AI 驱动的团队协作项目模板

每个功能对应一个文件夹，按复杂度选择需要的文件：

specs/NNN-feature-name/
├── spec.md              🔴 必须 | 做什么 + 怎么验
├── plan.md              🟡 推荐 | 怎么做
├── tasks.md             🟡 推荐 | 一步步做什么
├── design.md            🟡 推荐 | 交互规范
├── data-model.md        🟢 按需 | 字段定义
├── contracts/           🟢 按需 | API 契约
└── changelog.md         🟢 按需 | 变更记录

小功能（改几个页面）只写 spec.md；中功能（一个完整页面）加 tasks + design；大功能（新模块）全部文件都要。

CLAUDE.md 是主控，定义了角色、项目目标、工作流和规则。每次对话开始时被加载，驱动整个项目。下面是 4 个执行者：

code-reviewer（QA 工程师）— 两阶段审查：先对照 Spec 验功能完整性，再验代码质量。

implementer（编码实现者）— 按开发计划的 Task 描述写代码，编译通过后返回报告。

feedback-observer（记录员）— 当用户纠正 AI 行为时，把教训写到 .claude/feedback/ 里，下次不再踩坑。

evolution-runner（复盘官）— 扫描所有历史反馈，按四层进化策略（L1-L4）提出改进建议。

每个 Task 必须用 fresh 实例，不复用之前的 Sub-Agent，防止上一个任务的错误假设污染下一个任务。

Hooks 是自动化钩子，在特定时机自动执行。类比 Git 的 pre-commit / post-commit 钩子，但覆盖更完整的开发周期。

pre-commit-check.sh — git commit 前自动跑类型检查。不通过就禁止提交。

auto-push.sh — git commit 后自动推送到远程，省去手动 push。

mark-review-needed.sh — 每次编辑 .ts/.tsx/.css 等文件后，标记"需要 code review"。

detect-feedback-signal.sh — 检测用户输入中的修正信号（"不对"、"错了"、"应该是"…），自动触发 feedback-observer。

check-evolution.sh — session 启动时检查有没有未处理的 feedback，有就提醒跑进化引擎。

stop-gate.sh — 任务结束时检查有没有未 review 的变更，有就阻止结束。

AI 犯错后不会白犯。进化引擎按四个层次提出改进建议：

L1 更新 Skill 规则 — 某类错误可通过增强现有规则避免。例如：在 react.md 里加一条禁止规则。

L2 更新 Agent 定义 — 某个 Sub-Agent 的职责或输入输出定义不够清晰，需要调整。

L3 更新主控规则 — 需要修改 CLAUDE.md 里的流程或全局规则。

L4 创建新 Skill — 反馈模式反复出现且跨多个 Skill，现有 Skill 无法覆盖时提议新 Skill。

触发规则：相同模式出现 2 次以上 → L1/L2/L3 建议；出现 3 次以上且横跨多个 Skill → 可提议 L4 新 Skill。所有建议都必须由人逐条确认，AI 不会自作主张修改规则。