从 PDD、DDD、SDD 到 TDD：我是如何用一套 Agent 工程方法论推进 My-Notion 的

Daybreak2026-06-13 15:37

如果你最近也在做 AI Agent、RAG、MCP、CLI、长期记忆，可能会有一个很强烈的感受：

现在真正难的不是"让模型回一句话"，而是让一个 AI Native 产品持续演进，并且每次改动都能解释清楚、边界清楚、验证清楚。

My-Notion(github.com/HaveNiceDa/...) 是我做的一个定制化个人版 Notion。它不是单纯的 Notion Clone，而是把文档编辑、AI Chat、ReAct Agent、RAG、Memory、移动端、CLI、MCP、Agent Skills 放在同一个 monorepo 里。

项目做大之后，我越来越明显地感觉到：靠"想到哪写到哪"很难维护 AI 产品。因为 AI 系统天然有几个复杂点：

  • 前端交互复杂：流式输出、工具调用、确认式写入、失败重试、继续生成。
  • 后端边界复杂：Convex、Clerk、Qdrant、DashScope、Next.js API Routes、Machine API。
  • Agent 行为复杂：它不是普通 CRUD，而是会计划、检索、调用工具、生成草稿、等待确认。
  • 交付面复杂：Web、Mobile、CLI、MCP、Skills 都要保持契约一致。

所以我在 My-Notion 里逐步形成了一套比较实用的工程闭环：

rust 复制代码 
DDD -> SDD -> PDD -> TDD

也就是：

  • DDD：先把领域边界和核心概念讲清楚。
  • SDD：再把协议、契约和规格写清楚。
  • PDD：然后把 Agent 的执行方式、提示词和工作流约束清楚。
  • TDD：最后用测试、类型检查、构建和发布校验兜底。

这篇文章不是讲概念教科书，而是结合 My-Notion 的真实工程实践，聊聊这四种方法在 AI Native 项目里到底怎么用。

一、为什么 AI Native 项目更需要方法论？

传统 Web 项目里，很多需求可以拆成比较明确的页面、接口和数据库表。

但 AI Native 项目会多一层不确定性：Agent 的输出不是固定的，工具调用路径也不是固定的。比如用户让 Agent "帮我总结并更新当前文档"，背后可能发生这些步骤：

  • 读取当前文档上下文。
  • 检索相关历史文档。
  • 搜索 Memory。
  • 调用 LLM 生成总结。
  • 生成文档更新草稿。
  • 展示 dry-run 预览。
  • 等待用户确认。
  • 再提交真实写入。
  • 把 run 事件和 checkpoint 持久化，支持失败后恢复。

这不是一个简单按钮，也不是一个普通 API。

如果没有方法论，很容易出现这些问题：

  • 领域边界不清：Web Agent、MCP、CLI、Memory、RAG 混在一起。
  • 协议不稳定：前端展示一种 tool result，后端返回另一种结构。
  • Agent 行为不可控：有时 dry-run，有时直接写入。
  • 测试只覆盖 happy path：一到超时、断流、权限不足就崩。
  • 文档过期：代码改了，Skills、README、release checklist 没跟上。

所以我现在更倾向于把 AI 产品当成"协议驱动的复杂系统"来做，而不是当成"多接几个 LLM API"的页面功能。

二、DDD：先把领域边界讲清楚

DDD 通常指 Domain-Driven Design，也就是领域驱动设计。

在 My-Notion 里，我对 DDD 的理解不是一上来就画复杂 UML，而是先回答三个问题：

  • 这个系统里到底有哪些核心对象？
  • 哪些对象属于同一个业务边界？
  • 哪些词必须在前端、后端、Agent、CLI 文档里保持一致？

1. My-Notion 里的核心领域

My-Notion 的核心不是"页面"，而是几个稳定领域：

  • Document：文档、标题、正文、归档、导入、导出、Markdown 表达。
  • Agent Run：一次 AI 生成过程，包括 runId、conversationId、assistantMessageId、seq、checkpoint。
  • Tool Result：工具调用结果，统一到 tool-result-v1 契约。
  • Memory：长期记忆、提议、确认、检索、作用域。
  • RAG Source：知识检索来源，包括 document、web、memory 等强类型来源。
  • CLI Token：Device Flow、PAT、scope、token prefix、撤销与过期。
  • MCP Tool：外部 Agent 通过 STDIO 调用的文档读写工具。

