12+ 智能体、34+ 工作流：这个敏捷 AI 开发框架覆盖了整个流程

我在之前文章推荐过几个成体系的AI 编程技能：

强烈推荐 TypeScript 大神 Matt Pocock 的 AI 编程技能！

比 Superpowers 更贴近AI编程工程实践的51 个 Agent 和 35 个技能

今天要介绍的BMAD-METHOD，是一个把 AI 驱动开发方法系统化、工程化的开源框架，和之前的技能各有擅长，且有独特的设计思想，值得你拥有。

全称 Breakthrough Method for Agile AI-Driven Development（敏捷 AI 驱动开发的突破性方法）。

核心哲学是：AI 不该替你思考，而是作为专业协作者，通过结构化流程引导你做出更好的决策。

架构总览

BMAD-METHOD 分为四层：

第一层：安装器 CLI。 一条命令 npx bmad-method install 完成安装。底层依赖 Node.js + Python + uv，采用四层 TOML 配置合并策略。支持 Claude Code、Cursor、Gemini、ChatGPT 等多平台。

第二层：核心引擎。 确定性模板渲染系统 render.py（Python 纯标准库），Go 模板语法 {{.var}} 由 Python 编译时替换，{var} 由 LLM 运行时动态解析。配置管理通过 _bmad/config.toml 集中管理，技能调度器负责编排工作流。

第三层：技能系统 + 质量体系。 34+ 工作流、12+ 角色智能体、派对模式（Party Mode）、Dev Loop 自动化。质量侧配套三层代码审查体系、12 条技能验证规则、文件引用校验、CodeRabbit AI 审查、CI/CD + Husky pre-commit。

第四层：模块生态。 五个模块：BMM 核心、BMB Builder（自定义智能体）、TEA 测试架构师、Game Dev Studio（Unity/Unreal/Godot）、Creative Intelligence Suite（创新设计思维），以及 Web Bundles 分发渠道。

开发工作流

从有一个产品的想法到开发完成、迭代、上线发布的工作流程：

输入（想法/Bug/需求）
  → 头脑风暴（forge-idea）
  → 产品简报（product-brief）
  → PRD（bmad-prd）
  → UX 设计（bmad-ux，输出 DESIGN.md + EXPERIENCE.md）
  → 架构设计（bmad-architecture）
  → 开发实施（bmad-quick-dev + 三层代码审查）
  → 持续迭代（bmad-loop，开发→审查→反馈→再开发）
  → 输出：可部署代码 + 完整产品文档

整个过程由 bmad-help 技能自动引导，随时告诉开发者下一步做什么。

设计理念

规模自适应（Scale-Domain-Adaptive）

同一个工作流，处理 Bug 修复时轻量快速，处理企业级系统时自动展开完整规划。

完美避开了有些开发技能的繁复和笨重。

确定性 + AI 协作双引擎

这是 BMAD 最独特的技术亮点。模板系统采用两层变量解析：

能确定的事交给代码（避免 LLM 幻觉），需要推理的事留给 AI。

这样设计降低了 AI 生成内容的质量波动。

四层配置合并策略

优先级从低到高：
base-team（模块默认）→ base-user（用户默认）→ custom-team（团队定制）→ custom-user（个人定制）

高优先级覆盖低优先级，无需修改源文件即可个性化定制。

派对模式（Party Mode）

在同一会话中同时激活 PM、架构师、开发者、UX 设计师等多个角色协作讨论，类似于开一场虚拟的站会，交叉验证产出质量。

核心技能一览

代码审查体系

代码审查是保证 AI 生成代码质量的关键机制：

1. 1. 对抗性 Bug 猎人：以攻击者思维主动寻找漏洞
2. 2. 边缘案例猎人：穷举边界条件与异常路径
3. 3. 验证差距审查：逐条对照需求，检查覆盖盲区

配合 CodeRabbit AI 自动审查、Husky pre-commit hooks、GitHub Actions CI/CD 形成完整质量防线。

技能验证工具链

项目内置一套质量保证脚本，确保技能定义的规范性：

模块生态

Web Bundles（网页版技能）

Web Bundles 可以将 BMad 技能打包成一键安装的配置包，可导入 Google Gemini Gems 或 ChatGPT Custom GPTs。

使用流程：

1. 1. 在 bmadcode.com/web-bundles 选一个 Bundle（比如"PRD 写作"）
3. 2. 按页面指引，一键安装到你的 Gemini 或 ChatGPT 账号
5. 3. 安装后，在 Gemini/ChatGPT 的 Web 界面跟它对话，它会按照 BMAD 的结构化流程引导你产出 PRD、UX 规格等文档
7. 4. 产出物直接复制到本地 IDE 里，继续用 Claude Code 做开发实现

这么做的原因是省钱。

规划阶段在 Web 端跑，走 Gemini/ChatGPT 的免费对话额度；

实现阶段才回到 IDE 消耗按量计费的 token。

感情老外也吃不消自己家的大模型的高额费用，怪不得国内的大模型廉价的费用占据了市场一席之地。

当前上架技能：头脑风暴、产品简报、PRFAQ、PRD、UX、市场与行业研究。

与复合工程对照

之前介绍的复合工程（compound-engineering）技能，也是覆盖从创意到交付的完整开发链路。

将 BMAD 与这套技能对照，能更清晰地看出两者的设计差异和各自擅长的场景。

开发阶段对照

设计差异

BMAD 的优势：

• • 派对模式：同一会话多个角色同时评审，交叉验证，CE 只在 code-review 中用到多角色
• • 确定性渲染：Go 模板 + Python render.py，把确定逻辑交给代码，减少 AI 幻觉，CE 完全依赖 LLM 推理
• • 规模自适应：同一工作流自动适配 Bug 修复到企业系统，CE 需人工判断流程深度
• • 配置分层合并：team/user 四级配置覆盖，CE 无此机制

复合工程的优势：

• • 更轻量：每个技能是独立命令，无安装器、无配置文件，即开即用
• • Git 深度集成：ce-commit 和 ce-commit-push-pr 覆盖了从提交到 PR 的完整 Git 流程
• • 知识管理：ce-compound 在解决问题后自动归档知识，形成团队知识复利
• • 浏览器迭代：ce-polish 启动 dev server + 浏览器实时反馈，实现"边看边改"

互补价值

BMAD 和 CE 不是替代关系，更适合组合使用：

1. 1. BMAD 做规划，CE 做交付。
2. 用 BMAD 的派对模式 + 确定性渲染完成 PRD 和架构设计，产出物交给 ce-work 高效实现，ce-commit 规范化提交。
4. 2. BMAD 的 Web Bundles 降本。
5. 规划阶段用 BMAD Web Bundles 在 ChatGPT/Gemini 上跑（月费订阅），节省 IDE token 成本，实现阶段再回到 IDE。
7. 3. CE 的知识管理补 BMAD 的空缺。
8. BMAD 没有知识归档机制，用 ce-compound 在问题解决后沉淀经验。
10. 4. CE 的调试能力是 BMAD 的短板。
11. BMAD 的 quick-dev 没有独立的调试流程，ce-debug 的系统化根因追踪正好补齐。

总结：BMAD-METHOD 是一套将 AI 驱动开发从"试运气"变成"可重复工程"的方法论框架。

还可以和其他AI编程技能组合使用。

如果担心 AI 写代码质量不稳定，这个仓库提供的确定性渲染 + 多层审查 + 结构化工作流，就是解法。

Github：https://github.com/bmad-code-org/BMAD-METHOD

Web Bundles：https://www.bmadcode.com/web-bundles/

你觉得这个框架如何？欢迎评论区留言。

-END-