AWS открыла AI-DLC: жизненный цикл разработки под управлением ИИ
AWS Labs выпустила открытый репозиторий aidlc-workflows — адаптивные правила рабочего процесса для ИИ-агентов кодирования на основе методологии AI-DLC.
AWS открыла AI-DLC: новый жизненный цикл разработки ПО под управлением ИИ
Проект aidlc-workflows от AWS Labs знаменует важный этап в эволюции разработки программного обеспечения, представляя концепцию AI-Driven Development Life Cycle — AI-DLC. Вся методология AI-DLC теперь доступна в открытом исходном коде по адресу github.com/awslabs/aidlc-workflows. Проект объясняет, почему проблема кроется не в инструментах, а в неправильной методологии, и демонстрирует, как команды достигают 5–10-кратного ускорения через согласование требований и управление семантическим контекстом.
Что такое AI-DLC
AI-DLC — это AI-ориентированная методология от Amazon Web Services для разработки ПО, в которой искусственный интеллект является центральным участником процесса. Она делает акцент на выполнении задач с помощью ИИ при надзоре человека: ИИ генерирует планы, код и тесты, а критические решения остаются за разработчиком.
В отличие от традиционных SDLC (Software Development Life Cycle — жизненный цикл разработки ПО), которые предполагают интенсивное ручное вмешательство и человеческий контроль на каждом этапе, AI-DLC предлагает модель, где искусственный интеллект является главным двигателем прогресса.
Три фазы адаптивного рабочего процесса
Каждая фаза AI-DLC — Inception (инициация), Construction (разработка) и Operations (эксплуатация) — самостоятельно оценивает глубину, с которой должна выполняться, что приводит к процессу, который адаптируется к задаче, а не наоборот.
graph TD
A[💬 Намерение пользователя] --> B[Inception — Инициация]
B --> B1[Анализ рабочего пространства]
B --> B2[Сбор требований]
B --> B3[Архитектурный дизайн]
B3 --> C{Checkpoint ✅}
C --> D[Construction — Разработка]
D --> D1[Генерация кода]
D --> D2[Автоматическое тестирование]
D2 --> E{Checkpoint ✅}
E --> F[Operations — Эксплуатация]
F --> F1[Деплой через CI/CD]
F --> F2[Мониторинг и инциденты]
F2 --> A
Простые исправления багов пропускают этап планирования и идут прямо к генерации кода, тогда как сложные фичи требуют анализа требований, архитектурного проектирования и детального тестирования.
Using AI-DLC, ... — это активирует методологию в поддерживаемом ИИ-инструменте.Поддерживаемые платформы
Система спроектирована без привязки к конкретной IDE и поддерживает Amazon Q Developer, Kiro, Cursor, Cline, Claude Code и GitHub Copilot.
| Платформа | Тип правил | Директория |
|---|---|---|
| Kiro | Steering Files | .kiro/steering/aws-aidlc-rules/ |
| Amazon Q Developer | Amazon Q Rules | .amazonq/rules/aws-aidlc-rules/ |
| Cursor IDE | Cursor Rules | .cursor/rules/ai-dlc-workflow.mdc |
| Cline | Правила агента | .aidlc-rule-details/ |
| Claude Code | Конфигурация | .aidlc-rule-details/ |
| GitHub Copilot | Конфигурация | .aidlc-rule-details/ |
Ключевые принципы
Каждое взаимодействие пользователя, одобрение и решение записываются в файл audit.md с полным содержимым и временными метками. Пользователь обязан явно подтвердить переход между основными этапами.
Рабочий процесс адаптируется в зависимости от ясности намерений, состояния существующего кодовой базы (greenfield — новый проект, brownfield — унаследованный код), объёма задачи и рисков.
Новая терминология вместо Agile
AI-DLC вводит новую терминологию: традиционные «спринты» заменяются «болтами» (bolts) — более короткими и интенсивными рабочими циклами, измеряемыми часами или днями, а не неделями. «Эпики» заменяются «единицами работы» (Units of Work).
«Если ИИ может сократить анализ требований с трёх недель до трёх часов, загонять результат в двухнедельный спринт — значит просто имитировать Agile-ритуалы.» — логика, лежащая в основе методологии.
Реальные результаты
По данным AWS, методология позволила достичь 10–15-кратного роста производительности у таких клиентов, как Wipro и Dun, при обязательном сопровождении скорости качеством и предсказуемостью.
Системный интегратор Vipro выполнил трёхмесячный объём работ за 20 часов; финтех-компания Dun создала новое приложение за 48 часов и запустила его уже на следующей неделе.
Один европейский финансовый институт перешёл от одного продакт-менеджера и 12 разработчиков, выпускавших 15 функций за спринт, к одному продакт-менеджеру и 3 разработчикам, выпускающим 35 функций — сократив команду внешних подрядчиков на 9 FTE.
Установка за три команды
Для Kiro на macOS/Linux:
mkdir -p .kiro/steering
cp -R ~/Downloads/aidlc-rules/aws-aidlc-rules .kiro/steering/
cp -R ~/Downloads/aidlc-rules/aws-aidlc-rule-details .kiro/
Для Amazon Q Developer на macOS/Linux:
mkdir -p .amazonq/rules
cp -R ~/Downloads/aidlc-rules/aws-aidlc-rules .amazonq/rules/
cp -R ~/Downloads/aidlc-rules/aws-aidlc-rule-details .amazonq/
После распаковки архив содержит директорию aidlc-rules/ с двумя поддиректориями: aws-aidlc-rules/ — основные правила рабочего процесса и aws-aidlc-rule-details/ — детальные правила, на которые условно ссылаются основные.
Using AI-DLC … — это гарантирует активацию методологии.Значение для индустрии
AI-DLC ориентирован на воспроизводимость и управляемость, что делает его предпочтительным для регулируемых отраслей с чёткими требованиями — в отличие от быстрого прототипирования или исследовательских задач.
Репозиторий открытого исходного кода находится по адресу github.com/awslabs/aidlc-workflows и распространяется по лицензии MIT-0 — то есть без ограничений на коммерческое использование и без необходимости сохранять копирайт. Методология продолжает развиваться совместно с сообществом разработчиков, интегрируясь в экосистему инструментов следующего поколения.