- 需求分析阶段
需求调研记录.md：详细记录与客户、用户及相关利益者沟通收集需求的过程，包括访谈记录、调查问卷结果、会议纪要等。借助 AI 的自然语言处理技术，可对大量文本形式的需求信息进行初步分类和关键信息提取，辅助整理需求。需求规格说明书.md：明确软件的功能需求、非功能需求（如性能、安全性、兼容性等）、业务规则等内容。利用 AI 分析工具，检查需求的完整性、一致性和可行性，标记出潜在的模糊或冲突需求，供团队进一步确认。
- 数据收集与预处理阶段（若涉及 AI 模型训练）
数据收集计划.md：阐述数据收集的目标、范围、来源、方法以及收集进度安排。AI 可帮助预测可能的数据缺失情况，提前规划补充策略。数据清单.md：罗列收集到的数据类别、数据量、存储位置等信息，方便管理和追溯数据。通过 AI 算法自动识别数据格式，整理数据目录。数据清洗报告.md：记录数据清洗过程中发现的问题（如缺失值、异常值、重复值等）、清洗方法及清洗前后的数据对比情况。利用 AI 的数据清洗工具，高效完成数据清洗工作，并生成相应报告。数据标注指南.md：如果有监督学习任务，需制定详细的数据标注规范和流程，指导标注人员准确标注数据。使用 AI 辅助标注工具，提高标注效率和准确性，如自动生成部分标注建议，供人工审核确认。数据集分割方案.md：说明将数据集划分为训练集、验证集和测试集的依据和具体比例。借助 AI 的数据分析能力，评估不同分割方案对模型训练效果的影响，选择最优方案。
- 设计阶段
系统架构设计.md：描述软件的整体架构，包括系统的层次结构、模块划分、模块间的交互关系、技术选型等内容。AI 可根据需求分析结果，推荐适合的架构模式，并提供类似项目的架构案例供参考。数据库设计.md：包含数据库的概念设计（如实体 - 关系图）、逻辑设计（表结构设计、字段定义、数据类型等）和物理设计（存储引擎选择、索引设计等）。利用 AI 数据库设计工具，优化数据库结构，提高数据存储和查询效率。接口设计.md：定义软件内部各模块之间以及软件与外部系统之间的接口规范，包括接口名称、功能描述、输入输出参数、调用方式等。AI 可对接口设计进行一致性检查，避免接口调用错误。用户界面（UI）设计说明.md：记录 UI 设计的理念、布局、交互流程、视觉设计规范等。运用 AI 的 UI 设计工具，快速生成多种 UI 设计原型，供团队和用户选择、评估。
- 编码阶段
代码规范.md：制定团队统一遵循的编码风格、命名规则、代码结构等规范，以提高代码的可读性、可维护性和可扩展性。AI 代码审查工具可实时检查代码是否符合规范，提醒开发者及时修正。功能模块代码说明.md：针对每个功能模块，编写文档说明模块的功能、输入输出、实现逻辑、所调用的其他模块或接口等。使用 AI 代码生成工具生成部分基础代码框架，开发人员在此基础上进行完善和修改。
- 测试阶段
测试计划.md：规划测试的目标、范围、策略、资源、进度等内容。AI 可根据软件的功能和代码结构，辅助生成测试计划大纲，识别重点测试区域。测试用例.md：详细编写各类测试用例，包括功能测试、性能测试、安全测试、兼容性测试等用例，明确测试步骤、预期结果等。利用 AI 自动生成测试用例工具，根据代码逻辑和需求规格说明书，生成大量测试用例，覆盖更多测试场景，提高测试覆盖率。测试报告.md：记录测试执行的结果，包括发现的缺陷、缺陷的严重程度和优先级、修复情况等。AI 分析工具可对测试结果进行深入分析，如预测缺陷的分布趋势，帮助团队优化测试流程和重点关注区域。
- 部署阶段
部署手册.md：提供软件部署的详细步骤，包括服务器环境配置、软件安装、参数设置、启动与停止服务等操作说明。AI 自动化部署工具可根据部署手册的配置，实现一键式部署，减少人为错误，提高部署效率。环境配置记录.md：记录生产环境、测试环境、开发环境等不同环境的配置信息，如操作系统版本、软件依赖、网络配置等。利用 AI 环境管理工具，自动检测和管理环境配置差异，确保各环境的一致性和稳定性。
- 维护与迭代阶段
维护记录.md：记录软件运行过程中的维护操作，如故障修复记录、性能优化措施、功能调整等内容。AI 监控工具可实时监测软件运行状态，自动收集性能数据，为维护工作提供数据支持，及时发现潜在问题并预警。用户反馈记录.md：整理用户在使用软件过程中提出的反馈意见和建议，作为软件迭代优化的重要依据。借助 AI 的文本分析技术，对大量用户反馈进行分类和情感分析，快速定位用户关注的重点问题。迭代计划.md：根据用户反馈、业务发展需求以及技术发展趋势，制定软件的迭代计划，明确迭代目标、新增功能、改进方向等。AI 可通过对市场趋势和用户行为数据的分析，为迭代计划提供决策支持，预测新功能的潜在价值和用户接受度。
