在使用 AI 编程工具时，很多人都会有类似体验：
写小功能时效率很高
项目一变复杂，上下文开始混乱
改动需求或 Bug 时，逻辑逐渐偏离最初设计
最后不得不反复重问、重写，甚至推翻前面的工作
这类问题并不只出现在某一个模型或某一个工具上，而是在 AI 参与完整工程流程时普遍存在。
最近在 GitHub 上比较受关注的 BMAD‑METHOD，正是围绕这一问题，给出了一套偏工程化的解决思路。
一、BMAD-METHOD 是什么？
BMAD-METHOD 的全称是 Breakthrough Method for Agile AI Driven Development。从项目定位上看，它并不是一个新的模型，也不是一个“更聪明的 AI 编程助手”，而是一套让 AI 按照敏捷开发流程参与工程的工具与方法集合。
BMAD 关注的核心不是：
而是一个更现实的问题：
在真实项目中，如何约束 AI 的参与方式，让输出过程更可控。
因此，从设计目标上看，BMAD 并不试图替代工程决策，而是尝试把人类团队中的流程、角色与阶段约束，引入到 AI 的使用方式中。
二、BMAD 的核心功能与机制
从仓库内容来看，BMAD 的功能并不是零散的“命令集合”，而是围绕几项核心机制展开。
1. 用“角色”拆分 AI 的职责
在常见用法中，一个 AI 往往同时承担需求理解、方案设计和代码实现，这在工程上本身就是高风险的。
BMAD 提供了一组角色模板（如分析、产品、架构、实现、评审等），这些角色并不是多个独立模型，而是：
它的工程意义在于：
任何时刻，只让 AI 专注于一个清晰的角色和任务。
2. 明确开发阶段，避免“一步到位”
BMAD 强调将 AI 的参与过程拆分为多个阶段，例如：
问题与需求澄清
规格与结构定义
架构与任务拆解
实现与评审
阶段之间需要有结构化产出，而不是直接跳到代码生成。这种设计的目的，是降低单次上下文的复杂度，而不是增加形式上的步骤。
3. 文档先行，限制自由发挥
BMAD 明确要求在进入实现前，先产出需求说明、规格或结构描述。
这并不能保证结果一定正确，但在工程上：
这里的改善是概率层面的，而不是确定性承诺。
三、BMAD-METHOD 怎么用
BMAD 提供两条使用路径，根据项目复杂度选择。
安装
在已有 Node 环境的项目中执行：
安装后，相关命令会接入到支持的 AI 编程环境（如 Claude Code、Cursor）。
路径一：Simple Path（快速流程）
适用于：Bug 修复、小功能、范围明确的任务。
只需 3 个命令，按顺序执行：
| | |
|---|
| /quick-spec | 分析当前代码库，生成技术规格说明和待实现的 Story 列表 |
| /dev-story | |
| /code-review | |
使用示例：假设你要给项目加一个“用户登出”功能——
执行 /quick-spec，AI 会分析项目结构，输出一份包含功能边界、影响模块、实现要点的技术规格
执行 /dev-story，AI 按照规格完成代码实现
执行 /code-review，AI 检查代码是否符合规范、有无遗漏
路径二：Full Planning Path（完整规划流程）
适用于：新产品、平台级功能、复杂特性开发。
分为规划阶段和实现阶段两部分。
规划阶段（执行一次）：
| | |
|---|
| /product-brief | |
| /create-prd | |
| /create-architecture | |
| /create-epics-and-stories | 将需求拆解为 Epic 和 Story，按优先级排序 |
| /sprint-planning | 初始化 Sprint，规划当前迭代要完成的 Story |
实现阶段（每个 Story 重复）：
| | |
|---|
| /create-story | |
| /dev-story | |
| /code-review | |
辅助命令
如果在任何阶段不确定下一步，执行 /bmad-help，AI 会根据已有的文档和进度给出建议。
四、与常见 AI 编程使用方式的工程差异
如果把 BMAD 和常见的 AI 编程用法做一个工程层面的对比，差异主要体现在三点：
使用方式：常见用法偏向即时问答，BMAD 强调阶段推进。
上下文管理：常见用法容易无限堆叠上下文，BMAD 通过拆分任务限制上下文规模。
适用场景：BMAD 更偏向中大型项目，而不是一次性脚本或 Demo。
这种差异并不意味着 BMAD 在所有场景下更优，而是定位不同。
五、适用与不适用场景
从工程角度看，BMAD-METHOD 更适合：
需求和结构相对复杂的项目
希望将 AI 纳入正式研发流程的个人或团队
对一致性和可控性有要求的场景
相对不适合：
很小的功能或脚本
强调快速试验、随用随弃的场景
不希望引入额外流程约束的项目
六、结语
BMAD-METHOD 并不是在让 AI “变得更聪明”，而是在限制 AI 的使用方式。
在模型能力已经相对充足的前提下，决定 AI 在复杂项目中是否可用的，往往不是模型本身，而是工程流程是否清晰、是否被遵守。
如果你正在尝试把 AI 用进真实项目，而不是只停留在 Demo 阶段，BMAD-METHOD 至少提供了一种值得参考的工程化路径。
GitHub 项目地址：https://github.com/bmad-code-org/BMAD-METHOD
