 将ccpm的核心文件和目录结构克隆或复制到
.claude/
内部。 - 将
ccpm
命令(实际上是一个函数的别名或可执行脚本)添加到你的Shell配置文件(如.bashrc
,.zshrc
),这样你就可以在任何地方直接使用pm:
开头的命令了。
- 在当前目录下创建
-
B. Windows 平台安装(推荐WSL或PowerShell)
对于Windows用户,强烈推荐使用WSL 2(Windows Subsystem for Linux)作为ccpm的运行环境,因为它提供了最佳的兼容性。如果你无法使用WSL,也可以尝试PowerShell。
-
针对WSL用户(推荐):
- 确保你已安装并配置好WSL 2(例如Ubuntu发行版)。
- 打开WSL终端。
- 通过
cd /mnt/c/path/to/your/project
等方式切换到你的Windows项目根目录。 - 然后按照上述 A. Linux/macOS 平台安装 的步骤执行命令。
-
针对PowerShell用户(有限支持):
-
打开PowerShell终端(以管理员身份运行可能避免部分权限问题)。
-
切换到你的项目根目录。
-
执行以下命令:
powershellcd path\to\your\project iwr -useb https://raw.githubusercontent.com/automazeio/ccpm/main/ccpm.bat | iex
-
命令解释:
iwr -useb ... | iex
:iwr
(Invoke-WebRequest) 用于下载脚本,-useb
确保使用基本解析器。下载后,通过管道 (|
) 传递给iex
(Invoke-Expression) 执行。
-
PowerShell常见问题及解决:
-
执行策略报错: 如果遇到"禁止执行脚本"的错误,需要修改PowerShell的执行策略。
powershellSet-ExecutionPolicy RemoteSigned -Scope CurrentUser
在执行完ccpm安装后,你可以选择将其改回
Restricted
。 -
404 报错 / 兼容性问题: PowerSehll在处理某些脚本特性时可能与Bash存在差异。如果安装失败或后续命令出现异常,强烈建议转用WSL或采用手动安装方式。
-
-
C. 快速手动安装(故障排除或高级用户)
如果自动化安装脚本遇到问题,或者你希望对安装过程拥有更多控制权,可以选择手动克隆GitHub仓库。
-
打开终端/命令提示符。
-
切换到你的项目根目录。
-
克隆ccpm仓库内容(而非整个仓库)到当前目录,并清除Git历史:
bashgit clone https://github.com/automazeio/ccpm.git . && rm -rf .git/
- 解释: 这个命令会将
ccpm
仓库的所有文件(包括.claude
目录及其他辅助文件)克隆到你的当前项目目录下。&& rm -rf .git/
命令接着会删除克隆下来的.git
隐藏目录,这样你的项目就不会意外地被当成ccpm
仓库的子模块。 - 后续步骤: 手动安装后,你还需要进行以下配置:
-
将ccpm命令添加到PATH或别名: 找到
ccpm
的主脚本(通常是.claude/ccpm.sh
或.claude/ccpm.bat
),将其路径添加到你的PATH
环境变量,或者在Shell配置文件(如.bashrc
,.zshrc
,profile
)中添加一个别名,以便可以直接使用/pm:
格式的命令。例如:bash# 在 .bashrc 或 .zshrc 中添加 source ~/.claude/ccpm.sh # ccpm.sh 脚本会设置 PM_COMMAND_PREFIX 函数
确保你的Shell加载了该文件。
-
手动安装
gh
CLI 和gh-sub-issue
扩展: 参照GitHub CLI官方文档和gh-sub-issue
的安装说明进行安装。ccpm的/pm:init
命令会自动检测和安装,但手动方式则需要你自行完成。
-
- 解释: 这个命令会将
2.2 项目初始化:为你的项目注入智能PM能力
成功安装ccpm后,下一步就是对你的项目进行初始化,使其具备AI辅助的项目管理能力。
A. 初始化PM系统:/pm:init
这是启动ccpm项目管理功能的第一个关键命令。它会进行一系列的检查和配置,确保你的环境为AI驱动的GitHub协作做好准备。
bash
/pm:init
-
执行步骤与详细解释:
- GitHub CLI (gh) 检查与安装:
- ccpm会首先检测你的系统是否安装了
gh
CLI。如果没有,它会提示你进行安装,并尝试自动执行安装流程。 - GitHub认证:
gh
CLI会引导你完成GitHub账户的认证。这通常会弹出一个浏览器窗口让你登录GitHub,并授权gh
访问你的仓库。务必确保认证成功,这是ccpm与GitHub交互的基础。
- ccpm会首先检测你的系统是否安装了
- gh-sub-issue 扩展检查与安装:
- 接着,ccpm会检查
gh-sub-issue
扩展是否安装。这个扩展对于管理Epic和Task的父子关系至关重要。如果没有,它会提示并尝试自动安装。
- 接着,ccpm会检查
.claude/
目录结构创建与初始化:- 如果当前目录下没有
.claude/
文件夹,/pm:init
会自动创建它,并在内部生成ccpm所需的标准目录结构(详见下一节)。
- 如果当前目录下没有
.gitignore
配置:- 为了避免将ccpm的临时文件、日志和AI Agent的中间产物提交到Git仓库中,
/pm:init
会自动向你的项目.gitignore
文件中添加必要的忽略规则。如果你的项目还没有.gitignore
文件,它会为你创建一个。
- 为了避免将ccpm的临时文件、日志和AI Agent的中间产物提交到Git仓库中,
- AI API Key 配置提示:
- ccpm会引导你配置你的AI服务API Key(例如OpenAI或Anthropic Claude的Key)。AI Key通常存储在一个环境变量中(如
CLAUDE_API_KEY
或OPENAI_API_KEY
),ccpm的脚本会读取这些变量调用AI。这是AI Agent的核心能力来源。请务必妥善保管你的API Key,切勿直接提交到GitHub仓库中。
- ccpm会引导你配置你的AI服务API Key(例如OpenAI或Anthropic Claude的Key)。AI Key通常存储在一个环境变量中(如
- GitHub CLI (gh) 检查与安装:
-
带来的价值:
/pm:init
一步到位地为你配置了ccpm的运行环境,解决了GitHub工具链的依赖问题,并建立了项目管理的基础文件结构,让你能快速进入AI辅助开发的轨道。
B. 创建CLAUDE.md(项目AI协作核心说明)
CLAUDE.md
是你项目与AI Agent协作的"宪法"。它定义了AI Agent的行为规范、项目风格、技术栈偏好,以及通用开发逻辑。虽然 /pm:init
可能不会直接生成此文件,但你应该手动创建它,并使用 /init include rules from .claude/CLAUDE.md
命令将其内容"注入"到AI的初始上下文。
建议在 .claude/
目录下创建一个 CLAUDE.md
文件。
-
CLAUDE.md
示例内容:markdown# 项目协作指南 ## 1. 项目概览 - **项目名称:** [你的项目名称] - **项目目标:** [简述项目最终目的] - **产品类型:** [例如:Web应用, 移动App, API服务, 库/框架] ## 2. 技术栈与编码规范 - **前端:** [例如:React, Next.js, TypeScript, TailwindCSS] - **后端:** [例如:Node.js, Express, Python, Django, FastAPI] - **数据库:** [例如:PostgreSQL, MongoDB, Redis] - **云平台:** [例如:AWS, GCP, Azure] - **编码风格:** [例如:遵循ESLint/Prettier规则, Python PEP 8] - **测试框架:** [例如:Jest, React Testing Library, Pytest] - **文档规范:** [例如:JSDoc for JS, Sphinx for Python] ## 3. 协作流程与提交规范 - **分支策略:** [例如:GitFlow, GitHub Flow] - **Commit Message:** [例如:Conventional Commits规范] - **PRD与Issue:** 所有开发必须追溯到PRD,并通过Issue进行管理。 - **Pull Request:** 提交前确保通过所有测试,代码整洁,附带清晰的描述和Issue链接。 ## 4. AI Agent行为规范 - **角色设定:** 你是一名资深全栈工程师,擅长[项目技术栈]。 - **沟通风格:** 简洁、专业,提供清晰的解释和技术方案。 - **决策原则:** 在不确定时,优先寻求人类确认;在可能引入复杂性时,优先选择简洁、成熟的解决方案。 - **输出期望:** - 提供可直接运行的代码片段或文件。 - 补充必要的思考过程、技术选型理由和潜在风险。 - 遵守编码规范。 - 每次输出后,请总结当前进展和下一步计划。 ## 5. 其他重要说明 - [例如:对性能、安全性、可维护性的特殊要求] - [例如:与其他外部系统的集成方式]
-
何时使用
/init include rules from .claude/CLAUDE.md
:这个命令并非一个ccpm的内置命令,而是一个提示AI将你的
CLAUDE.md
内容载入其工作上下文的指令。你会在首次与AI互动时 (例如/pm:prd-new
或/pm:epic-decompose
之后)手动输入这个指令,或者在后续的AI提示中提醒AI参考该文件。这个指令并非直接执行一个ccpm内部操作,而是通过AI的指令响应机制,确保AI从一开始就了解并遵循你的项目规则。 -
带来的价值:
CLAUDE.md
确保了AI Agent在项目开始阶段就具备了与项目高度相关的"知识"和"规范",避免了AI生成不符合项目风格或技术栈的代码和方案,是实现高效AI协作的基础。
C. 初始化项目上下文:/context:create
随着项目的推进,会积累大量的文档、讨论和代码,这些构成了项目的"知识库"。/context:create
命令旨在帮助你生成一个项目的全局上下文文档,便于AI Agent和团队成员持久理解项目的全貌。
bash
/context:create
-
执行步骤与详细解释:
- ccpm会引导你收集项目的基本信息,例如项目名称、简要描述、主要技术栈、当前阶段、核心功能列表等。
- 它可能还会自动扫描
.claude/prds/
目录下的所有PRD文件,以及.claude/epics/
目录下的epic.md
文件,将其中关键信息提炼出来。 - 最终,ccpm会在
.claude/context/
