我在个人项目中使用 BMAD 框架的经历（需要耐心）

发布: 1个月前 (2025年12月31日 GMT+8 04:45)

15 分钟阅读

原文: Dev.to

Source: Dev.to

请提供您希望翻译的正文内容（除代码块和 URL 之外），我将按照要求将其翻译成简体中文并保留原有的格式。

我的初始期望

进入时，我的期望相当简单：

我会输入我的想法。
让工作流指引我。
我会快速编写代码，方向更明确，死路更少。

这… 部分正确。但还有一个很大的前提。

真相

BMAD 不是 “20 分钟内开始编码” 的快速上手设置。它更像是：

“把工作前期做好，这样编码就不再是最难的部分。”

如果你习惯先拼凑一个原型再去弄清产品，这会让你感觉慢——有时甚至慢得让人痛苦。

BMAD 首先强迫你做的事

在你能够感受到通常意义上（交付代码）的 “高效” 之前，BMAD 会让你经历一套完整的工作流：

定义问题 —— 不只是 “我想构建 X”，而是 “存在哪些痛点，针对谁？”
定义用户角色
头脑风暴方案
研究相关领域
明确约束条件（时间、资金、基础设施、团队、目标平台）
把这些转化为史诗、用户故事和执行计划

所有这些都很有价值，但并非免费。

时间投入

对我而言，在写下第一行代码之前，大约花了 12–16 小时。如果你以 “周末项目” 的心态来看，这个数字听起来荒唐，但我越是沉下去，就越能理解：

BMAD 强迫你去思考那些平时会等到项目已经混乱才去处理的内容。
我也做过太多相反的事：
- 快速构建 → 发现方向错误 → 重写 → 丧失动力 → 放弃。

所以，是的，这种前期投入是真实存在的——而且这正是它的意义所在。

对业务方面的新视角

我真心喜欢的一点是，BMAD 中呈现的框架让你从不同的角度审视，尤其是围绕你正在构建的产品的业务层面。

典型的工程师优先问题

“我想使用什么技术栈？”
“哪种架构看起来更简洁？”
“哪些云服务最便宜？”

BMAD 驱动的问题

这到底是为谁准备的？
他们想要实现什么目标？
他们目前是怎么做的？
为什么他们会考虑切换？
能证明价值的最小可行方案是什么？

即使你认为自己已经知道这些答案，把它们写下来也能迫使你更清晰。价值不在于它会告诉你什么神奇的东西；价值在于它让你对决策负责。

但同样，你需要用时间来换取这种清晰——此时你不是在写代码，而是在思考和记录。

派对模式：有趣（也很痛苦）

如果你还没用过，派对模式 基本上就是“快速获取多种视角并生成大量材料”的模式。当你需要广度时，它非常有用：

不同的解决方案
不同的权衡
不同的产品视角
风险清单
架构选项

我的错误

我让它同时使用 LangSearch 和 Gemini 运行派对模式。这个组合彻底耗尽了我的上下文窗口和使用额度。

发生了什么（事后看来可预见）：

派对模式会阅读、获取来源、综合，然后生成。
→ 大量 token 输入
→ 大量 token 输出
→ 根据使用的工具，可能产生大量付费调用

我尝试聪明一点，指示它：“不要阅读所有内容，只把东西放进文件并做摘要。” 实际上，这并没有如预期那样工作。一旦你指示工作流进行深度研究，它往往会坚持下去——收集材料以便为结论提供依据。这对质量有好处，但如果不小心，成本控制会很糟糕。

使用派对模式的建议

有目的地使用它。
设定边界（范围、来源、最大深度）。
假设它会很昂贵，如果让它自由运行的话。

Source: …

架构错误

在完成所有设置和工作流后，我终于到了开始编写代码的阶段。几乎立刻我就意识到自己犯了一个架构错误。

这一点很重要，因为这类错误在让助手主导、自己仅“监督”而不是主动构建时很容易出现。

出了什么问题

我让架构师关注 低成本，于是它倾向于 无服务器 方案——具体来说是 AWS Lambda 风格的计算。
然后我又让它使用 NestJS。

纸面上听起来没问题，但实际上相当棘手：

NestJS 可以在无服务器环境中运行，但除非正确配置，否则并不是“直接把 NestJS 丢进去就能部署到 Lambda”。
通常需要一个 适配层（例如 @vendia/serverless-express 或类似模式），或者使用更直接面向无服务器请求处理的框架。