这些概念一旦稳定下来，后续 Web、Mobile、CLI、MCP、Skills 才能围绕同一套语言协作。

2. DDD 在项目结构里的体现

My-Notion 是一个 pnpm monorepo：

bash 复制代码 
apps/web             # Next.js + Convex + Clerk + BlockNote
apps/mobile          # Expo + React Native
packages/ai          # RAG、Embedding、Agent、AI 配置
packages/business    # Zustand、i18n、共享类型和业务逻辑
packages/convex      # Convex schema、文档、Chat、CLI Token 逻辑
packages/my-notion-cli
packages/my-notion-skills

这个结构本身就是 DDD 的结果：不是所有代码都塞进 Web，而是把领域能力拆开。

例如 CLI/MCP 不是 Web UI 的附属品，而是 Agent 生态的一等公民；Memory 也不是 Chat 组件里的一个状态，而是独立的领域能力。

3. DDD 的优缺点

做了什么：

  • 把 My-Notion 拆成文档、Agent、RAG、Memory、CLI/MCP、Skills 等边界。
  • 让 runId、tool-result-v1、sources、dryRun、confirmationRequired 等概念成为稳定语言。
  • 让 Web、Mobile、CLI、MCP 都围绕同一套业务词汇演进。

为什么这样做：

  • AI 系统的复杂度来自跨边界协作。
  • 如果概念不稳定，后续协议、测试、文档都会漂移。
  • Agent 工具调用尤其依赖清晰的领域对象，否则很难做权限控制和恢复。

实现优缺点：

  • 优点是边界清楚，长期维护成本更低。
  • 缺点是前期需要花时间命名、拆包、写文档，短期看起来比直接写功能慢。
  • 对小 Demo 来说可能显得重，但对持续演进的 AI 产品非常必要。

我的理解是：DDD 不是为了"显得架构很高级"，而是为了让项目里每个人、每个 Agent、每份文档都说同一种语言。

三、SDD：把契约写在代码前面

SDD 可以理解为 Spec-Driven Development，也就是规格驱动开发。

在 AI Agent 项目里，SDD 尤其重要。因为 Agent 系统最怕的不是"没有功能"，而是"功能看起来能用，但契约不稳定"。

1. My-Notion 里的 SDD 实践

My-Notion 里有几类规格文档和契约非常关键：

  • Agent Stream Resume Protocol：定义 runId、seq、checkpoint、resume state。
  • tool-result-v1：统一 Web Agent 工具结果结构。
  • MCP dry-run 契约：写工具默认 dryRun: true，必须返回确认提示。
  • CLI release checklist：发布前必须跑 test、typecheck、build、e2e、skills sync。
  • Device Flow 规则：授权 URL 只能包含 user_code，不能泄漏 device_code。
  • Machine API 规则：连接 Convex Machine API 使用 .site URL，runtime client 使用 .cloud URL。

这些东西如果只存在代码里，很容易在迭代中被打破。写成规格后，就能成为 Agent、开发者和测试共同遵守的边界。

2. 一个具体例子：流式续跑协议

Web Agent 做流式输出时，如果中间网络断了，不能简单重新请求。

因为一旦前端已经展示了部分文本或工具状态，直接重试可能导致：

  • 重复展示 token。
  • 重复执行 tool call。
  • 重复生成写入预览。
  • 更严重时，重复提交副作用。

所以 My-Notion 定义了流式续跑协议：

csharp 复制代码 
interface AgentStreamEnvelope<T> {
  runId: string;
  seq: number;
  event: T;
  createdAt: number;
}

