popup-studio-ai/bkit-claude-code

解决的问题

AI 生成的代码往往缺乏精确度、偏离原始需求，或者超出 LLM 会话的上下文限制。本项目解决了“编码差距”问题，即 AI 产生看似合理但与用户意图或设计规范不符的错误代码。

工作原理

bkit 作为 Claude Code 的插件构建，采用“上下文工程”方法来管理复杂的开发任务。它采用了包括以下内容在内的结构化工作流：

• 冲刺管理 (Sprint Management)：将大型发布拆分为符合上下文预算的冲刺（例如 ≤ 75K tokens），以防止内存溢出并允许会话从中断处恢复。
• PDCA 循环：使用专家代理（PM、CTO、QA 等）实现计划-执行-检查-处理（Plan-Do-Check-Act）循环，处理从需求收集到最终报告的所有事务。
• 质量门禁 (Quality Gates)：使用 gap-detector 来测量设计规范与生成代码之间的匹配率。如果匹配率低于 90%，自动修复机制将尝试修复代码。
• 自主控制：提供一个“信任等级”拨盘（L0 到 L4），允许用户决定工作流中有多少部分可以无人值守运行。

适用对象

• 初次尝试的 Vibe Coders：提供一个安全网，根据规范衡量 AI 输出并自动修复差异。
• 独立开发者：通过生成前端、后端和安全方面的并行专家代理，充当“开箱即用的团队”。
• 团队负责人：通过将发布拆分为可管理的、具备上下文感知能力的块，实现冲刺管理。
• 非英语使用者：支持 8 种语言自动检测以触发命令。

亮点

• 自我修复代码：自动迭代以弥合设计与实现之间的差距。
• 上下文感知内存：使用任务管理来确保进度在不同的编码会话中得以保留。
• 多代理编排：为产品管理、架构和 QA 生成专门的团队。
• 自动化文档：遵循“文档 = 代码”的理念，每个功能都会生成完整的计划和报告审计追踪。