AI Coding 时代，企业代码库该怎么管？（附 Skills）

本文很短，但很干。

AI Coding 已经不是"要不要上"的问题，而是"上了之后怎么管"的问题。企业级的代码库，到底该怎么组织，才能让一群人既看得全、又管得住？

影响 AI 工作效果的核心因素是上下文，包含两个关键点：

• 上下文是否完整
• 上下文是否精准

AI Coding 时代，代码库该如何管理呢？前端一个代码库、不同的后端服务不同的代码库——这样的方式，AI 不能读到全量上下文，工作会很低效。

我们建议的最佳实践

在讲我们的代码库管理实践之前，先说一下我们团队在 AI 开发过程中的协作理念：

1. 产品、技术、测试和运维相关文档也通过代码库管理起来
2. 无论是产品经理、开发人员、测试人员、运维人员，都通过 Coding Agent 来辅助工作
3. 产品经理、开发人员、测试人员、运维人员，都能够读取到项目的全量上下文，包括相关文档和项目的代码
4. 产品经理、开发人员、测试人员、运维人员只能够维护各自负责的文档

在上述的4条理念下，我们设计的项目目录结构和代码库管理方式如下：

• 1个主库 + 4个子库的目录结构：根目录是主库，下面包括4个目录（pm/test/dev/ops），对应产品经理、测试人员、开发人员、Ops 维护的目录，这4个目录对应4个代码库。
• 4个子库给全体项目成员开读取权限，但只给对应角色开维护权限，比如 pm 子库只运行产品经理提交修改。

这样的代码库管理方式，完美解决了上下文的管理、权限隔离的问题。

注意这里的关键词是拉取全部和维护各一。读是横向打通的，写是纵向收敛的。这正好对应企业协作里真实的需要：你想让所有人有共同的上下文，但不想让所有人对所有东西都有同等破坏力。

最佳实践的落地方式

按照上文的方式，管理一个项目的代码库很麻烦。怎么解决这个问题呢？

我们给项目经理做了一个 skill，用于项目初始化，这个 skill 会做如下3件事：

• 标准化目录创建
• 脚手架代码拉取
• 1+4的代码库创建

写在最后

AI Coding 时代，写得快从来不是瓶颈，管得清楚才是。1 个主库 + 4 个子库，本质上是用结构把"看全"和"管好"这两件看似矛盾的事，安排到了同一个仓库里。

想要这套【1 主库 + 4 子库】的脚手架 Skill？

如果你也想在自己的团队里跑起来，欢迎在评论区留言 「Skill」，我把文件共享给你。

关注一下，听露爷侃侃~~

鹿爷聊数智化