[AI 變革] AI 時代的研發協作：保留前後端分離，打破崗位隔離

 [AI 變革] AI 時代的研發協作：保留前後端分離，打破崗位隔離

摘要 : 以單一倉庫、業務模組分工與標準化 AI 工作流，推動端到端交付。

內容:

前後端分離的架構可以繼續保留，但前後端崗位之間的隔離需要重新檢視。團隊起初讓各崗位分別使用 AI 編碼，成員都覺得寫程式碼更快了，整體交付效率卻沒有明顯提升。覆盤後發現，瓶頸不在模型，而在需求仍被切成前端與後端兩半：雙方分別維護倉庫，靠介面文件銜接；文件一改就要重新對齊，聯調時也常因等待介面、頁面或核對欄位而反覆溝通。即使 AI 將編碼時間從兩週縮短至兩三天，需求對齊、介面聯調與驗收仍會消耗大量時間。

第一項改變是整合倉庫。團隊採用 monorepo，將 C 端、B 端、移動端與後端四個模組放在同一個倉庫，並以一份全域 agent.md 和四份目錄專屬的 agent.md 說明架構與規則。這讓 AI 能在同一工作脈絡中參照後端介面定義、資料模型與前端呼叫程式碼，處理跨端修改時，不必只看見需求的其中一半。統一版本視圖、跨專案原子修改及集中管理依賴，也成為這種做法的基礎。

第二項改變是按業務模組，而非前後端崗位分工。團隊在 AI 培訓後，讓開發人員朝「AI 全站工程師」轉型：一個可獨立開發的需求模組交由同一人負責，涵蓋頁面、介面、資料表、校驗與交付。迭代需求則先依可並行開發的原則拆分，再分配給負責人。這裡的「全站」並非要求人人精通所有技術，而是具備端到端交付與辨識問題的能力，再用 AI 補足不熟悉的部分；遇到較棘手的前端表現或後端效能問題，仍可由具備相關經驗的人協助處理。

為了讓這種分工可行，團隊建立統一的 AI 腳手架，預先封裝權限、鑑權、通用元件、資料庫模板、介面規範與錯誤碼，並固定各端技術棧、回應格式和命名規範。技術選型盡量採用 AI 較熟悉的開源方案，減少對公司歷史自建框架的依賴；再透過 agent.md 說明技術架構與倉庫目錄，以 rules 明確規定程式碼規範及安全約束。

最後一項改變是把開發流程固定下來。團隊認為，AI 編碼的瓶頸不只是生成能力，更是人能否看完、想清楚並管住產出。因此，需求進來後先整理成結構化 PRD，逐條檢查並釐清邊界，再鎖定規格、生成任務、按計畫執行；視情況採用 SDD、TDD 等方式。完成開發後，進行多端聯動，執行單元測試、整合測試與冒煙測試，產出驗收報告。每個階段設置驗證門，需要人決策的地方仍由人拍板。

這套做法的核心，是從多倉庫走向單一倉庫、從前後端分工走向業務模組分工、從單一崗位走向端到端負責，並將零散的 AI 提效整合為可重複執行的工作流。AI 不再各自發揮，而是在共同的程式碼脈絡、規範與驗證流程中協助團隊交付。