popup-studio-ai/bkit-claude-code

解決的問題

AI 生成的程式碼往往缺乏精確度、偏離原始需求，或者超出 LLM 會話的上下文限制。本專案解決了「編碼差距」問題，即 AI 產生看似合理但與使用者意圖或設計規範不符的錯誤程式碼。

工作原理

bkit 作為 Claude Code 的插件建構，採用「上下文工程」方法來管理複雜的開發任務。它採用了包括以下內容在內的結構化工作流：

• 衝刺管理 (Sprint Management)：將大型發布拆分為符合上下文預算的衝刺（例如 ≤ 75K tokens），以防止記憶體溢出並允許會話從中斷處恢復。
• PDCA 循環：使用專家代理（PM、CTO、QA 等）實施計畫-執行-檢查-處理（Plan-Do-Check-Act）循環，處理從需求收集到最終報告的所有事務。
• 品質門禁 (Quality Gates)：使用 gap-detector 來測量設計規範與生成程式碼之間的匹配率。如果匹配率低於 90%，自動修復機制將嘗試修復程式碼。
• 自主控制：提供一個「信任等級」撥盤（L0 到 L4），允許使用者決定工作流中有多少部分可以無人值守執行。

適用對象

• 初次嘗試的 Vibe Coders：提供一個安全網，根據規範衡量 AI 輸出並自動修復差異。
• 獨立開發者：透過生成前端、後端與安全方面的並行專家代理，充當「開箱即用的團隊」。
• 團隊負責人：透過將發布拆分為可管理的、具備上下文感知能力的區塊，實現衝刺管理。
• 非英語使用者：支援 8 種語言自動偵測以觸發指令。

亮點

• 自我修復程式碼：自動迭代以彌合設計與實作之間的差距。
• 上下文感知記憶體：使用任務管理來確保進度在不同的編碼會話中得以保留。
• 多代理編排：為產品管理、架構與 QA 生成專門的團隊。
• 自動化文件：遵循「文件 = 程式碼」的理念，每個功能都會生成完整的計畫與報告審計追蹤。