目录下生成一个project_context.md
或类似名称的文档。
-
project_context.md
示例(AI自动生成或人工补充):markdown# 项目全局上下文:智能聊天机器人 (Chatbot) ## 1. 项目基本信息 - **项目名称:** 智能聊天机器人 (Chatbot) - **项目目标:** 构建一个支持多轮对话、上下文记忆和插件扩展的通用聊天机器人平台,提升用户互动体验。 - **当前阶段:** MVP开发阶段,已完成基础结构搭建,正在进行核心功能模块开发。 ## 2. 核心功能概览 - **NLP模块:** 用户意图识别、实体抽取、多轮对话管理。 - **上下文记忆:** 基于用户ID和会话ID存储对话历史。 - **插件系统:** 支持动态加载外部工具或API。 - **用户界面:** Web端聊天界面,集成聊天窗口、历史记录。 - **认证与授权:** 用户注册/登录,会话管理。 ## 3. 技术栈 - **后端:** Python (FastAPI), Asyncio, Redis (for session/context cache) - **NLP:** Hugging Face Transformers (Sentence Transformers), SpaCy - **前端:** React, TypeScript, Chakra UI - **数据库:** PostgreSQL (for user/plugin data) - **部署:** Docker, Kubernetes (暂定,MVP阶段可能使用简单VM) - **版本控制:** Git, GitHub ## 4. 关键Epic与进展 - **Epic: 用户身份认证与会话管理 (完成 80%)** - Task: 用户注册 API (完成) - Task: 用户登录 API (完成) - Task: JWT令牌生成与验证 (完成) - Task: 会话刷新机制 (进行中) - **Epic: 基础对话理解 (完成 50%)** - Task: 意图识别模型集成 (完成) - Task: 实体抽取逻辑 (进行中) - Task: 基础回复生成 (未开始) - ... (更多Epic及进展) ## 5. 关键依赖与风险 - **外部依赖:** AI模型API (OpenAI/Anthropic) 稳定性。 - **内部依赖:** 插件系统设计高度依赖NLP模块的输出。 - **潜在风险:** NLP模型在复杂语境下的准确率可能不足;插件扩展的安全性问题。 ## 6. 其它重要信息 - 编码规范请参考 `.claude/CLAUDE.md`。 - 预计MVP发布时间:[日期]
-
带来的价值:
/context:create
创建的全局上下文文档是项目中所有AI Agent和人工开发者共享的"项目记忆"。它确保了所有参与者都能对项目的目标、进展和技术细节保持一致的理解,减少了重复提问和上下文切换的开销,是保障高效协作和AI智能化的重要基石。建议定期使用/pm:context-update
更新此文档,确保其新鲜度。
2.3 基本命令与目录结构:ccpm的语言和骨架
了解ccpm的目录结构和常用命令框架,是掌握其工作原理和高效操作的基础。
A. 主要目录结构
cd path/to/your/project
后,你的项目根目录下会出现一个 .claude/
隐藏文件夹,这是ccpm的所有配置、文档和辅助脚本的存储位置。
/your-project/
├── .claude/
│ ├── context/ # 存储项目的全局上下文文档 (project_context.md)。这是AI理解项目全貌的基础。
│ ├── prds/ # 存储所有产品需求文档(PRD)。每个PRD对应一个MarkDown文件,是需求的单一真相来源。
│ ├── epics/ # 存储Epic(史诗)及其分解后的具体任务文件。每个Epic拥有一个子目录。
│ │ └── [epic_name]/ # 某个Epic的专属目录,例如 `memory-system/`
│ │ ├── epic.md # 详细描述该Epic的实现方案、架构设计、技术选型和子任务概览。
│ │ ├── [task_1].md # 该Epic下的一个具体任务描述文件,定义任务目标和交付物。
│ │ └── [task_2].md # 另一个任务描述文件。
│ ├── agents/ # 存放可自定义的AI Agent配置或脚本。你可以根据项目需求定义不同角色的Agent。
│ ├── commands/ # 定义ccpm的各类核心命令脚本。你可以通过修改或添加脚本来扩展ccpm的功能。
│ ├── scripts/ # 存放辅助性脚本,例如数据处理、代码生成辅助等。
│ └── ccpm.sh # ccpm的核心启动脚本和命令别名定义。
├── .gitignore # 项目的Git忽略文件,由ccpm自动添加必要规则。
├── your-code-files/ # 你的实际项目代码文件。
└── ...
- 解释与功能模块对应:
.claude/prds/
:产品管理模块,需求输入。.claude/epics/
:任务分解与计划模块,需求转化为可执行任务。.claude/context/
:知识库模块,AI与团队的共享项目知识。.claude/agents/
和.claude/commands/
:自定义与自动化模块,ccpm的扩展性核心。
B. 常用命令框架:与ccpm对话的语言
ccpm的所有命令都以 /pm:
作为前缀,方便识别和调用。以下是日常使用中,你将频繁接触的核心命令:
-
/pm:prd-new <功能名>
:新建产品需求文档(PRD)- 作用: 启动一个新的产品功能开发流程,会引导你创建对应的PRD文件。
- 示例:
/pm:prd-new user-authentication
将在.claude/prds/
下创建user-authentication.md
。
-
/pm:prd-parse <功能名>
:PRD解析为Epic实施计划- 作用: AI Agent会根据指定的PRD内容,生成一个高层次的Epic实施计划。
- 示例:
/pm:prd-parse user-authentication
会在.claude/epics/user-authentication/
目录下生成epic.md
。
-
/pm:epic-decompose <功能名>
:Epic分解为具体任务- 作用: AI Agent会进一步将Epic分解为更小、更具体的开发任务,每个任务对应一个Markdown文件。
- 示例:
/pm:epic-decompose user-authentication
将分解user-authentication
Epic下的任务,生成多个task_*.md
文件。
-
/pm:epic-oneshot <功能名>
:一键分解Epic并同步到GitHub Issue- 作用: 整合了
/pm:epic-decompose
和 GitHub 同步的流程,一步到位地完成任务分解并在GitHub上创建Issue及子任务关系。 - 示例:
/pm:epic-oneshot user-authentication
。
- 作用: 整合了
-
/pm:issue-start <任务号>
:为某个任务启动AI Agent进行开发- 作用: 指定一个GitHub Issue编号,AI Agent将开始理解任务上下文,并尝试生成代码、提供方案。
- 示例:
/pm:issue-start 123
(其中123是GitHub Issue的ID)。
-
/pm:issue-sync <任务号>
:同步任务进度到GitHub- 作用: 将AI Agent或人工开发者在本地的开发进展(如代码文件、日志、讨论)同步到对应的GitHub Issue评论区。
- 示例:
/pm:issue-sync 123
。
-
/pm:next
:推荐下一个优先任务- 作用: AI Agent会根据当前项目的全局进度、任务依赖、阻塞情况等,智能推荐一个优先级最高的未开始或被阻塞的任务。
- 示例:
/pm:next
。
-
/pm:status
:查看项目全貌与进展- 作用: 提供项目当前状态的概览,包括Epic、任务、进度、阻塞项等。
-
/pm:standup
:生成日报- 作用: AI Agent根据项目最新进展、完成任务、进行中任务和遇到的阻塞,自动生成一份团队日报。
-
/pm:context-update
:更新全局上下文- 作用: 重新生成或更新项目的
project_context.md
文件,确保AI Agent具有最新的项目知识。
- 作用: 重新生成或更新项目的
-
/pm:blocked <任务号> <阻塞原因>
:标记任务为阻塞状态- 作用: 将指定任务标记为阻塞状态,并记录阻塞原因,有助于团队及时发现并解决问题。
- 示例:
/pm:blocked 123 "等待后端API接口"
。
这些命令构成了ccpm的核心交互语言,通过它们,你可以指挥AI Agent、管理项目流程、追踪任务进度,并与团队高效协作。
3. 核心工作流详解:PRD驱动到GitHub同步
Claude Code PM 的核心价值在于其端到端的工作流,它将产品需求(PRD)的构思、技术方案的制定,再到具体的任务分解和 GitHub Issue 的同步,都纳入了一个流畅、智能化的管理体系中。本节将详细拆解这一核心工作流。
3.1 PRD驱动开发流程:从愿景到可执行计划
PRD驱动是ccpm的核心,它通过PRD的撰写、解析和分解,确保每一个开发任务都紧密围绕产品需求展开。
-
需求头脑风暴与PRD撰写:
/pm:prd-new <功能名>
所有开发活动的起点,皆源于对用户需求和产品功能的细致定义。
bash/pm:prd-new memory-system
-
输出: ccpm 会在
.claude/prds/
目录下生成一个名为memory-system.md
的Markdown文件。这个文件是你的"原始PRD模板"。 -
操作: 你需要人工编辑并完善这个Markdown文件,详细填写产品的愿景、目标用户、用户故事、核心功能点、非功能性需求(性能、安全)、以及清晰的验收标准。这一步是确保需求准确、清晰的关键,AI的后续工作质量很大程度上取决于PRD的质量。
-
示例
memory-system.md