客户端只应用 seq > lastAppliedSeq 的事件。服务端通过 AgentRunRecorder 记录事件和 checkpoint。这样系统不是靠"猜测状态"，而是靠显式协议恢复。

3. 另一个例子：写入必须确认

My-Notion 里的 Agent 写文档、写记忆，不允许直接落库，而是遵循：

rust 复制代码 
Dry-run -> Preview -> User Confirmation -> Commit

这个规则不是 UI 层的小细节，而是系统级规格。

它影响了：

  • Web Agent 的工具确认按钮。
  • MCP 写工具默认 dryRun: true。
  • CLI/Skills 的安全说明。
  • 测试和 release checklist。

4. SDD 的优缺点

做了什么：

  • 把 Agent Stream、MCP dry-run、CLI 发布、安全写入等行为写成明确规格。
  • 用协议约束代码实现，而不是让每次需求都重新讨论。
  • 让外部 Agent 也能遵守 My-Notion 的安全边界。

为什么这样做：

  • AI Agent 的行为不完全可预测，系统边界必须可预测。
  • 协议比口头约定更容易被测试、复查和迁移。
  • 当 Web、Mobile、CLI、MCP 同时存在时，规格是唯一稳定的协作层。

实现优缺点：

  • 优点是可维护、可复盘、可测试。
  • 缺点是规格文档需要持续更新，否则会变成"历史遗留文档"。
  • 对团队来说，SDD 要求开发前多做一点设计，但能减少后期返工。

我的理解是：SDD 的价值不是写文档本身，而是让系统从"靠实现碰巧工作"变成"按契约稳定工作"。

四、PDD：让 Agent 也能按工程规范工作

PDD 在这里我更愿意理解为 Prompt-Driven Development。

不是说让 Prompt 代替代码，而是把 Prompt、Agent Rules、Skills、Checklist 当成工程资产管理。

在 AI Native 项目里，Agent 不只是一个聊天窗口，它也可能参与：

  • 读代码。
  • 改代码。
  • 生成测试。
  • 同步文档。
  • 发布 npm 包。
  • 调用 MCP 工具。
  • 写入项目进度。

如果没有 PDD，Agent 很容易做出"看起来合理但不符合项目规则"的事情。

1. My-Notion 里的 PDD 载体

My-Notion 里有几类 Prompt/规则资产：

  • AGENTS.md：项目入口规则，告诉 Agent 当前架构、目录、验证命令和安全约束。
  • .trae/rules/project-workflow.md：工作流、项目结构、技术约束。
  • packages/my-notion-skills：面向外部 Agent 的可复用 Skills。
  • progress/：阶段性过程记录，避免 Agent 重复探索。
  • milestones/：里程碑索引，帮助 Agent 快速理解项目状态。
  • release checklist：发布前的固定动作。

这些文件本质上不是"给人看的 README"那么简单，而是给 Agent 的工程上下文。

2. 一个真实案例：CLI 从 beta 推到 latest

最近 My-Notion 把 @mynotion/cli 从 beta 推到了 npm latest。

这个流程如果靠临场发挥，很容易遗漏：

  • 忘记更新 package version。
  • 忘记同步 Skills。
  • 忘记检查 tarball 里是否还有 beta 文案。
  • 忘记验证 npm dist-tag。
  • 把 npm token 打到日志里。
  • 忘记清理 .npmrc.publish。

但通过 PDD，可以把 Agent 的执行路径固定下来：

arduino 复制代码 
读 release checklist
确认 package version
同步 Skills
运行 typecheck/test/build
生成 tarball
检查 tarball 内容
使用本地忽略 token 文件发布
验证 npm latest
清理本地 token 和 tarball
更新 progress

这个过程里，Prompt/规则不是一句"帮我发布一下"，而是一组可执行的工程约束。

3. 另一个真实案例：下线废弃能力

My-Notion 曾经有绘图能力，后来因为产品路线和后端热路径风险，选择下线。

这类任务不是简单删一个按钮，而是要问：

  • Web 前端入口是否移除？
  • 历史文档是否还能安全渲染？
  • CLI/MCP 是否还暴露旧工具？
  • Machine API 是否返回明确错误？
  • scope 是否移除？
  • 文档里是否还有旧能力字段？
  • 生产 Convex 是否已部署？