没有这些，你会得到一堆不匹配的假设：

长生命周期的服务器模式 vs. 冷启动
框架启动时间 vs. 延迟预期
请求生命周期差异
部署打包和处理程序绑定

结果

到处都是错误。
系统不断尝试自我修复，形成循环，却没有真正的进展。

我花了 大量时间（大约 六小时）来尝试修复它。

令人沮丧的是，当时我并没有立刻知道哪里出错。错误并不像 “使用了错误的导入” 那样清晰，而更像是：

某些东西失败。
你修复了表面症状。
另一些东西又失败。
修复引入了新的问题。
于是陷入循环。

如果你曾在项目早期遇到不匹配的架构决策，你会明白这种感觉。代码在单独运行时是“正确”的，但环境和假设却不对。

收获

AI 辅助的工作流可能会不断提出在本地看似合理的改动，却没有解决框架与 部署模型 之间的根本不匹配。

TL;DR

BMAD 需要大量前期思考和文档工作——预计在写第一行代码前要花 12‑16 小时。
收获是决策更清晰、产品‑市场匹配度更好，后期死路更少。
Party mode 功能强大但消耗 token 多；使用时请设定明确的限制。
将 低成本无服务器 目标与像 NestJS 这样的 重量级框架 结合时要小心——确保有合适的适配器，或选择更合适的技术栈。

如果你愿意在前期投入时间，BMAD 能帮你在后期省下大量痛苦。若你抱着“随便搞一下”的心态，请做好启动较慢的准备。

情况

我陷入了一个循环，AI 不断“批准”合理的编辑，却从未收敛。它一直转个不停，我一直在想 它为什么会卡住。

触发突破的因素

我注意到该过程花费了太多时间却没有收敛。
我启动了 BMAD 工作流 并进行了一次回顾。

回顾迫使我们暂停并回答以下问题：

我们想要做什么？
什么在阻碍我们？
我们做了哪些假设？
有什么改变了吗？
哪个决策导致了反复失败？

关键洞察

回顾显示 设置错误——架构与运行时模型不匹配。

确定的选项

调整 NestJS 设置，使其在无服务器处理程序模型中正常运行。
更改计算模型（例如，在 ECS/Fargate 上的容器化服务或简单的虚拟机），具体取决于目标。
选择更自然适配无服务器的框架。

关键点：回顾终止了无休止的补丁工作，开启了真正的诊断。

为什么像 BMAD 这样的结构化工作流很重要

大多数工程师在个人项目出问题时不会进行回顾；我们只会更努力地埋头苦干。
埋头苦干很少有帮助。

修复后有什么变化

出现了 Story – 真实、范围明确、可测试的任务，而不是模糊的“构建后端”条目。
我可以明确告诉系统要实现什么；从想法到工程任务的转换已经完成。

我的新角色

监督
审核决策
对代码进行合理性检查
偶尔对请求和更改点击是/否
确保工作与目标保持一致

这与“我什么都做”感觉截然不同。它把瓶颈从“我打字有多快？”转移到“我审查和引导的能力有多好？”

如果你曾经带领过团队，你会认出这种模式：你并不是在写每一行代码，而是确保正确的工作得以完成。

权衡

要求	含义
耐心	设置需要时间；早期阶段感觉缓慢。
好答案	你必须提供清晰、深思熟虑的输入。
审查所有内容	你需要持续参与整个过程。
接受慢速	初始坡度陡峭；把它视为前期思考、文档编写和执行结构的前置工作。

把 BMAD 当作 魔法代码生成器 会导致挫败感。把它当作 前置思考的过程 则更有意义，初始坡度过去后就会变得直截了当。

可恢复性：一次重大胜利

因为所有内容都有书面记录，你不再依赖记忆或脆弱的聊天上下文。你拥有具体的人工制品：

Personas
Problem statements
Architecture notes
Epics
Stories
Decisions & trade‑offs

你可以在一天或一周后回来，只需说：

“Execute this epic.”
“Continue this story.”
“Implement the next task.”
“Run a retrospective on the last change.”

这并不像重新开始。对于个人项目来说，这可以降低导致动力丧失的 context‑reconstruction tax。

当 BMAD 合适（以及不合适）

不理想 用于快速脚本或一次性 API 测试 – 它太笨重。
理想用于任何你真正想发布的东西，即使是单独开发者。

我的实战经验

为设置预留时间。
- 期望在第一小时内就开始写代码会与工作流冲突。
小心使用“派对模式”。
- 有用，但会快速消耗上下文和额度。
不要随意对待架构提示。
- “低成本”会引导你采用无服务器模式，这虽好，但也会限制框架选择和部署形态。
卡住时使用回顾。
- 本能是继续前进；更聪明的做法是停下来诊断。
故事是收益所在。
- 好的故事把执行转化为机械化、可重复的过程。
接受早期摩擦。
- 第一期会感觉有摩擦，但这正是目的：它迫使你放慢速度，明确你在做什么，并将决策显式化。
跟踪时间和额度。
- 我在几个地方浪费了时间（和额度），尤其是使用派对模式，因架构不匹配损失了六小时，本可以更早发现。
一旦文档和工作流就位，流程就会顺畅。
- 从史诗和故事中恢复，指导实现而不必不断重写需求，这是真正的生产力提升。

最后思考

如果你尝试 BMAD，请准备：

耐心 – 设置阶段是有意的前期投入。
纪律 – 保持文档和审查循环紧密。
一种心态，即在编写代码之前花更多时间思考。

轮到你了

如果这与你产生共鸣，你在结构化 AI 辅助工作流方面有什么经验？ 我很想听听你的想法。