版本说明：本文基于 Claude Code 与 OpenCode 的开发复盘实践撰写，适用于企业级开发团队。

适用对象：中高级开发者、技术负责人、团队管理者。

前置知识：第22篇Git与版本管理、第24篇联调与集成测试。

一、为什么需要开发复盘

AI 辅助开发提升了编码效率，但也引入了新的问题：代码生成速度快，但开发者对 AI 生成代码的理解深度不够；AI 能修复当前 Bug，但同样的错误会在下一个功能中重复出现；团队中一个人踩过的坑，其他人还会再踩一遍。

这些问题的根源不是 AI 不够强，而是缺乏系统性的复盘和知识沉淀机制。敏捷复盘的最佳实践指出，复盘的核心目的是从经验中提取可执行的改进项，而不是走流程写报告 。APQC 的 2026 年知识管理趋势预测进一步指出，AI 辅助的知识社区将成为企业知识管理的核心形态——AI 不只是工具，更是知识沉淀的参与者 。

开发复盘在 AI 辅助开发中的价值体现在三个层面：

关键认知： 复盘的终点不是一份报告，而是配置文件的更新。报告会被遗忘，但写入 CLAUDE.md 的规则会在每次 AI 启动时自动加载。

二、第一步：AI汇总开发数据

数据来源

复盘的第一步是收集客观数据。AI 辅助开发的优势在于，大部分数据可以从 Git 和 CI 系统中自动提取，不需要人工统计。

让AI自动采集

把以下提示词交给 AI，让它自动汇总：

请从当前项目中提取以下开发数据，按模块汇总：
1. 过去两周的 PR 数量和平均变更文件数
2. 各模块的测试覆盖率变化趋势
3. CI 构建成功率
4. 代码评审的平均轮次（从 PR 评论统计）
5. 识别变更量最大的 3 个模块

输出格式：表格，按模块分组。

关键技巧： 数据采集的范围要明确。告诉 AI 时间范围（如"过去两周"或"本次迭代"）和统计维度（按模块、按作者、按类型），否则 AI 可能返回过多或过少的信息。

自动化数据采集脚本

每次复盘手动让 AI 采集数据太麻烦？写一个脚本自动完成：