这些问题非常适合写进 Agent 的执行 Prompt。因为它不是单点代码修改，而是跨 Web、CLI、MCP、后端、文档的收口任务。

4. PDD 的优缺点

做了什么：

  • 把项目规则、执行顺序、安全边界、验证命令写成 Agent 可读上下文。
  • 让 Agent 不只是"写代码"，而是按项目工作流推进任务。
  • 通过 progress 和 milestones 降低重复探索成本。

为什么这样做：

  • AI Agent 的能力很强，但默认不知道项目的长期约束。
  • Prompt 如果只存在聊天记录里，很难复用，也很难审计。
  • 复杂项目需要让 Agent 按"项目方法论"工作，而不是按"通用建议"工作。

实现优缺点：

  • 优点是 Agent 行为更稳定，跨会话接续能力更好。
  • 缺点是需要维护规则文件，且规则过多时可能增加上下文负担。
  • 最好的方式不是堆规则，而是把关键安全边界和验证路径写清楚。

我的理解是：PDD 不是"提示词玄学"，而是把 Agent 的工作方式产品化、流程化、可审计化。

五、TDD：让不确定的 AI 系统有确定的验收线

TDD 通常指 Test-Driven Development，也就是测试驱动开发。

在 My-Notion 里，我不会机械地要求所有功能都先写测试，但对关键链路会坚持一个原则：

只要改动影响协议、安全、发布、Agent 写入或跨端兼容，就必须有明确验证。

1. My-Notion 的验证分层

项目里常见的验证命令包括：

scss 复制代码 
# Web
pnpm --filter @notion/web typecheck
pnpm --filter @notion/web lint
pnpm --filter @notion/web build
pnpm ci:ai-smoke

# CLI / MCP
pnpm --filter @mynotion/cli test
pnpm --filter @mynotion/cli typecheck
pnpm --filter @mynotion/cli build
pnpm e2e:cli
pnpm e2e:cli:errors
pnpm e2e:mcp
pnpm e2e:mcp:client

# Skills
pnpm sync:skills
pnpm sync:skills:package
pnpm sync:skills:check

这不是为了"跑命令好看"，而是因为 My-Notion 的交付面太多：

  • Web 改动要保证 Next.js 和 Convex 类型正确。
  • CLI 改动要保证命令、输出格式、错误契约稳定。
  • MCP 改动要保证外部 Agent 能正确调用工具。
  • Skills 改动要保证源码、.trae/skills、随包 skills 三份一致。

2. 最近一次发布的 TDD 实践

@mynotion/cli@0.1.0 发布到 npm latest 前后，实际跑了这些验证：

  • pnpm --filter @mynotion/cli typecheck
  • pnpm --filter @mynotion/cli test
  • pnpm --filter @mynotion/cli build
  • pnpm sync:skills
  • pnpm sync:skills:package
  • pnpm sync:skills:check
  • npm publish --tag latest --access public
  • npm view @mynotion/cli dist-tags --json
  • npx @mynotion/cli@latest --help
  • npx @mynotion/cli@latest install --check --format json

最后确认：

json 复制代码 
{
  "latest": "0.1.0",
  "beta": "0.1.0-beta.1"
}

以及安装检查返回：

json 复制代码 
{
  "ok": true,
  "version": "0.1.0",
  "skillsBundled": true
}

这就是 TDD 在发布链路里的价值：不是相信"我改完了"，而是让命令证明"它能工作"。

3. TDD 的优缺点

做了什么：

  • 用单测、类型检查、构建、E2E、发布后 npm view 和 npx smoke test 做验收。
  • 对 CLI/MCP/Skills 这类 Agent 入口保持更严格的回归检查。
  • 把验证结果写入 progress，方便后续复盘。

