AI对话TDD工作流专家

> 定位： 日常 AI 对话中执行任何任务的通用方法论——如何与 AI 协作完成高质量交付

>

> 适用场景： 功能开发、Bug 修复、代码重构、需求分析、文案写作、研究调查、方案规划、学习理解、决策分析

>

> 适用 Agent： 所有 AI 对话界面（ChatGPT、Claude、OpenAI、OpenCode、Claude Code、Hermes、Cursor、Windsurf 等）

>

> 版本： 2.0.0

触发调用方式

何时调用本Skill

当出现以下情况时，触发使用本Skill：

1. 需要AI完成具体任务时 - 有明确交付物要求（文档、代码、方案等）
2. 任务较复杂需分阶段时 - 简单一句话无法描述清楚的任务
3. 对输出质量有较高要求时 - 需要确保AI输出符合特定标准
4. 需要迭代优化时 - 初稿不满足要求，需要AI修正

调用方式

在AI对话中直接说明任务和标准，无需特殊命令：

# 直接调用示例
帮我完成：[任务描述]
标准：[成功标准]
约束：[约束条件]
格式：[输出格式]

适用Agent触发

所有支持AI对话的Agent均可调用：

• Claude Code（命令行对话）
• ChatGPT / Claude Web
• Cursor / Windsurf
• OpenAI Codex
• Hermes Agent

一、核心原理：为什么 AI 对话也需要 TDD

1.1 TDD 的三条铁律在 AI 对话中同样有效

1.2 传统 TDD vs AI 对话 TDD

传统 TDD（代码）：
  人 → 写测试 → 看失败 → 写代码 → 看通过 → 重构

AI 对话 TDD：
  人 → 定义成功标准(RED) → AI 生成初稿 → 人确认符合标准(GREEN) → 优化完善(REFACTOR)

1.3 关键映射关系

1.4 AI 对话中最大的三个坑

1.5 人与 AI 的分工

核心原则：AI 负责生成，人负责判断。AI 写的东西必须经过人的确认才能信任。

二、RED 阶段：定义清楚成功标准

2.1 什么是 RED 阶段

RED = Requirements Established & Defined

在让 AI 做事之前，先把"成功的标准"定义清楚。这个标准就像测试用例——如果 AI 的输出能通过这个"测试"，就是成功的。

RED 阶段是最重要的阶段。 据统计，80% 的 AI 对话问题源于 RED 阶段定义不清。

2.2 RED 阶段的核心要素

每次让 AI 做事之前，先想清楚这 5 个要素：

1. 背景：我为什么需要这个？解决了什么问题？
2. 任务：我具体要 AI 做什么？
3. 成功标准：什么样的输出算成功？（必须具体可衡量）
4. 约束：有没有什么边界或限制？
5. 格式：输出以什么形式交付？

2.3 RED Prompt 模板

标准版（复杂任务用）：

## 任务背景
[为什么需要这个？解决了什么问题？有什么上下文？]

## 任务
[具体要做什么？用一句话描述，越具体越好]

## 验收标准（必须全部满足，每条都要可衡量）
- [ ] 标准1：具体描述，包含数字或明确结果
- [ ] 标准2：具体描述，包含数字或明确结果
- [ ] 标准3：具体描述，包含数字或明确结果

## 约束（明确边界）
- [ ] 不要做...
- [ ] 避免...
- [ ] 限制范围...

## 输出格式
[文字/代码/表格/大纲/JSON...]
[字数/长度要求]

## 参考示例（如有）
[给 AI 一个参考范例，帮助它理解你要的风格和方向]

快速版（简单任务用）：

帮我做：[具体任务]
标准：[成功的样子，越具体越好]
约束：[不要做的事]
格式：[输出格式]
参考：[参考范例，可选]

2.4 什么是好的验收标准

好的验收标准（可衡量）：

✅ "字数在800-1000字"
✅ "包含3个具体案例，每个案例有背景、做法、结果"
✅ "语气轻松，口语化，像朋友聊天"
✅ "输出JSON格式，包含title、content、tags三个字段"
✅ "分析维度：经济、社会、文化、个人各至少2点"

差的验收标准（模糊）：

❌ "内容要丰富" → 多少算丰富？
❌ "分析要透彻" → 什么是透彻？
❌ "写得专业一点" → 什么样的算专业？
❌ "不要太差" → 什么是不要太差？
❌ "看着差不多就行" → 差不多是什么？

三、GREEN 阶段：获取最小化达标输出

3.1 什么是 GREEN 阶段

GREEN = Goal Reached Enhanced Early Now

AI 根据你定义的标准，生成满足要求的最小化输出。

3.2 GREEN 阶段的核心原则

最小化交付： 让 AI 先出一个满足基本要求的版本，不要追求完美。

"作弊"是允许的： 先满足标准，后续可以优化。过度设计是 GREEN 阶段最大的敌人。

GREEN 阶段的目标是"达标"，不是"最优"。

3.3 GREEN 阶段的验证流程

1. AI 生成初稿
2. 人对照 RED 标准逐条检查（每条标准都要验证）
3. 满足标准 → GREEN 完成
4. 不满足标准 → 指出具体问题，让 AI 修正
5. 修正后再次检查，直到达标

3.4 GREEN 阶段的反馈技巧

好的反馈（具体可操作）：

✅ "第三点不够具体，需要补充：具体的执行步骤是什么？"
✅ "案例太少，需要再增加2个国内案例"
✅ "太长，压缩到500字以内"
✅ "语气太正式，改成轻松口语风格"
✅ "第一条标准没满足：需要的是价格分析，你写的是功能对比"
✅ "缺少对'用户画像'的分析，这是标准里要求的"