内容(人工补充后):markdown# PRD: 上下文记忆系统 ## 1. 愿景 构建一个高效、可扩展的上下文记忆系统,使得聊天机器人/AI助手能够在多轮对话中保持对用户意图、偏好和对话历史的长期记忆,从而提供更连贯、智能的互动体验。 ## 2. 目标用户 - AI助手用户:期望获得个性化、连贯对话体验的用户。 - 开发者:希望通过简单API集成记忆功能到其AI应用中的开发者。 ## 3. 用户故事 (User Stories) - AS A 用户, I WANT 助手能记住我在上次对话中提到的偏好 (e.g., "我喜欢日料"), SO THAT 它下次推荐时能直接考虑。 - AS A 用户, I WANT 助手能理解我正在谈论的某个实体 (e.g., "上次我问的那个餐厅"), SO THAT 我不需要重复提及完整名称。 - AS A 开发者, I WANT 简洁的API接口来存取用户对话的结构化与非结构化记忆。 ## 4. 核心功能 - **4.1 长期记忆存储:** - 存储用户偏好、重要实体、关键信息。 - 持久化存储,支持跨会话记忆。 - **4.2 短期记忆(会话上下文)管理:** - 存储当前会话的最近N轮对话。 - 支持话题切换与保留。 - **4.3 记忆检索与注入:** - 在新对话开始时,能够根据用户ID检索并注入相关长期记忆。 - 能够从当前会话中抽取关键信息,更新短期记忆。 - 能够根据历史对话,动态生成意图理解所需的上下文。 - **4.4 API接口:** - RESTful API,用于存储、检索、更新记忆。 - 支持用户认证与授权。 ## 5. 非功能性需求 - **性能:** 记忆检索延迟 < 100ms;存储容量支持千万级用户。 - **安全性:** 记忆数据加密存储与传输;API访问鉴权。 - **可扩展性:** 支持未来接入更多AI模型和数据源。 - **可靠性:** 99.9%的服务可用性。 ## 6. 验收标准 - 机器人可以在3轮对话后,记住用户明确表达的3个偏好。 - 机器人可以在新会话中,引用上次会话中用户提及的一个关键实体。 - API接口文档完善,并提供示例。 - 已集成单元测试和集成测试,覆盖率 > 80%。
-
-
PRD解析为Epic实施计划:
/pm:prd-parse <功能名>
一旦PRD撰写完成,AI Agent将介入,将其转化为一个更高层次、偏向技术实现的Epic实施计划。
bash/pm:prd-parse memory-system
-
输出: ccpm 会在
.claude/epics/memory-system/
目录下生成一个epic.md
文件。 -
操作: AI会初步填充Epic的通用信息、技术方案初稿、架构设计设想和潜在的技术依赖等。你需要作为人类项目经理,审阅并进一步补充或修正这些技术细节,例如决定具体的数据库选型、缓存策略、消息队列使用等。这一步是将产品需求落实到技术实现路径的关键。
-
示例
epic.md
内容(AI生成后人工补充):markdown# Epic: 上下文记忆系统实现计划 ## 1. Epic 目标 基于 `memory-system.md` PRD,设计并实现一个支持长期记忆和会话上下文管理的后端服务,提供API供机器人调用。 ## 2. 技术选型 - **后端框架:** Python FastAPI (高性能、异步支持) - **长期记忆存储:** PostgreSQL (结构化数据存储,支持复杂查询) - **短期记忆/会话缓存:** Redis (高并发、低延迟键值存储) - **OR/M:** SQLAlchemy (简化数据库交互) - **认证:** JWT (Jason Web Token,用于API鉴权) - **容器化:** Docker - **其他工具:** Pydantic (数据校验), Uvicorn (ASGI服务器) ## 3. 架构设计 (概念图)
Client/Chatbot\] --\> \[FastAPI Service
|
V
±-------------------------+
| Context Memory Service |
| (FastAPI) |
±-------------------------+
| | |
V V VRedis Cache\] \[PostgreSQL DB\] \[Plugin Integration Layer
* **FastAPI Service:** 负责处理所有记忆相关的API请求。 * **Redis Cache:** 存储短期会话上下文(例如最近N轮对话)。 * **PostgreSQL DB:** 存储用户长期偏好、关键实体等结构化记忆。 * **Plugin Integration Layer:** (未来扩展) 用于记忆与外部系统/插件的交互。 ## 4. 接口设计 (示例) - `POST /memory/store_long_term`: 存储长期记忆 - `GET /memory/retrieve_long_term/{user_id}`: 检索长期记忆 - `POST /context/update_session/{session_id}`: 更新会话上下文 - `GET /context/get_session/{session_id}`: 获取会话上下文 ## 5. 依赖关系 - **外部依赖:** 需要一个可用的PostgreSQL和Redis实例。 - **内部依赖:** 需等待用户认证服务(JWT生成)就绪。 ## 6. 风险评估 - **性能风险:** 大规模并发记忆检索可能瓶颈,需进行性能测试。 - **数据安全:** 敏感记忆的加密与访问控制。 - **数据一致性:** Redis与PostgreSQL之间的数据同步策略。 ## 7. 验收标准 (与PRD呼应) - 所有API接口均通过Postman/Swagger测试。 - 长期记忆和短期记忆功能按预期工作。 - 完成性能基准测试。 - 安全性评估通过。
-
-
Epic分解为独立任务:
/pm:epic-decompose <功能名>
在Epic实施计划确定后,AI Agent将进行更细致的任务分解。它将把一个大的Epic拆解成多个相互独立、粒度适中、可并行执行的开发任务(Task)。
bash/pm:epic-decompose memory-system
- 输出: ccpm 会在
.claude/epics/memory-system/
目录下生成多个task_*.md
文件,例如task_setup_fastapi_project.md
,task_implement_long_term_memory_api.md
等。每个文件都是一个独立的任务描述。 - 操作: 你需要审阅这些任务文件,可以根据需要进行调整,例如合并或拆分任务、修改任务描述、添加详细的技术指导或引用代码库。每个任务都应是可独立交付的最小工作单元。
- 输出: ccpm 会在
-
同步到GitHub Issue:
/pm:epic-oneshot <功能名>
这是将本地需求和计划转化为GitHub可见、可管理的任务的核心步骤。
bash/pm:epic-oneshot memory-system
- 操作: ccpm 会自动执行以下操作:
- 在GitHub仓库中创建一个名为"Epic: 上下文记忆系统实现计划"的父级Issue 。这个Issue会包含
.claude/epics/memory-system/epic.md
中的内容。 - 为
.claude/epics/memory-system/
目录下每个task_*.md
文件创建一个子级Issue。这些子级Issue会自动关联到父级Epic Issue,形成清晰的父子关系。 - 为子任务Issue添加适当的标签(如
todo
,enhancement
)。
- 在GitHub仓库中创建一个名为"Epic: 上下文记忆系统实现计划"的父级Issue 。这个Issue会包含
- 带来的价值: 一键完成从本地文档到GitHub Issue的转换,极大地节省了手动创建和管理大量Issue的时间。GitHub的父子Issue关系(通过
gh-sub-issue
扩展实现)使得Epic和Task的层级一目了然,方便团队按层次追踪。至此,整个开发团队,无论是人工还是AI Agent,都可以在GitHub上看到明确的任务清单和层级结构。
- 操作: ccpm 会自动执行以下操作:
3.2 任务执行与并行开发:AI与人工的协同
在GitHub Issue列表已经构建完成之后,团队成员和AI Agent就可以认领并执行各自的任务了。ccpm支持多Agent并行开发,最大化项目推进速度。
-
AI Agent 接手任务:
/pm:issue-start <任务号>
当一个任务被分配给AI Agent时,这个命令会启动Agent,让它开始理解任务并着手开发。
bash/pm:issue-start 1234 # 假设1234是"Task: Setup FastAPI Project"的GitHub Issue ID
- 操作:
- AI Agent会读取对应GitHub Issue中的详细描述,理解任务目标、验收标准。
- 它还会加载项目的全局上下文 (
.claude/context/project_context.md
) 和AI协作规范 (.claude/CLAUDE.md
),确保其开发符合项目整体要求。 - AI Agent会在本地的工作区开始生成代码、配置文件、提供技术方案等。
- 首次启动可能还会自动在Issue下生成一个"AI Agent开始工作"的评论。
- 带来的价值: 自动化任务执行,AI Agent能够基于上下文进行智能开发,将开发任务从概念转化为实际代码。
- 操作:
-
人工开发者认领并执行:
人工开发者可以直接在GitHub上认领Issue,并在本地开发。ccpm的命令行工具也能辅助人工开发者:
/pm:issue-pull <任务号>
: 拉取最新Issue信息到本地,刷新本地上下文。/pm:issue-comment <任务号> <内容>
: 从命令行快速给Issue添加评论。/pm:issue-log <任务号>
: 查看某个Issue的本地开发日志,了解AI或自己的开发历史。
-
任务并行与多Agent协同:
ccpm天生支持多个任务同时进行。
-
多个人工开发者: 可以同时认领并开发不同的子任务。
-
多个AI Agent: 你可以同时启动多个AI Agent来处理不同的Task Issue。每个Agent会保持自己独立的上下文和工作进程,互不干扰,从而实现真正的并行开发。例如:
bash/pm:issue-start 1234 # AI Agent A 开发后端API /pm:issue-start 1235 # AI Agent B 开发前端UI
-
人工与AI混合协作: 这是ccpm的理想状态。人工开发者负责复杂的设计、架构与决策,AI Agent负责实现标准模块、编写测试、生成辅助代码,相互协作,最大化团队的开发吞吐量。
-
3.3 上下文与进度管理:掌握项目脉搏
在并行开发的过程中,保持项目上下文的更新和进度的透明是至关重要的。ccpm提供了一系列命令来帮助你掌握项目的最新脉搏。
-
更新全局上下文:
/context:update
项目的上下文不是静态的,会随着PRD的修订、Epic的完成、任务的进展而不断变化。
bash/context:update
- 操作: 这个命令会重新读取所有PRD、Epic和已完成的任务信息,自动更新
.claude/context/project_context.md
文件。 - 带来的价值: 确保AI Agent和团队成员始终具备最新的项目全貌,避免因信息滞后导致的开发偏差。建议在关键里程碑或重要信息变更后,定期执行此命令。
- 操作: 这个命令会重新读取所有PRD、Epic和已完成的任务信息,自动更新
-
同步本地开发进展到GitHub:
/pm:issue-sync <任务号>
这是实现开发透明化的关键。无论是AI Agent还是人工开发者,都应该频繁地将工作进展同步到GitHub Issue。
bash/pm:issue-sync 1234
- 操作: ccpm会将本地关于该任务的最新开发日志、重要的代码片段、遇到的问题或解决方案,以及AI Agent的思考过程,自动作为评论添加到GitHub上对应的Issue中。
- 带来的价值:
- 增强透明度: 所有团队成员(甚至外部协作方)都能实时了解任务的最新进展,无需额外沟通。
- 上下文留痕: Issue的评论区成为该任务的完整开发日志,方便未来的追溯和复盘。
- AI互动: AI Agent会将其生成的代码和思考过程同步到Issue,供人工开发者审阅和指导。
- 最佳实践: 建议每次完成一个小阶段的工作、生成重要代码或遇到问题时,都及时运行
/pm:issue-sync
。
-
查看项目全貌与进展:
/pm:status
、/pm:epic-show <功能名>
、/pm:in-progress
这些命令提供了不同粒度的项目状态视图。
/pm:status
:- 作用: 提供整个项目的概览,包括所有Epic的列表、它们的整体进度百分比、进行中和已完成任务的数量,以及任何被标记为阻塞的项。
- 带来的价值: 帮助项目经理和团队成员快速掌握全局,识别高风险区域或瓶颈。
/pm:epic-show <功能名>
:- 作用: 展示特定Epic的详细信息,包括其下的所有子任务、每个子任务的状态(待办、进行中、已完成、阻塞)、负责人、以及与GitHub Issue的链接。
- 示例:
/pm:epic-show memory-system
- 带来的价值: 深入了解单个Epic的进展及所有构成任务,便于聚焦管理。
/pm:in-progress
:- 作用: 列出所有当前处于"进行中"状态的任务,包括人工和AI Agent正在处理的任务,通常会显示任务的简要描述和Issue ID。
- 带来的价值: 快速了解团队当前的活跃工作负载,便于协调资源。
-
日报生成:
/pm:standup
简化团队的每日站会(Daily Standup)流程。
bash/pm:standup
- 作用: AI Agent会根据GitHub Issue的最新状态(如昨日完成的任务、今日计划处理的任务、遇到的阻塞)、结合本地的开发日志,自动生成一份格式化的日报。
- 带来的价值: 大幅减少人工撰写日报的时间,确保日报内容基于真实的项目数据,提升团队沟通效率。
-
发现阻塞项:
/pm:blocked
快速识别项目中的瓶颈,确保问题能被及时发现和解决。当一个任务依赖于另一个外部条件,例如等待某个API接口、某个设计稿、或者其他团队的交付时,就可以将其标记为阻塞。
bash/pm:blocked
- 操作: 这个命令会列出所有当前被标记为"阻塞(Blocked)"状态的任务,并显示其阻塞原因和负责人。
- 带来的价值: 帮助团队迅速聚焦需要关注和解决的关键问题,避免不必要的等待和延误。
4. 日常使用实践:高效开发与协作
掌握了ccpm的核心工作流和基础命令后,本节将通过典型的开发流程演练,展示如何在日常工作中高效地运用ccpm,实现多人/多AI并行开发,并有效追踪和排查问题。
4.1 典型开发流程演练:一步步构建功能
以下是一个功能开发的完整生命周期,演示了ccpm各命令如何串联工作:
-
构思与需求定义:
你有一个新的功能想法------"推理引擎"。
bash/pm:prd-new 推理引擎
- 操作: ccpm生成
.claude/prds/推理引擎.md
。 - 人工任务: 你会打开这个文件,详细补充推理引擎的愿景、用户故事、核心功能、性能要求和验收标准等。这是你与产品经理(如果你就是产品经理)的沟通结果,是后续一切开发的基石。
- 操作: ccpm生成
-
技术方案与Epic规划:
根据完善的PRD,你需要规划技术实现方案。
bash/pm:prd-parse 推理引擎
- 操作: ccpm(由AI辅助)会读取
.claude/prds/推理引擎.md
,并在.claude/epics/推理引擎/
下生成epic.md
。这个文件包含了AI初步设想的技术栈、架构草图、主要模块划分等。 - 人工任务: 你会审阅并完善
epic.md
。你可能会对技术选型做出最终决定,绘制更详细的架构图,或补充具体的接口设计草案。
- 操作: ccpm(由AI辅助)会读取
-
任务分解与GitHub同步:
有了详细的Epic规划,现在是时候将其分解成可执行的任务并同步到GitHub了。
bash/pm:epic-oneshot 推理引擎
- 操作: ccpm会自动将Epic分解为多个独立的子任务(Task),在本地生成各自的Markdown文件。然后,它会连接GitHub,创建一个父级Issue(对应Epic),并为每个子任务创建子级Issue,建立清晰的父子关系。
- 人工任务: 你可以检查GitHub Issue列表,确保任务分解合理,并根据需要分配负责人(可以是人工开发者,也可以是特定的AI Agent)。
-
AI Agent开始开发:
现在,你可以启动AI Agent来处理其中一个或多个子任务了。假设"1234"是"推理引擎构建"Epic下的一个具体任务ID(例如,"实现核心推理逻辑")。
bash/pm:issue-start 1234
- 操作: AI Agent会开始分析GitHub上的Issue #1234,理解任务要求和整个项目的上下文,然后在本地生成代码或设计方案。AI会在本地创建工作目录,并在这里进行思考和输出。
- 人工任务: 你可以切换到其他任务,或进行代码审查、架构设计等更高价值的工作。
-
开发中:持续同步进度:
当AI Agent在本地完成阶段性工作,或者你在本地进行了修改并希望AI继续接管时,都需要同步进度。
bash/pm:issue-sync 1234
- 操作: ccpm会将本地AI Agent生成的代码、日志、思考过程或你的人工修改,作为评论同步到GitHub Issue #1234中。这使得团队成员可以随时查看AI的最新工作和你的反馈。
- 人工任务: 持续审查AI生成的代码,提供反馈意见,甚至直接修改代码,然后再次运行
/pm:issue-sync
将你的修改和指示同步给AI。ccpm旨在构建一种"人教AI,AI协作人"的互动模式。
通过反复执行上述步骤,你和你的团队可以高效地从需求构思,到技术实现,再到具体的代码开发和进度追踪,完成一整个功能的构建。
4.2 多人/多AI并行开发:加速项目进展
ccpm 的设计理念之一就是最大化并行度。它支持多个人工开发者与多个AI Agent在同一项目内无缝协同,共同推进任务。
- 独立的上下文与工作区:
- 每个GitHub Issue都代表一个独立的任务上下文。无论是人工开发者还是AI Agent,在处理一个Issue时,都会聚焦于该Issue的描述、评论及其关联的代码,避免相互干扰。
- AI Agent在
/pm:issue-start
时会为其创建独立的临时工作目录,确保其工作环境的隔离。
- Epic与Issue的父子结构保证全程溯源与分工明确:
- 通过
gh-sub-issue
扩展,ccpm 在GitHub上建立了Epic与子任务Issue之间的层级关系。 - 这使得团队可以清晰地看到整个项目的宏观分解(Epic),以及每个Epic下有多少具体的任务正在进行或已完成。
- 即使有多个AI Agent和人工开发者并行处理任务,也能通过这些层级关系,轻松追溯每个任务属于哪个大功能,以及它当前所处的状态。这极大地简化了项目经理的工作,也让团队成员对项目的整体结构有更清晰的认识。
- 通过
实战场景:
假设你的"推理引擎"Epic分解为:
- #1234: 实现核心推理逻辑(由AI Agent A开发)
- #1235: 构建推理API接口(由人工开发者开发)
- #1236: 设计推理结果可视化UI(由AI Agent B开发)
- #1237: 编写单元测试(由人工开发者开发)
你可以同时启动:
bash
/pm:issue-start 1234
/pm:issue-start 1236
同时,人工开发者可以分别认领 #1235 和 #1237。每个参与者都在独立的任务上下文中工作,并通过 /pm:issue-sync
将进展同步到GitHub,实现了最大化的并行效率。
4.3 进度跟踪与问题排查:实时掌握项目状况
在并行开发和AI辅助的流程中,实时、准确地掌握项目进度和快速排查问题至关重要。ccpm提供了一系列工具来帮助你完成这些任务。
-
快速定位进展:多维度视图
-
/pm:status
: 最直观的宏观视图。它会输出所有Epic的整体进度、进行中任务、待办任务和阻塞任务的汇总信息。通过这个命令,你可以一眼看出项目的整体健康状况。 -
/pm:epic-show <Epic名>
: 深入了解单个Epic的详细进度。它会列出该Epic下所有子任务的ID、标题、状态和负责人,以及任务在GitHub上的链接。bash/pm:epic-show 推理引擎 # 查看推理引擎Epic下的所有任务详情
-
/pm:in-progress
: 聚焦当前活跃的工作流。它会列出所有处于"进行中"状态的任务,包括AI Agent和人工开发者正在处理的任务。 -
gh issue list
/gh issue view
: 结合GitHub CLI,你可以直接在命令行查看GitHub Issue的详细信息,包括评论区的讨论、代码片段和文件更新。
-
-
发现与管理阻塞:
/pm:blocked
与 AI提醒-
/pm:blocked
: 如前所述,这是一个高效发现项目瓶颈的命令。bash/pm:blocked # 列出所有被标记为阻塞的任务
-
AI自动提醒: 当一个AI Agent在执行任务过程中识别到其依赖的其他任务未完成,或者外部资源不可用时,它可能会通过
/pm:issue-sync
在Issue评论区自动报告阻塞,并建议你使用/pm:blocked
来正式标记。 -
人工处理: 一旦发现阻塞项,人工项目经理或相关负责人可以及时介入,协调资源、解决依赖,或调整任务优先级。
-
-
gh issue
命令结合使用,GitHub侧实时可见:ccpm 与
gh
CLI 的深度集成,意味着所有ccpm的操作(创建Issue、添加评论、更新状态)都会实时反映在GitHub上。- 浏览器查看: 你可以随时打开GitHub仓库的Issues页面,以可视化的方式查看所有Epic和Task的层级关系、状态、讨论和代码关联。
gh issue view <issue_id>
: 在命令行查看任何Issue的完整内容和评论。gh issue close <issue_id>
: 当一个任务彻底完成后,你可以直接在gh
CLI中关闭对应的Issue,或者让AI Agent在完成任务后自动关闭。
通过这些功能,团队可以实时掌握项目状况,及时发现并解决问题,确保项目按计划高效推进。
5. 高级用法与自动化:多Agent协同与系统集成
Claude Code PM 不仅提供基础的项目管理功能,更通过其高度的可扩展性和自动化能力,为高级用户和组织提供了定制化、智能化的开发体验。本节将深入探讨多Agent协同、自定义Agent与命令扩展,以及跨项目复用等高级用法。