为什么这样做：

  • Agent 产品的失败模式很多，不能只靠人工点点看。
  • 发布包一旦推到 npm，回滚成本比本地修 bug 更高。
  • 外部 Agent 依赖 CLI/MCP 契约，破坏契约会影响下游自动化。

实现优缺点：

  • 优点是确定性强，能及时发现协议漂移和发布问题。
  • 缺点是验证链路会变长，尤其是 E2E 和真实服务依赖。
  • 实践中需要按改动范围选择最小必要验证，避免每次都跑全量。

我的理解是：TDD 对 AI 项目不是"保守"，而是让 AI 的不确定性被工程确定性包住。

六、把四种方法串起来：一个完整任务怎么跑？

如果用 My-Notion 的方式做一个新能力，我通常会这样拆：

1. DDD：先问领域问题

sql 复制代码 
这个能力属于哪个领域？
是否会引入新的核心对象？
它和 Document、Agent Run、Memory、Tool Result 的关系是什么？
是否需要新的权限或 scope？

例如做"Agent 写入文档"时，领域对象不是"一个按钮"，而是：

  • 文档草稿。
  • 写入预览。
  • 用户确认。
  • 提交动作。
  • 审计与恢复。

2. SDD：再写协议和契约

arduino 复制代码 
API 输入输出是什么？
tool result 结构是什么？
错误码是什么？
是否支持 dry-run？
是否需要 checkpoint？

如果涉及外部 Agent，还要明确：

  • MCP structuredContent。
  • text fallback。
  • isError。
  • requestId。
  • confirmationRequired。

3. PDD：把 Agent 执行路径写清楚

arduino 复制代码 
Agent 允许做什么？
禁止做什么？
需要先 dry-run 还是可以 commit？
修改后要同步哪些文档？
需要跑哪些验证命令？

这部分会进入 AGENTS.md、Skills、progress 或 release checklist。

4. TDD：最后用验证收口

bash 复制代码 
类型是否通过？
单测是否覆盖关键契约？
E2E 是否覆盖真实链路？
发布后是否做 smoke test？
文档和代码是否一致？

这样一来，AI 项目就不再是"Prompt + API 调用"的组合，而是一套可持续演进的工程系统。

七、这套方法在 My-Notion 里解决了什么问题？

1. 解决跨端割裂

Mobile 早期通过 /api/chat 和 /api/rag 接入 Web 能力。为了避免未鉴权入口，后续补了 Clerk Bearer token，并在 Web 端增加兼容路由。

这里的闭环是：

  • DDD：Mobile AI 属于同一个 Agent/AI 领域，不是独立随便接一个接口。
  • SDD：/api/chat、/api/rag 的请求和 SSE 输出要稳定。
  • PDD：规则里明确 Mobile 必须复用 Web API 鉴权和 Agent Stream 方向。
  • TDD：至少跑 Web typecheck 和影响范围验证。

2. 解决 Agent 写入安全

Agent 能写文档是很有价值的，但如果没有确认链路，就很危险。

My-Notion 选择了：

rust 复制代码 
Dry-run -> Preview -> User Confirmation -> Commit

这让 Agent 从"直接执行者"变成"生成方案并等待确认的协作者"。

3. 解决发布不可控

CLI/MCP/Skills 是给外部 Agent 用的，一旦发布到 npm，任何契约变化都会影响使用方。

所以发布不是一句 npm publish，而是：

  • version bump。
  • changelog。
  • Skills sync。
  • typecheck/test/build。
  • tarball 内容检查。
  • npm dist-tag 验证。
  • npx smoke test。
  • token 清理。
  • progress 记录。

4. 解决历史功能下线

下线一个废弃能力比新增功能更考验工程边界。

My-Notion 的做法是：前端入口移除，历史 block 保留只读降级，CLI/MCP 不再暴露工具，Machine API 返回明确错误，scope 移除，文档清理，生产部署。