差的反馈（AI 难以处理）：

❌ "不够好" → AI 不知道哪里不好
❌ "再来一遍" → 同样的问题会重复出现
❌ "重新写" → 没有指出问题在哪里
❌ "差点意思" → AI 不知道差在哪里
❌ "优化一下" → 不知道优化什么
❌ "好一点" → 什么算好一点？

四、REFACTOR 阶段：优化完善

4.1 什么是 REFACTOR 阶段

REFACTOR = Refine Excellence For All Concise Tasks Of Result

在 GREEN 达标的基础上，进行优化——但不改变核心交付物。

4.2 REFACTOR 与 GREEN 的区别

4.3 什么时候需要 REFACTOR

需要 REFACTOR 的情况：

• GREEN 达标了，但你想让质量更好
• 内容技术上正确，但表达不够清晰
• 结构合理，但不够吸引人
• 有多余废话，需要精简

不需要 REFACTOR 的情况：

• GREEN 勉强达标，但时间紧迫，先凑合用
• 内容本身已经足够好
• 后续还有人工编辑，不需要 AI 优化

4.4 REFACTOR 的常见任务

五、AI 对话 TDD 完整流程

5.1 标准流程图

┌─────────────────────────────────────────────────────┐
│                     开始                             │
└─────────────────────────┬───────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────┐
│  RED：定义成功标准                                  │
│  - 说清楚做什么                                      │
│  - 说清楚做成什么样（每条标准可衡量）                  │
│  - 说清楚不要做什么（约束）                            │
│  - 说清楚输出格式                                    │
│  自检：5个要素都齐全吗？                             │
└─────────────────────────┬───────────────────────────┘
                          ↓
                         ？
              ┌───────────┴───────────┐
              │ 任务复杂度？           │
              └───────────┬───────────┘
                    YES ↓         ↓ NO
              ┌──────────────┐    ┌─────────────────────┐
              │ 单轮直接问    │    │ 分阶段执行           │
              │ （简单任务）   │    │ RED→GREEN→REFACTOR  │
              └──────────────┘    └─────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────┐
│  GREEN：获取达标输出                                │
│  - AI 生成初稿                                      │
│  - 人对照 RED 标准逐条检查                            │
│  - 不达标 → 具体反馈 → AI修正 → 重新检查              │
│  - 达标 → 进入下一步                                 │
└─────────────────────────┬───────────────────────────┘
                          ↓
                         ？
              ┌───────────┴───────────┐
              │ 需要优化吗？           │
              └───────────┬───────────┘
                YES ↓         ↓ NO
        ┌──────────────┐    ┌─────────────────┐
        │ REFACTOR     │    │ 完成             │
        │ 优化完善      │    │ 交付使用         │
        └──────────────┘    └─────────────────┘
              ↓
         人确认满意
              ↓
        ┌─────────────┐
        │ 完成/交付   │
        └─────────────┘

5.2 判断任务复杂度

简单任务（单轮对话）：

• 简单问答（定义、解释、查找）
• 格式转换（JSON转表格等）
• 简短文案（1-2段）
• 快速信息查询
• 简单计算

→ 直接提需求，快速完成

中等复杂度（RED → GREEN）：

• 有明确多条标准的内容
• 有格式要求的输出
• 需要真实信息的研究
• 需要多版本选择
• 简单文案/邮件/消息

→ 标准版 RED + GREEN 验证

高复杂度（RED → GREEN → REFACTOR）：

• 完整方案/文档/报告
• 代码实现和测试
• 系统设计
• 多章节长文
• 需要精修的重要内容
• 决策分析报告

→ 完整三阶段 + 多次迭代

六、快速参考卡

RED 快速模板

帮我做：[任务]
标准：[成功的样子，越具体越好，可带数字]
约束：[不要做的事]
格式：[输出格式]
参考：[参考范例，可选]

GREEN 反馈模板

已收到初稿，对照标准检查：

✅ 满足：
- 第X条标准：[描述]
- 第Y条标准：[描述]

❌ 不满足：
- 第X条标准：原因[具体问题]
  请修正：[具体要求]

请修正后重新输出。

REFACTOR 快速模板

基础版本已确认，现在优化：

重点：
1. [优化点1]
2. [优化点2]

约束：
- 不改变核心内容
- 不超出字数范围太多

目标：[具体优化目标]

任务复杂度判断

七、FAQ 与常见问题

Q1: RED阶段最重要吗？

是的。 80%的AI对话问题源于RED阶段定义不清。定义清楚成功标准，比生成过程更重要。

Q2: 什么时候应该停止迭代？

• GREEN阶段：所有验收标准都满足时停止
• REFACTOR阶段：达到"超出标准"的程度时停止，不必追求完美

Q3: GREEN阶段允许"作弊"吗？

允许。 AI可以生成最小化满足标准的输出，即使不是最优解。目标是"达标"而非"最优"。

Q4: REFACTOR和GREEN的区别是什么？

Q5: 如果AI输出完全不达标怎么办？

回到RED阶段，重新定义成功标准。问题往往是标准定义不够清晰，而非AI能力不足。

Q6: 所有任务都需要三阶段吗？

不是。简单任务单轮即可，复杂任务才需要完整的三阶段循环。

八、安全与信任机制

8.1 使用安全

本方法论是纯对话流程，不需要执行任何代码，不涉及网络请求或数据外传。

8.2 信任机制

8.3 适用边界

• 适用于文字/代码/分析/方案等软输出任务
• 不适用于需要实时数据或网络请求的任务
• 重要任务建议保留完整的RED→GREEN→REFACTOR记录

版本历史

文档版本：2.1.0

更新日期：2026-05-25

核心能力：AI对话TDD方法论