Three Man Team Skill：让 AI 编程拥有结构化工程团队的流程 Discipline

Three Man Team Skill：让 AI 编程拥有结构化工程团队的流程 Discipline

GitHub 上大量 AI 编程工具的用户都在面对同一个困境：AI 代码助手很强，但容易跑偏——读整个代码库去找一个函数、做用户没要求的功能、中途漂移、每次会话都重复消耗上下文做同一件事。Three Man Team 解决这个问题的方式不是更好的 prompt，而是一套流程：三个角色分工、明确交接、规则约束，让 AI Coding 变成真正的结构化工程团队。截至 2026-08-28 约 938 Stars（+43 本周），122 Forks，ClaudeWave Trust Score 97/100。

功能与原则

Three Man Team 的核心是一套角色化多 Agent 工作流，每个角色有明确职责边界和交接规则：

• Architect（架构师）：理解整个系统、写任务 brief、最终负责部署。只规划、不写代码。
• Builder（构建者）：根据 brief 精确构建，不自由发挥、不做额外功能。
• Reviewer（审查者）：按 brief、正确性和工程标准审查，不通过就打回。

三角色数量经过验证：少于 3 个就没有有意义的 review，多于 3 个协调成本会吃掉效率收益。DeepMind 的多 Agent 研究也佐证了这个结论。

设计原则是制度优于自由对话：不用”Agent A → Agent B 自由聊天”，而是让角色通过磁盘上的 handoff 文件严格交接，避免随意性。

认可度

• GitHub Stars：截至 2026-08-28 约 938（本周 +43），Forks 122
• ClaudeWave Trust Score：97/100（Verified），通过 7 项安全检查
• 最近活跃：2026 年内有持续维护提交
• 安装量：ClaudeWave 平台统计，107 installs
• 支持平台：Claude Code、VS Code、Cursor、任何支持上下文文件的 AI 工具

链接

GitHub：https://github.com/russelleNVy/three-man-team

原作者

Russell Aaron（GitHub: russelleNVy），独立开发者，白天是 WordPress 顾问，正在转型 AI 时代开发工具链。官网：https://russellenvy.com。

介绍

Three Man Team 诞生背景是 AI 编程工具的”强但乱”问题：光靠 prompt 很难约束 AI 的行为边界，因为它倾向于读整个代码库、做超范围功能、中途漂移。传统多 Agent 框架（CrewAI、AutoGen、LangGraph）采用”自由对话”模式，Agent 之间随意聊天，导致输出不可控、不可复现、无法审计。

Three Man Team 的答案是：制度化协作。它借鉴真实软件工程中的角色分工（架构师、开发者、审查者），在 AI 层面复现这套流程。三个 Agent 通过磁盘上的 handoff 文件（Plan → Brief → Build → Review → Deploy → Log）严格交接，而不是自由对话。

整个系统运行在一个 Claude Code 会话里：Arch 作为主会话运行，需要构建时通过 Agent 工具启动 Bob 子代理，需要审查时启动 Richard 子代理。无需开三个窗口，所有协作在单一会话内完成。

工作流六步：Plan（规划）→ Brief（brief 生成）→ Build（构建）→ Review（审查）→ Deploy（部署）→ Log（记录）。每一步都有明确的进入/退出条件和交接物。

特点

• 角色分工 + 制度约束：Architect/Builder/Reviewer 三角色有明确权限，不越界沟通，所有交接通过结构化文件进行
• Token 优化：内置 token discipline 规则，避免重复读整个代码库，每次只读相关文件
• 单会话多 Agent：不要求多个窗口，在一个 Claude Code 会话内通过子代理完成三人协作
• 磁盘交接机制：角色间通过 handoff 目录的中间文件沟通，确保每次交接可追溯、可复现
• 内置更新检查：自动检查 GitHub releases，不强制但提示关键版本更新
• Per-project / Global 两种安装：单个项目独立安装或全局安装复用于所有项目
• manifest.md 单一真相源：版本、团队名、角色文件名、交接地目录等信息集中管理

使用方法

安装（Per-project，推荐）：

cd your-project/
git clone https://github.com/russelleNVy/three-man-team.git .claude/skills/three-man-team
cd .claude/skills/three-man-team && ./setup
# 按脚本输出指示，将 prompt 粘贴到 Claude Code 开始

安装（Global）：

git clone https://github.com/russelleNVy/three-man-team.git ~/.claude/skills/three-man-team
cd ~/.claude/skills/three-man-team && ./setup
# 之后每个项目：cp -r ~/.claude/skills/three-man-team/templates/project-folder/* /path/to/project/
# 在 Claude Code 里粘贴 Architect 提示词即可启动

最小示例：在 Claude Code 里粘贴 Architect 提示词后，说出任务需求，Arch 会生成任务 brief 并自动调度 Bob 构建、Richard 审查，全程无需手动切换。

使用场景与人群

适用场景：

• 生产级代码开发，需要减少 AI 范围漂移
• 复杂功能迭代，需要结构化审查流程
• 团队使用 AI Coding，需要可审计的开发过程

目标用户：

• 已在用 Claude Code/Cursor/VS Code 但受”AI 容易跑偏”困扰的开发者
• 需要在 AI 编程中引入工程纪律的独立开发者或小团队
• 希望 AI 开发流程可追溯、可复现的项目负责人

输入与输出案例

案例 1：添加用户认证功能

• 输入（对 Architect 说）：为现有的 Node.js Express 项目添加 JWT 用户认证功能，包括注册、登录、token 验证和中间件保护
• 输出流程：Arch 写出包含功能边界、技术选型、错误处理的 brief → Bob 根据 brief 生成代码（不主动加任何额外依赖） → Richard 审查代码是否满足 brief 且符合工程规范 → 通过后 Arch 部署。最终交付物是严格对应需求的认证模块，没有多余代码。

案例 2：重构数据层

• 输入：现有代码使用直接 SQL 查询，需要切换为 TypeORM
• 输出：Arch 分析现有数据模型和查询模式，写出重构 brief（包含迁移路径、风险点、验证方法） → Builder 按 brief 执行重构 → Reviewer 验证 ORM 使用正确性、迁移脚本无误、性能无退化。整个过程有结构化记录，每次交接都有 checkpoint。

GitHub: https://github.com/russelleNVy/three-man-team