这类任务如果没有 DDD/SDD/PDD/TDD，很容易只删前端按钮，却忘了后端入口或外部 Agent 工具。

八、给 AI Agent 项目的几个建议

如果你也在做 AI Native 产品，我建议不要一开始就追求复杂框架，而是先建立这几个习惯。

1. 不要先写 Prompt，先定义领域词汇

如果团队里对"run"、"tool result"、"memory"、"source"、"confirmation"的理解都不一样，Prompt 写得再漂亮也会变形。

2. 不要只写接口，写协议

接口是"某次请求返回什么"，协议是"系统长期如何协作"。

Agent Stream、MCP、CLI、Memory 这类能力，都应该按协议思维设计。

3. 不要让 Agent 直接拥有副作用权限

写文档、写记忆、删除、归档、发布，都应该有明确确认链路或权限边界。

尤其是 MCP 和 CLI 场景，默认 dry-run 是一个很实用的安全策略。

4. 不要把 Prompt 当临时聊天记录

真正有价值的 Prompt 应该沉淀成：

  • AGENTS.md
  • Skills
  • Checklist
  • progress
  • milestone
  • release docs

这样 Agent 才能跨会话、跨任务保持一致。

5. 不要跳过发布后验证

发布成功不等于可用。

至少要做：

lua 复制代码 
npm view <package> dist-tags --json
npx <package>@latest --help

如果是带 Skills 的包，还要验证随包资源是否存在。

九、总结

My-Notion 不是一个一次性 Demo，而是一个持续演进的 AI Native 知识工作台。

在这个过程中，我对 PDD、DDD、SDD、TDD 的理解越来越具体：

  • DDD 解决"我们到底在做什么领域"的问题。
  • SDD 解决"系统之间如何稳定协作"的问题。
  • PDD 解决"Agent 如何按项目规则工作"的问题。
  • TDD 解决"我们如何证明它没有坏"的问题。

它们不是互相替代的关系，而是一条链路：

复制代码 
先用 DDD 统一语言
再用 SDD 固化契约
再用 PDD 约束 Agent 执行
最后用 TDD 验证交付结果

如果只做 PDD，Agent 可能很会写代码，但方向不稳定。

如果只做 DDD，架构概念很漂亮，但无法落地。

如果只做 SDD，协议很清楚，但执行过程可能失控。

如果只做 TDD，测试很多，但可能测的是错误的抽象。

而把四者串起来，才更接近我想要的 Agent 工程方式：

让 AI 参与复杂系统开发，但不把复杂系统交给随机性。

这也是 My-Notion 继续演进时，我会长期坚持的一套方法论。

相关推荐
HjhIron2 小时前
从零实现一个待办事项应用：前端必学的Ajax与Node.js实战
前端·后端
yingyima2 小时前
JavaScript 正则表达式：从零开始的实战对比
前端
Sammyyyyy2 小时前
月之暗面 Kimi Code 0.4.0 发布，终端 AI 编码助手全面采用 TypeScript，实现毫秒级启动
前端·javascript·人工智能·ai·typescript·servbay
范什么特西2 小时前
配置文件xml和properties
xml·前端
jnene2 小时前
html 时间、价格筛选样式处理
前端·css·html
slongzhang_3 小时前
jquery 修复怪异模式html未声明“＜!DOCTYPE html＞”
前端·html·jquery
云水一下4 小时前
Vue.js从零到精通系列（三）：组件化基础——Props、Emits、插槽与生命周期
前端·javascript·vue.js
SEO_juper4 小时前
新独立站冷启动收录全攻略：配置、推送、抓取配额优化完整手册
前端·谷歌·seo·跨境电商·外贸·geo·独立站
TinssonTai4 小时前
这个 VS Code 插件让我的 AI Coding 又快又稳 - 旧瓶装新酒
前端·人工智能·程序员
热门推荐
01HTTP 与 HTTPS 的区别：从原理到实战详解02《置身钉内》原文-可播放阅读03【AI】2026 年具身智能模型和世界模型总结042026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？05Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析06AI科技热点日报 | 2026年6月1日072026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？08GitHub 镜像站点09AI一周事件 · 2026-06-03 至 2026-06-09102026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf