AI Agent 已經可以在短時間內產出大量程式碼，但程式碼產出速度變快，不代表軟體交付品質也會同步提升。只有工程紀律，才能讓 AI 產出的程式碼變得可驗證、可維護，並且持續演進。

本議程將以一套實際落地於個人開發流程的 AI Agent 工作流為起點，分享如何從 PRD、User Story、Design Document、Implementation Plan、Agent 實作到 Code Review，逐步建立可被 AI 讀取、執行與回饋的工程上下文。

除了 AI SDLC，本議程也會說明 Linter、Testing、Coding Guidelines、Git Hooks 與 CI 等傳統軟體工程實踐，如何成為約束 AI 行為、及早發現問題並建立品質回饋循環的重要基礎。

這套流程目前主要在一人開發情境中驗證，但其核心並不是個人 Prompt 技巧，而是將需求、設計、規範與實作知識，沉澱為可版本化、可審查、可逐步擴展的團隊工程資產。

聽眾收穫：

這場分享適合正在導入 AI Agent、但開始遇到混亂、品質不穩的工程師與團隊。聽眾將能帶走一套從個人實踐出發、逐步擴展成團隊工作流的 AI SDLC 設計方法。