用途
multi-ai-implementation 用于将规格说明转化为生产就绪的代码，通过系统化的代码生成与增量开发流程完成实现工作。它采用 Explore-Plan-Code-Commit 工作流，并内置 TDD、质量门禁与多智能体协作机制。
主要能力
- 探索与上下文收集：在编码前通过渐进式文件发现（Glob 结构、Grep 模式、定向读取）理解现有系统、模式与约束，并分析视觉稿、映射依赖与集成点。
- 架构规划：借助 multi-ai-planning 在写代码前生成详细实现计划，包含任务分解、依赖映射、验证规划与质量校验（≥90/100）。
- 增量 TDD 实现：按计划逐任务执行测试先行循环，先生成测试并确认失败，再增量实现直至通过，每次提交目标小于 200 行。
- 质量门禁与自动回滚：测试通过才提交，测试失败自动回滚（TCR 模式：Test-Commit-Revert）。覆盖率门禁为 ≥80%，目标为 ≥95%。
- 防死循环机制：每个任务最多 3 次实现尝试，若同一错误出现 3 次或错误来回震荡则升级人工审查。
- 向后兼容处理：对现有代码的修改采用 Expand-Migrate-Contract 模式，分阶段扩展、迁移、收缩，实现零停机与安全回滚。
- 多智能体协调（可选）：对可并行的独立组件，通过 Task 工具并行派生多个实现智能体，各自隔离上下文，完成后集成验证，据称比串行快 20-40%。
- 集成与端到端测试：生成并执行集成测试与 E2E 测试，验证完整工作流，并进行性能验证与向后兼容检查。
使用方式
该技能按 6 步顺序流程执行：
- 探索与收集上下文（约 30-60 分钟）：使用渐进式文件发现（Glob → Grep → 定向读取），分析视觉稿，映射依赖与集成点，可选进行领域研究，输出上下文综合文档。
- 规划架构（约 30-90 分钟）：调用 multi-ai-planning 生成实现计划，审查计划清单，提取实现顺序与测试策略。
- 增量实现（TDD）（约 2-8 小时）：对每个任务先生成测试并确认失败，再增量实现至通过，保持小步提交，测试失败自动回滚，处理向后兼容与错误处理。
- 多智能体协调（可选）（约 2-6 小时）：识别并行机会，通过 Task 工具并行派生实现智能体，集成结果并处理协调问题。
- 集成与端到端测试：生成并执行集成测试与 E2E 测试，进行性能验证与向后兼容检查。
- 提交（资料中未完整展开）。
前置条件：需要清晰的实现规格或计划、可用的测试框架（如 Jest、Vitest、pytest 等），并预留 2-8 小时。推荐配合 multi-ai-planning、multi-ai-testing、multi-ai-verification 使用。使用者需了解基本 TDD 概念、Git 工作流与所用语言的测试框架。
适用场景
- 实现新功能（超过 200 行、多个组件）
- 重构现有代码（保持向后兼容）
- 迁移系统（数据库、框架、架构变更）
- 集成组件（API、服务、第三方库）
- 构建需要测试与验证的复杂功能
- 需要多智能体协调进行并行开发
限制
- 不适用于简单变更（小于 50 行、单文件、实现显而易见）
- 不适用于纯文档修改
- 不适用于配置调整（建议改用 fast-track 工作流）
- 每个任务最多 3 次实现尝试，超出需人工介入
- 质量评分与覆盖率目标为技能声称的保证值，实际效果可能因项目而异
- 资料中未提供具体收费、价格或平台支持信息