Claude Code PM 深度实战指南：AI驱动的GitHub项目管理与并行协作

目录

1. 概述与核心理念
2. 基础入门：环境准备与项目初始化
3. 核心工作流详解：PRD驱动到GitHub同步
4. 日常使用实践：高效开发与协作
5. 高级用法与自动化：多Agent协同与系统集成
6. 实战案例与最佳实践：项目演练与经验总结
7. 常见问题与进阶技巧：解决实操疑难
8. 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。

1. 打开你的终端（Terminal）。
2. 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。
3. 执行以下任一命令进行安装：

   • 使用 curl：

     cd path/to/your/project/
     curl -sSL https://raw.githubusercontent.com/automazeio/ccpm/main/ccpm.sh | bash

   • 或者使用 wget：

     cd 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。

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。

1. 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。

2. 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：

     cd 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。

       Set-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。

1. 打开终端/命令提示符。

2. 切换到你的项目根目录。

3. 克隆ccpm仓库内容（而非整个仓库）到当前目录，并清除Git历史：

   git 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：

       # 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。

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。

/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。
  • 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。
  • .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）。
  • .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。
  • 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。

• 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：

  # 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。

/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）：

  # 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。

• /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。

• /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。

1. 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。

   /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）：

     # 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%。

2. 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。

   /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）：

     # 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 V

     Redis 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。

3. 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）。

   /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。

4. 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。

   /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）。
   • 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。

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。

1. 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。

   /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。

2. 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。

3. 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：

     /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。

1. 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。

   /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。

2. 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。

   /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。

3. 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。

4. 日报生成：/pm:standup

   简化团队的每日站会（Daily Standup）流程。

   /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。

5. 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。

   /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：

1. 构思与需求定义：

   你有一个新的功能想法------"推理引擎"。

   /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。

2. 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。

   /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。

3. 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。

   /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）。

4. 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"）。

   /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。

5. 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。

   /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。

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：

/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。

    /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。

    /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：

    # 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：
    1. AI DBA Agent： 接收"设计数据库Schema"Task，生成SQL或ORM模型代码。
    2. 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。
    3. 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。
    4. 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：

    1. 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。

    2. 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"。

       # 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。"
       # ...

    3. 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。

• .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：

    1. 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。
    2. 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。
    3. 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。

  • 示例：创建一个 /pm:deploy-staging 命令

    #!/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。

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：
    1. 从现有项目复制 .claude/context/、prds/ 和 epics/ 目录。
    2. 粘贴到新项目的 .claude/ 目录下。
    3. 在新项目中使用 /pm:init 进行初始化（如果尚未）。
    4. 运行 /pm:context-update 刷新新项目的全局上下文。
    5. （可选）根据新项目需要，修改或调整导入的PRD和Epic内容。
  • 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：
    1. 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。
    2. 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。
    3. 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。
  • 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。

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。

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：

  1. 初始化项目根目录（如果尚未）：

     cd /path/to/your/new-chatbot-project
     /pm:init # 初始化ccpm，配置GitHub认证

  2. 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

  3. PRD 需求分析与撰写：

     /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。

  4. PRD 解析为 Epic 实施计划：

     /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。

  5. Epic 任务分解：

     /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。

  6. 一键同步到 GitHub Issuess：

     /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。

  7. 并行开发与进度同步：

     • AI Agent 开发 NLP 模块：

       /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：

       /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：

       /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：

       /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：

       /pm:issue-sync <插件系统Issue号>

  8. 进度追踪与复盘：

     • 查看项目整体状态：

       /pm:status

     • 查看特定 Epic 详情：

       /pm:epic-show chatbot

     • 查看进行中任务：

       /pm:in-progress

     • 生成日报：

       /pm:standup

     • 如果遇到任务阻塞（例如，UI开发等待NLP模块的API接口）：

       /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：

  1. 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。

     cd /path/to/ecommerce-reconstruction
     /pm:init
     # ... 配置 CLAUDE.md 等

  2. PRD 需求拆解：

     /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）。

  3. PRD 解析为 Epic 实施计划：

     /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。

  4. Epic 级任务分解（按微服务拆分）：

     /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。

  5. 同步 GitHub 并分配任务：

     /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。

  6. 并行推进各服务：

     • 团队A（或AI Agent）开发订单服务：

       /pm:issue-start <订单服务Issue号> --agent=order_service_agent

       定期同步：

       /pm:issue-sync <订单服务Issue号>

     • 团队B（或AI Agent）开发库存服务：

       /pm:issue-start <库存服务Issue号> --agent=inventory_service_agent

       定期同步：

       /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。

  7. 日常进度与同步：

     /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：

  1. 初始化项目：

     cd /path/to/dashboard-project
     /pm:init
     # ... 配置 CLAUDE.md, 强调前端技术栈 (e.g., React, Echarts/D3)

  2. 新建 PRD：

     /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。

  3. PRD 解析和架构：

     /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。

  4. 任务细分与分解：

     /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。

  5. 一键同步 GitHub：

     /pm:epic-oneshot dashboard

  6. 并行开发与同步：

     • 团队A（或AI Agent）开发数据源适配器（后端）：

       /pm:issue-start <数据源Issue号> --agent=backend_data_agent

       定期同步：

       /pm:issue-sync <数据源Issue号>

     • 团队B（或AI Agent）开发图表组件和UI（前端）：

       /pm:issue-start <图表Issue号> --agent=frontend_agent

       定期同步：

       /pm:issue-sync <图表Issue号>

  7. 项目追踪：

     /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：

  1. 初始化项目：

     在目标项目仓库内初始化ccpm。

     cd /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)

  2. PRD 编写：

     /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。

  3. PRD 转 Epic：

     /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。

  4. 任务分解：

     /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。

  5. GitHub 同步：

     /pm:epic-oneshot ci-cd

  6. 各任务并行推进：

     • AI Agent 编写单元测试：

       /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：

       /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：

       /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。

  7. 进度和阻塞排查：

     /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。

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：

  1. 初始化项目：

     cd /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...")

  2. PRD 头脑风暴与撰写：

     /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。

  3. PRD 解析为 Epic 实施计划：

     /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。

  4. 任务分解：

     /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。

  5. 一键同步与分工：

     /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。

  6. 并行开发、同步进度：

     • 启动多个AI Agent并行开发：

       /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：

       /pm:issue-sync <对应任务Issue号>

  7. 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。

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：

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 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。

7. 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。

8. 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：
    1. 你的PowerShell执行策略允许运行下载的脚本（Set-ExecutionPolicy RemoteSigned -Scope CurrentUser）。
    2. 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。

• 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：
    1. 检查网络连接： 确保你的网络可以正常访问 GitHub。
    2. 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。
    3. 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。
    4. 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。

• 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：
    1. 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。
    2. 检查 GitHub 认证状态： 运行 gh auth status 确认你是否已登录且token有效。
    3. 检查网络连接： 确保网络畅通。
    4. 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。
    5. 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。

• 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：
    1. 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。
    2. 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"）。
    3. 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"。

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。

• 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。

• 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。

• 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。

• 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。

• 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。