5.1 多Agent协同与并行流:打造智能开发流水线
ccpm 允许你启动多个AI Agent,每个Agent拥有独立的上下文和任务,从而能够并行处理复杂的开发流程,实现真正的"分层开发"和"流水线作业"。
-
一个Epic拆解为多个并行Agent:各司其职
-
核心理念: 对于一个庞大的Epic,在
pm:epic-decompose
之后会生成多个TaskList。你可以将这些不同的Task分配给不同配置或侧重点的AI Agent。 -
实战场景:
bash# 假设 Epic "用户认证系统" 分解出以下任务 # #1001: 设计数据库Schema(DBA Agent) # #1002: 实现认证API后端(Backend Agent) # #1003: 开发前端登录UI(Frontend Agent) # #1004: 编写API集成测试(QA Agent) # 启动 DBA 属性的 Agent /pm:issue-start 1001 --agent=dba_agent # 启动 Backend 属性的 Agent /pm:issue-start 1002 --agent=backend_agent # 启动 Frontend 属性的 Agent /pm:issue-start 1003 --agent=frontend_agent # 启动 QA 属性的 Agent /pm:issue-start 1004 --agent=qa_agent
-
带来的价值:
- 专业化开发: 每个Agent专注于其擅长的领域,例如一个Agent专门负责数据库设计,另一个负责前端UI,确保代码质量和专业度。
- 并行加速: 多个Agent同时工作,极大缩短了整体开发周期。
- 职责分离: 清晰地划分了AI Agent的职责,便于问题排查和管理。
-
-
"分层开发"------数据库、API、UI、测试Agent同步推进:
- 核心理念: 这是多Agent协同的典型应用。不同的技术栈层级(如数据层、业务逻辑层API、用户界面层、测试层)可以同步进行开发。
- 详细流程:
- AI DBA Agent: 接收"设计数据库Schema"Task,生成SQL或ORM模型代码。
- AI Backend Agent: 接收"实现认证API后端"Task,依赖DBA Agent的Schema,生成API接口代码。
- AI Frontend Agent: 接收"开发前端登录UI"Task,依赖Backend Agent的API接口文档,生成React/Vue组件。
- AI QA Agent: 接收"编写API集成测试"Task,依赖Backend Agent的API接口,生成测试用例。
- 交互机制: Agent之间往往通过GitHub Issue评论区进行"沟通"。例如,Backend Agent在完成API实现后,会在Issue #1002中同步其API文档,这成为Frontend Agent和QA Agent启动工作的输入。
- 带来的价值: 这种分层开发模式将复杂度分解,同时保持不同层级开发的并行性,最大化AI辅助的效率。它类似于一个高度自动化的微服务开发团队。
5.2 自定义Agent与命令扩展:打造你的专属AI开发助手
ccpm 鼓励用户根据自身项目和团队的特定需求,深度定制 AI Agent 的行为并扩展 ccpm 的命令功能。
-
自定义
.claude/agents/
下的Agent脚本:定义AI角色与能力- 核心理念: 每个AI Agent的核心行为逻辑都由
.claude/agents/
目录下的脚本定义。你可以创建多个不同的Agent脚本,每个脚本可以设定不同的"角色"(Prompt)、技术偏好、代码生成风格和思考过程。 - 自定义步骤:
-
复制现有Agent模板: 从
.claude/agents/
目录中复制一个现有的agent脚本作为起点。 -
修改Prompt: 最关键的是修改Agent脚本中的初始Prompt。这个Prompt定义了AI Agent遇到任务时的"思维模式"和"角色设定"。
bash# 示例:自定义一个专门处理前端的 Agent # .claude/agents/frontend_agent.sh # ... INITIAL_PROMPT="你是一名资深的React和TailwindCSS前端工程师,精通响应式设计和组件化开发。你的任务是根据给定的PRD和API文档实现前端UI。请优先使用TypeScript编写代码,并遵循原子设计原则。每次输出请提供具体的JSX/TSX代码和CSS/Tailwind类,并解释设计思路。" # ...
-
调整工具链与输出格式: 你还可以调整Agent的辅助工具(例如,让它优先调用某个代码格式化工具)和输出格式。
-
- 带来的价值: 强大的灵活性,让你的AI Agent不再是通用的聊天机器人,而是具备特定专业知识和编码风格的"虚拟团队成员",能更好地融入你的项目。
- 核心理念: 每个AI Agent的核心行为逻辑都由
-
.claude/commands/
可添加自定义流程命令:扩展ccpm的功能集-
核心理念: ccpm 的所有
/pm:
命令实际上都是.claude/commands/
目录下的Bash脚本。这意味着你可以通过编写自己的Bash脚本来扩展ccpm的功能。 -
自定义步骤:
- 创建新的脚本文件: 在
.claude/commands/
目录下创建一个新的Bash脚本,例如my-custom-command.sh
。 - 编写脚本逻辑: 在脚本中编写你想要执行的逻辑。你可以调用
gh
CLI、Git命令、或者其他辅助脚本。 - 定义命令: 确保你的脚本是可执行的 (
chmod +x my-custom-command.sh
)。这样你就可以通过/pm:my-custom-command
来调用它了。
- 创建新的脚本文件: 在
-
示例:创建一个
/pm:deploy-staging
命令bash#!/bin/bash # File: .claude/commands/deploy-staging.sh echo "🚀 Starting staging deployment..." # 1. 确保所有修改已提交 if ! git diff-index --quiet HEAD --; then echo "Error: Uncommitted changes detected. Please commit or stash your changes first." exit 1 fi # 2. 切换到部署分支(假设为 staging) git checkout staging if [ $? -ne 0 ]; then echo "Error: Failed to checkout staging branch. Does it exist?" exit 1 fi # 3. 拉取最新代码 git pull origin staging # 4. 执行部署脚本(这里只是一个占位符) echo "Executing actual deployment scripts (e.g., calling CI/CD pipeline, running Ansible/Terraform)..." # /usr/local/bin/your_ci_cd_trigger_script --branch=staging --project=$PROJECT_NAME # docker-compose -f docker-compose.staging.yml up -d --build echo "✅ Staging deployment triggered successfully!" git checkout - # 返回之前的分支
-
带来的价值: 极大的灵活性,让ccpm不仅仅是项目管理工具,更是你的专属自动化工作流平台。你可以将任何重复性的开发、运维、报告生成等任务,封装成自定义命令。
-
-
高级用法:与CI/CD、ChatOps集成,实现自动化审查、测试、部署:
通过自定义命令和Agent,ccpm可以深度集成到你现有的DevOps工具链中。
- CI/CD触发: 自定义命令可以在代码提交、Issue状态变更时,自动触发CI/CD流水线。例如,
/pm:deploy-staging
命令可以调用Jenkins或GitHub Actions触发器。 - ChatOps集成: 将ccpm命令暴露给团队的聊天工具(如Slack Bot、Teams Bot),团队成员可以直接在聊天界面中输入
/pm:deploy-staging
来触发部署。 - 自动化审查与测试: 配置AI Agent在特定任务完成后,自动创建Pull Request,并触发代码审查Agent进行初步审查,甚至启动自动化测试流水线。
- 部署: AI Agent可以在通过所有测试后,自动执行部署脚本或请求部署。
- 带来的价值: 实现开发、测试、部署的高度自动化,将AI从辅助编程提升到辅助整个DevOps流程,极大提升效率和交付速度。
- CI/CD触发: 自定义命令可以在代码提交、Issue状态变更时,自动触发CI/CD流水线。例如,
5.3 跨项目复用与项目迁移:知识沉淀与效率最大化
ccpm 的模块化设计,使其内部的知识库(上下文、PRD、Epic)和自定义配置(Agent、命令)可以轻松地在不同项目间进行复用和迁移,从而实现组织级的知识沉淀和效率最大化。
-
.claude/context/
、prds/
、epics/
可整体迁移到新项目:知识的复用- 核心理念: 许多项目的底层逻辑、通用模块或文档结构是相似的。ccpm的知识文件(PRD、Epic 定义和Context)都是Markdown格式,与项目代码分离。
- 迁移步骤:
- 从现有项目复制
.claude/context/
、prds/
和epics/
目录。 - 粘贴到新项目的
.claude/
目录下。 - 在新项目中使用
/pm:init
进行初始化(如果尚未)。 - 运行
/pm:context-update
刷新新项目的全局上下文。 - (可选)根据新项目需要,修改或调整导入的PRD和Epic内容。
- 从现有项目复制
- 实战场景:
- 微服务开发: 如果你有多个微服务项目,它们的用户认证模块可能非常相似。你可以将被验证的"用户认证系统"的PRD和Epic直接导入到新微服务项目中,节省从零开始的时间。
- SaaS产品线: 不同的SaaS产品可能共享用户管理、计费系统等通用功能。
- 重构项目: 当进行项目重构时,可以导入旧项目的PRD和Epic作为新项目需求的参考。
- 带来的价值: 加速新项目启动,避免重复工作,确保不同项目之间的一致性和最佳实践的传播。这有助于形成组织内部的"知识资产"。
-
结合GitHub fork/clone,支持多项目共享最佳实践:
- 核心理念: 对于组织而言,可以将一套标准化的
.claude/
模板仓库化。新项目可以直接fork或克隆这个模板仓库,作为其ccpm配置的起点。 - 具体实践:
- 创建模板仓库: 建立一个名为
organization/ccpm-template
的GitHub仓库。在这个仓库中,只包含一个精心配置好的.claude/
目录,其中包含通用的CLAUDE.md
、示例PRD、Epic分解的最佳实践,以及自定义的Agent脚本和命令。 - 新项目使用模板: 当团队启动一个新项目时,他们可以
git clone organization/ccpm-template .ccpm
,或者直接将.claude
目录复制到新项目根目录,然后执行/pm:init
。 - 共享与同步: 团队可以定期更新中央模板仓库,并鼓励各项目将更新同步过去,从而实现最佳实践的共享和持续改进。
- 创建模板仓库: 建立一个名为
- 带来的价值: 确保整个组织内AI辅助开发流程、编码规范和项目管理标准的一致性,构建统一的自动化开发基础设施,提升组织整体的研发效能和治理水平。
- 核心理念: 对于组织而言,可以将一套标准化的
通过这些高级用法,Claude Code PM 从一个简单的项目管理工具,升级为一套可定制、可扩展、可复用的智能开发框架,赋能团队和组织构建面向未来的开发生态系统。
6. 实战案例与最佳实践:项目演练与经验总结
理论结合实践,方能融会贯通。本节将通过多个实战项目场景,指导你如何将 Claude Code PM(ccpm)的核心功能应用于实际开发,并提炼出在AI辅助协作中的最佳实践。
6.1 Claude Code PM 实战训练项目清单
本清单为进阶用户设计,涵盖多种典型研发/协作场景。建议每个项目都走完整的 PRD → Epic → 任务分解 → GitHub同步 → 并行开发 → 进度追踪 → 复盘的全流程,实践 Claude Code PM 的全部能力。
1. AI 助手/聊天机器人项目
- 目标: 构建一个支持多轮对话、上下文记忆与插件扩展的智能聊天机器人。
- 练习点:
- 复杂 PRD 的拆解与需求追踪: 机器人的多轮对话逻辑、上下文管理、插件接口等需求复杂,需要仔细在PRD中定义,并通过ccpm确保分解后的任务能有效追踪到这些需求。
- 多模块(NLP、插件、UI)并行开发: 机器人项目通常涉及后端NLP处理、插件系统的业务逻辑、以及前端UI展示等多个模块,非常适合利用ccpm实现多AI Agent或人工并行开发。例如,一个Agent处理NLP逻辑,另一个处理前端UI。
- 任务依赖与进度同步: 插件系统的开发可能依赖于核心NLP模块的输出。在ccpm中,通过GitHub Issue的关联和状态更新,能清晰管理这些依赖,并及时同步进度。
2. 电商平台微服务重构
- 目标: 将一个传统的单体电商系统重构为订单、库存、支付等独立微服务。
- 练习点:
- Epic 间依赖管理: 微服务之间存在复杂依赖(如订单服务依赖库存服务)。在ccpm中,你需要明确在Epic和Task描述中指出这些依赖,并通过
/pm:blocked
命令标记,确保开发顺序。 - 多服务团队协作与 Issue 分配: 不同微服务可能由不同的团队或AI Agent负责。ccpm的Issue系统可以清晰分配任务,并通过父子Issue结构保持对整个重构项目的管理。
- 跨 repo 的进度同步(可尝试多项目多
.claude
目录): 重构项目常涉及多个代码仓库。你可以尝试为每个微服务单独初始化一个ccpm系统(在不同的repo根目录下),然后通过GitHub Issue的URL链接或API,实现跨repo的PRD和Issue互引用。
- Epic 间依赖管理: 微服务之间存在复杂依赖(如订单服务依赖库存服务)。在ccpm中,你需要明确在Epic和Task描述中指出这些依赖,并通过
3. 数据可视化仪表盘
- 目标: 开发一个实时数据可视化的 Dashboard,包括多数据源接入、复杂图表渲染与精细的用户权限管理。
- 练习点:
- 前后端分工与并行: Dashboard项目通常分为后端的数据接口服务和前端的展示页面。ccpm可以有效管理前后端团队的并行开发任务,通过Issue追踪接口定义和UI实现。
- Epic 级别上下文文档管理: Dashboard的功能(如数据源、图表类型、权限模型)需要大量的上下文信息。确保
/context:update
定期运行,使AI Agent和团队对项目数据模型、API契约有统一认知。 - 高级 Agent 定制(如 UI/测试 Agent): 可以尝试自定义一个专门擅长 React 或 Vue 组件开发的Frontend Agent,以及一个擅长编写E2E测试的QA Agent,分化其职责。
4. 自动化测试与 CI/CD 集成
- 目标: 为已有项目建立自动化测试流水线,包括单元测试、集成测试与自动部署。
- 练习点:
- 测试相关 PRD 编写与落地: 如何将"确保代码质量"这样的需求,转化为具体的测试类型、覆盖率目标、测试报告生成等,并在PRD中明确。
- Epic 拆解为脚本开发、配置、文档等子任务: CI/CD集成不仅是编写脚本,还包括环境配置、测试用例编写、文档更新等。将这些工作拆解为可管理的Task。
- 与 GitHub Action/CI 工具链结合: 尝试编写ccpm的自定义命令,使其能在Issue状态变更或代码提交时,触发GitHub Actions或你选择的CI工具(如Jenkins, GitLab CI),实现真正的自动化。
5. 企业级权限/认证系统
- 目标: 开发一个支持多租户、OAuth2、RBAC(基于角色的访问控制)的权限管理与认证系统。
- 练习点:
- 复杂业务场景 PRD 拆解: 权限系统业务复杂,涉及多种角色、权限粒度、认证方式。在PRD中需要清晰定义这些细枝末节,并确保AI Agent能准确理解。
- 多角色/多 Agent 并行开发: 可以有专门的Backend Agent处理OAuth2协议,另一个Agent处理RBAC逻辑,还有Agent负责安全审计日志。
- 审计与安全相关任务的追踪与复盘: 权限系统对安全性要求极高。ccpm能确保所有与安全相关的任务(如安全审计、漏洞修复)在GitHub Issue上清晰记录,便于跟踪、验证和复盘。
6.2 详细实训操作步骤:手把手教你跑通项目
本节将以实际命令行操作,详细指导你如何在ccpm中实践上述项目。
1. 智能聊天机器人项目实训
-
项目目标: 构建一个具备多轮对话、上下文记忆、插件扩展能力的聊天机器人。
-
操作步骤:
-
初始化项目根目录(如果尚未):
bashcd /path/to/your/new-chatbot-project /pm:init # 初始化ccpm,配置GitHub认证
-
创建 CLAUDE.md 并使其生效:
创建一个
.claude/CLAUDE.md
文件,定义项目技术栈(Python FastAPI, React, Redis, PostgreSQL等)和AI Agent行为规范。在首次与AI互动时,请在提示中提醒AI:
/init include rules from .claude/CLAUDE.md # 这不是pm命令,是对AI的指示
-
PRD 需求分析与撰写:
bash/pm:prd-new chatbot
- 人工任务: 打开
.claude/prds/chatbot.md
,详细补充机器人的愿景、核心功能(NLP、上下文记忆、插件系统、UI)、用户故事、以及验收标准。务求清晰。
- 人工任务: 打开
-
PRD 解析为 Epic 实施计划:
bash/pm:prd-parse chatbot
- 人工任务: 审阅并补充
.claude/epics/chatbot/epic.md
,确定技术选型(如使用Redis作为记忆缓存)、架构草图、接口设计初稿和潜在风险。
- 人工任务: 审阅并补充
-
Epic 任务分解:
bash/pm:epic-decompose chatbot
- 操作: ccpm会在
.claude/epics/chatbot/
下生成多个任务文件,如task_implement_nlp_processing.md
,task_design_memory_storage.md
,task_build_chatbot_ui.md
等。 - 人工任务: 细化这些任务,确保每个任务是独立且可交付的。
- 操作: ccpm会在
-
一键同步到 GitHub Issuess:
bash/pm:epic-oneshot chatbot
- 操作: GitHub上将自动创建父级Epic Issue,以及子任务Issues,并形成层级关系。记下这些Issue ID。
-
并行开发与进度同步:
-
AI Agent 开发 NLP 模块:
bash/pm:issue-start <NLP模块Issue号> --agent=nlp_agent # 假设你已自定义了nlp_agent
在AI生成代码后,定期:
bash/pm:issue-sync <NLP模块Issue号>
-
人工开发者进行 UI 开发:
人工在本地编码,当完成小功能或有进展时:bash/pm:issue-sync <UI模块Issue号> # 将人工的进展同步到GitHub Issue
-
AI Agent 开发插件系统:
bash/pm:issue-start <插件系统Issue号> --agent=backend_agent # 假设使用通用后端Agent
同步进展:
bash/pm:issue-sync <插件系统Issue号>
-
-
进度追踪与复盘:
-
查看项目整体状态:
bash/pm:status
-
查看特定 Epic 详情:
bash/pm:epic-show chatbot
-
查看进行中任务:
bash/pm:in-progress
-
生成日报:
bash/pm:standup
-
如果遇到任务阻塞(例如,UI开发等待NLP模块的API接口):
bash/pm:blocked <UI模块Issue号> "等待NLP模块提供意图识别API"
-
-
2. 电商平台微服务重构项目实训
-
项目目标: 将单体电商系统重构为订单、库存、支付等独立微服务。
-
操作步骤:
-
初始化项目:
为整个重构项目或每个微服务分别初始化ccpm环境。我们假设你在一个主仓库统一管理。
bashcd /path/to/ecommerce-reconstruction /pm:init # ... 配置 CLAUDE.md 等
-
PRD 需求拆解:
bash/pm:prd-new ecommerce-microservices
- 人工任务: 明确各服务的职责边界、数据同步/一致性需求、API接口定义、以及整体重构的里程碑和非功能性需求(性能、可扩展性)。
-
PRD 解析为 Epic 实施计划:
bash/pm:prd-parse ecommerce-microservices
- 人工任务: 在
epic.md
中细化微服务拆分方案、技术路线(如使用Kafka进行事件驱动通信)、服务间通信协议和数据模型。
- 人工任务: 在
-
Epic 级任务分解(按微服务拆分):
bash/pm:epic-decompose ecommerce-microservices
- 操作: ccpm将Epic分解为更具体的Task,例如:
task_order_service_api_definition.md
task_inventory_service_db_design.md
task_payment_service_gateway_integration.md
task_user_service_authentication_logic.md
- 人工任务: 确保每个Task都清晰地属于某个微服务,并标注服务间的依赖。
- 操作: ccpm将Epic分解为更具体的Task,例如:
-
同步 GitHub 并分配任务:
bash/pm:epic-oneshot ecommerce-microservices
- 操作: GitHub上自动创建 Epic 和各微服务的子任务 Issue。
- 人工任务: 分别将订单服务集群任务、库存服务任务等分配给不同的团队负责人或AI Agent。
-
并行推进各服务:
-
团队A(或AI Agent)开发订单服务:
bash/pm:issue-start <订单服务Issue号> --agent=order_service_agent
定期同步:
bash/pm:issue-sync <订单服务Issue号>
-
团队B(或AI Agent)开发库存服务:
bash/pm:issue-start <库存服务Issue号> --agent=inventory_service_agent
定期同步:
bash/pm:issue-sync <库存服务Issue号>
-
确保在各自的本地分支上开发,并通过Pull Request提交代码。
-
-
日常进度与同步:
bash/pm:in-progress # 查看所有进行中的微服务任务 /pm:blocked # 发现微服务间可能存在的阻塞(如库存服务未就绪,订单服务无法测试) /pm:epic-show ecommerce-microservices # 查看整个重构项目的详细进展
-
3. 数据可视化仪表盘项目实训
-
项目目标: 开发支持多数据源接入、实时图表渲染、权限管理的 Dashboard。
-
操作步骤:
-
初始化项目:
bashcd /path/to/dashboard-project /pm:init # ... 配置 CLAUDE.md, 强调前端技术栈 (e.g., React, Echarts/D3)
-
新建 PRD:
bash/pm:prd-new dashboard
- 人工任务: 列出支持的数据源(如数据库、第三方API)、主要图表类型(折线图、柱状图、地图)、用户权限需求(角色、数据视图控制)、实时刷新需求。
-
PRD 解析和架构:
bash/pm:prd-parse dashboard
- 人工任务: 细化数据源适配方案、图表渲染库选择、权限模型(如RBAC)、前后端API接口约定。
-
任务细分与分解:
bash/pm:epic-decompose dashboard
- 操作: 可能分解为以下Task:
- 数据源适配器开发(针对不同数据源)
- 核心图表组件库开发
- 用户权限管理后台模块
- Dashboard UI 框架搭建
- 实时数据刷新机制实现
- 人工任务: 确保前后端任务边界清晰。
- 操作: 可能分解为以下Task:
-
一键同步 GitHub:
bash/pm:epic-oneshot dashboard
-
并行开发与同步:
-
团队A(或AI Agent)开发数据源适配器(后端):
bash/pm:issue-start <数据源Issue号> --agent=backend_data_agent
定期同步:
bash/pm:issue-sync <数据源Issue号>
-
团队B(或AI Agent)开发图表组件和UI(前端):
bash/pm:issue-start <图表Issue号> --agent=frontend_agent
定期同步:
bash/pm:issue-sync <图表Issue号>
-
-
项目追踪:
bash/pm:status # 整体进度 /pm:standup # 生成日报,总结前后端团队进展
-
4. 自动化测试与 CI/CD 集成项目实训
-
项目目标: 为现有项目搭建自动化测试与 CI/CD 流水线。
-
操作步骤:
-
初始化项目:
在目标项目仓库内初始化ccpm。
bashcd /path/to/your-existing-project /pm:init # ... 配置 CLAUDE.md, 强调测试框架和CI/CD工具 (e.g., Jenkins, GitHub Actions)
-
PRD 编写:
bash/pm:prd-new ci-cd
- 人工任务: 明确测试类型(单元测试、集成测试、E2E测试)、预期的测试覆盖率目标、自动化部署的触发条件和环境、回滚策略。
-
PRD 转 Epic:
bash/pm:prd-parse ci-cd
- 人工任务: 规划CI/CD流水线的具体步骤(构建、测试、部署),选择具体的CI/CD工具和相关配置。
-
任务分解:
bash/pm:epic-decompose ci-cd
- 操作: 可能分解为以下Task:
- 单元测试框架集成与基础测试用例编写
- 集成测试环境搭建与API测试用例
- 编写
.github/workflows/main.yml
(GitHub Actions配置) - 部署脚本编写与生产环境配置
- 代码质量检查工具集成 (e.g., SonarQube)
- 人工任务: 确保任务涵盖了整个CI/CD流程的所有环节。
- 操作: 可能分解为以下Task:
-
GitHub 同步:
bash/pm:epic-oneshot ci-cd
-
各任务并行推进:
-
AI Agent 编写单元测试:
bash/pm:issue-start <单元测试Issue号> --agent=test_agent # 假设自定义了test_agent
然后同步代码和报告:
bash/pm:issue-sync <单元测试Issue号>
-
人工开发者配置 CI/CD 流程:
人工在 CI/CD 平台(如GitHub Actions)上配置.yml
文件,当配置完成后:bash/pm:issue-sync <CI配置Issue号> # 将配置成功信息和遇到的问题同步到Issue
-
其他任务依此类推。
-
-
进度和阻塞排查:
bash/pm:in-progress # 了解CI/CD各环节的并行进展 /pm:blocked # 发现因外部工具问题或配置问题导致的阻塞
- 进阶: 可自定义ccpm命令,如
/pm:run-ci
,直接从命令行触发CI流水线,并将结果同步回Issue。
- 进阶: 可自定义ccpm命令,如
-
5. SaaS 产品 MVP 快速孵化实训
-
项目目标: 从0到1搭建一个标准 SaaS 产品原型(MVP),包含用户注册、主功能、计费等。
-
操作步骤:
-
初始化项目:
bashcd /path/to/saas-mvp-project /pm:init # ... 配置 CLAUDE.md,特别是产品目标和AI Agent的角色设定 (e.g., "你是一个SaaS产品经理兼全栈开发者...")
-
PRD 头脑风暴与撰写:
bash/pm:prd-new saas-mvp
- 人工任务: 与AI共同定义MVP的核心功能清单。详细列出目标用户、核心业务流程、最小可行功能集、注册登录流程、概略的计费模型、以及MVP的发布标准。这是最关键的环节,决定了MVP的成败。
-
PRD 解析为 Epic 实施计划:
bash/pm:prd-parse saas-mvp
- 人工任务: 审阅
epic.md
,确定整体架构(如使用 Next.js 全栈框架)、数据库选型、主要第三方服务(如Stripe for payments)集成方案。
- 人工任务: 审阅
-
任务分解:
bash/pm:epic-decompose saas-mvp
- 操作: ccpm将Epic分解为更细粒度的Task,通常会涵盖:
- 用户认证模块 (注册、登录、会话管理)
- 核心业务逻辑模块 (MVP主功能实现)
- 数据库设计与实现
- UI/UX 设计与前端开发
- 简易计费系统集成
- 部署与CI/CD基础配置
- 管理后台基础功能
- 人工任务: 确保MVP的任务颗粒度足够小,以便快速迭代。
- 操作: ccpm将Epic分解为更细粒度的Task,通常会涵盖:
-
一键同步与分工:
bash/pm:epic-oneshot saas-mvp
- 人工任务: 根据任务类型,分配给不同的AI Agent或人工开发者。例如,一个AI Agent负责用户认证,另一个负责主业务模块。
-
并行开发、同步进度:
-
启动多个AI Agent并行开发:
bash/pm:issue-start <用户认证Issue号> [--agent=auth_agent] /pm:issue-start <核心功能Issue号> [--agent=feature_agent] # ... 等等
在每次AI生成代码或人工修改后,进行同步:
bash/pm:issue-sync <对应任务Issue号>
-
-
进度追踪与复盘:
- 定期
/pm:status
、/pm:epic-show saas-mvp
检查整体进度。 - 每日
/pm:standup
自动生成日报,了解昨日进展、今日计划和阻塞。 - 特别关注
/pm:blocked
,确保MVP开发过程中遇到的任何外部依赖或技术难题都能及时解决。
- 定期
-
6.3 最佳实践:提升AI辅助协作的效率与质量
在实战中运用ccpm,遵循以下最佳实践能够进一步提升你的开发效率和项目管理质量:
-
重视 PRD 撰写与完善,保证"每一行代码皆可追溯":
PRD是AI理解需求、人工达成共识的基础。投入时间编写高质量、详尽、无歧义的PRD,会为后续的开发节省数倍的时间。确保PRD中的每一个功能点都可被分解为任务,且最终的代码提交都能关联到PRD中的需求。
-
建议每个 Epic 粒度合理,便于并行与管理:
一个Epic不宜过大(导致分解任务过于庞杂),也不宜过小(失去宏观指导意义)。理想的Epic应聚焦于一个相对独立、有明确业务价值的大功能模块。在
/pm:prd-parse
之后,人工应审阅Epic的粒度。 -
定期
/context:update
,保持项目知识库新鲜:项目的进展是动态的。每次重要的需求变更、里程碑达成或关键技术决策后,都应运行
/context:update
来更新项目的全局上下文。这确保了AI Agent能够基于最新的项目知识做出决策。 -
遇到复杂需求,优先分解为独立可交付任务:
这是敏捷开发的精髓,也是AI Agent高效协作的前提。将大任务拆解为小任务,不仅降低了AI的认知负荷,也使得任务更容易分配、开发、测试和集成。
-
善用
/pm:next
智能推荐,提升团队协作效率:
pm:next
能够根据项目的实时状态智能推荐下一个优先任务。这对于项目经理在分配任务,或团队成员在选择待办任务时非常有帮助,确保资源总是投入到最关键的路径上。 -
推崇"透明开发",进度/讨论/决策全部留痕:
通过频繁使用
/pm:issue-sync
,将AI Agent的思考过程、代码输出,以及人工开发者的进展、讨论、决策都同步到GitHub Issue评论区。GitHub Issue成为团队协作的"单一真相来源",所有历史操作可追溯,极大降低了项目移交和人员变动时的上下文丢失风险。 -
自定义 Agent 角色,优化 AI 产出:
不要满足于默认的AI Agent。根据你的项目技术栈(如前端用React/Vue,后端用Python/Node.js),在
.claude/agents/
目录下自定义不同角色的Agent脚本,明确其专业领域、编码风格和决策偏好。这将使AI的产出更符合你的期望。 -
结合人工审查与AI辅助,形成"人机交互式开发":
AI Agent是一个强大的助手,但它不能替代人类的最终判断。人工开发者应定期审查AI生成的代码,提供反馈、修正和优化。通过这种"人教AI,AI协作人"的迭代模式,既能利用AI的速度,又能确保代码质量和符合人类的创造性。
7. 常见问题与进阶技巧:解决实操疑难
在使用 Claude Code PM 过程中,你可能会遇到一些常见问题,并希望探索更高级的用法。本节将为你提供解决方案和进阶技巧。
7.1 FAQ:常见问题与排查指南
-
PowerShell 安装报错 404 或脚本执行异常:
- 问题:
iwr
命令无法下载脚本,或者下载后执行时出现PowerShell特有的语法或权限错误。 - 解决方案: 优先考虑使用 WSL (Windows Subsystem for Linux) 。在WSL终端中,你可以像Linux/macOS用户一样无缝安装和运行ccpm。如果必须在原生PowerShell下使用,请确保:
- 你的PowerShell执行策略允许运行下载的脚本(
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser
)。 - 如果仍然报错,可以直接进行快速手动安装 :
git clone https://github.com/automazeio/ccpm.git . && rm -rf .git/
,然后手动配置环境变量并安装gh
CLI 和gh-sub-issue
扩展。
- 你的PowerShell执行策略允许运行下载的脚本(
- 问题:
-
GitHub 认证失败 (
gh auth login
报错):- 问题: 在
/pm:init
过程中或手动执行gh auth login
时,认证失败,通常是由于网络问题、GitHub token权限不足或浏览器回调问题。 - 解决方案:
- 检查网络连接: 确保你的网络可以正常访问 GitHub。
- 重新运行
gh auth login
: 强制重新认证。在提示选择认证方式时,通常选择"Web browser"最方便。 - 手动生成 Personal Access Token (PAT): 作为备用方案,你可以在GitHub设置中手动生成一个PAT(Personal Access Token),并确保它拥有所有必要的仓库权限(
repo
,workflow
,write:packages
,delete:packages
,admin:org
等)。然后在gh auth login
提示时,选择"Paste an authentication token"并输入PAT。 - 检查Token权限: 确保你的PAT权限足够用于创建Issue、评论和管理仓库。
- 问题: 在
-
Issue 同步异常 (
/pm:issue-sync
报错):- 问题: 无法将本地进展同步到GitHub Issue,可能出现网络错误、权限错误或
gh-sub-issue
相关问题。 - 解决方案:
- 确认
gh
和gh-sub-issue
已正确安装: 运行gh extension list
确认sub-issue
是否在列表中。如果缺失,尝试gh extension install yahsan2/gh-sub-issue
。 - 检查 GitHub 认证状态: 运行
gh auth status
确认你是否已登录且token有效。 - 检查网络连接: 确保网络畅通。
- 查看详细错误信息: ccpm的报错信息通常会引导你排查问题。根据具体错误提示进行调试。
- 手动同步(备用): 如果是临时问题,可以手动将本地AI Agent的输出复制粘贴到GitHub Issue的评论区。
- 确认
- 问题: 无法将本地进展同步到GitHub Issue,可能出现网络错误、权限错误或
-
AI Agent 生成的代码不符合预期/风格:
- 问题: AI Agent生成的代码不符合项目技术栈、编码规范或你的期望。
- 解决方案:
- 优化 CLAUDE.md: 检查
.claude/CLAUDE.md
中的"技术栈与编码规范"和"AI Agent行为规范"部分。确保你提供了足够具体、清晰的指导,例如指定Python版本、框架、Linter规则、甚至提供示例代码风格。 - 自定义 Agent 脚本: 在
.claude/agents/
目录下创建或修改Agent脚本,调整其INITIAL_PROMPT
,让AI Agent扮演更特定的角色(如"资深的Python FastAPI工程师")。 - 提供明确反馈: 在GitHub Issue评论中,对AI生成的代码提出具体、可操作的修正意见,让AI从错误中学习。例如:"请使用FastAPI的依赖注入而不是全局变量"或"CSS请使用TailwindCSS工具类"。
- 优化 CLAUDE.md: 检查
7.2 进阶技巧:提升ccpm的使用效率
-
为组织内所有项目统一配置
.claude
,实现知识复用:- 技巧: 创建一个组织级的"ccpm模板仓库",其中包含一套标准的
.claude/
目录(含通用CLAUDE.md
、常用Agent脚本、自定义命令和示例PRD/Epic结构)。 - 实施: 新项目启动时,只需克隆或复制这个模板仓库中的
.claude/
目录到其项目根目录。这样,所有项目都能共享组织的最佳实践和AI配置,形成统一的开发规范和效率基线。
- 技巧: 创建一个组织级的"ccpm模板仓库",其中包含一套标准的
-
可用 Makefile、CI流程自动触发
/context:update
、/pm:status
:- 技巧: 将ccpm的一些管理命令集成到项目的自动化流程中。
- 实施:
- Makefile集成: 在项目的
Makefile
中添加规则,例如make context-update
来执行/context:update
。 - CI/CD触发: 配置 GitHub Actions 或其他 CI/CD 工具,在特定事件(如
main
分支代码合并、每周定时任务)发生时,自动执行/context:update
和/pm:status
。可以将/pm:status
的输出作为构建报告的一部分,或发送到团队聊天。
- Makefile集成: 在项目的
-
配合团队每日 standup,自动生成日报:
- 技巧: 将
/pm:standup
命令集成到团队的日常工作流中。 - 实施: 在每日站会开始前,由项目经理或指定人员运行
/pm:standup
。AI Agent会根据项目最新的GitHub Issue状态和本地日志,自动生成一份简洁明了的日报,总结昨日进展、今日计划和遇到的阻塞。这大大节省了人工准备日报的时间,并确保信息基于项目真实数据。
- 技巧: 将
-
自定义 Agent 的工具调用能力:
- 技巧: 进阶用户可以修改
.claude/agents/
下的Agent脚本,增加AI Agent调用外部工具的能力。 - 实现: 在Agent的Prompt中,你可以指示AI Agent在需要时执行特定的Bash命令或Python脚本(前提是这些脚本已在Agent的环境中可用),并将执行结果反馈给AI以辅助其决策。例如,指示AI在生成代码后自动运行
linter
或格式化工具。
- 技巧: 进阶用户可以修改
-
利用 GitHub Labels 和 Project Boards 增强管理:
- 技巧: 虽然ccpm提供了强大的命令行管理,但结合GitHub原生的Labels和Project Boards功能,可以进一步提升可视化管理能力。
- 实施:
- 自定义Labels: 为Issue设置自定义Labels(如
backend
,frontend
,bug
,refactor
,priority:high
),便于筛选和分类。 - Project Boards: 在GitHub Project Boards中创建看板,以拖拽方式管理Epic和Task的流程(如
Todo -> In Progress -> Code Review -> Done
)。ccpm的Issue同步会实时更新Issue状态,Project Boards也会相应更新。
- 自定义Labels: 为Issue设置自定义Labels(如
-
结合 GitHub Pull Request (PR) 流程:
- 技巧: AI Agent完成代码后,可以提交PR。
- 实施: 引导AI Agent在完成一个Task后,不仅同步到Issue,还创建对应的Pull Request。PR中可以包含AI的代码、测试报告、思考过程。人工开发者再对PR进行审查。当PR合并时,可以配置GitHub Actions自动关闭关联的Issue,形成完整的GitFlow/GitHub Flow。
掌握这些进阶技巧,将帮助你更深度地挖掘 Claude Code PM 的潜力,构建一个高度自动化、智能化的开发与项目管理生态系统。
8. 参考资源与社区
持续学习、积极交流是发挥 Claude Code PM 最大价值的关键。以下是一些重要的参考资源和社区,供你深入探索和获取帮助。
-
官方仓库 README:
- https://github.com/automazeio/ccpm/blob/main/README.md
- 价值: 这是ccpm最新功能、安装说明和核心理念的官方来源。定期查阅可以获取最新更新和最佳实践。
-
快速安装说明:
- https://github.com/automazeio/ccpm/tree/main/install
- 价值: 详细的平台特定安装指南和故障排除建议,是解决安装问题的第一手资料。
-
gh-sub-issue 扩展:
- https://github.com/yahsan2/gh-sub-issue
- 价值: 理解ccpm如何实现GitHub Issue父子任务管理的关键工具。如果你对其工作原理好奇或遇到问题,可以查阅其官方文档。
-
Automaze 官网:
- https://automaze.io
- 价值: 了解ccpm的开发者Automaze团队,以及他们围绕AI驱动开发的其他产品和愿景。
-
GitHub Discussions/Issues:
- https://github.com/automazeio/ccpm/issues
- 价值: 这是ccpm最活跃的社区交流平台。
- Issues: 提交Bug报告、功能请求或你遇到的具体问题。
- Discussions: 参与社区讨论、分享使用经验、寻求帮助。在提出问题前,建议先搜索现有Issue和Discussion,看是否已有类似问题和解决方案。
-
X/Twitter @aroussi:
- https://x.com/aroussi
- 价值: 关注项目开发者的最新动态、功能预告、理念分享和社区互动。