企业官网建设流程全解析

系列导语：本系列基于 Anthropic《The AI-Native SDLC Playbook》改写，保留 Claude Code / Claude Tag / MCP 等原品牌名。第 6 篇讲了 Deploy，这篇进最后一个阶段Maintain：闭环是怎么闭上的。
《The AI-Native SDLC Playbook》相关文章链接：https://blog.csdn.net/justlookxia/article/details/164093318

上线之后，谁在盯？人，还是 agent？

传统做法是被动的——等人来报、等监控告警、等事故工单。
AI-native 的 Maintain 阶段，把这一步也交给 agent：控制带一旦越界，自动触发 Claude 诊断，经门写回新的intent.md。
这样循环才真正转起来。

闭环：越界即触发

不是"人发现异常 → 写需求 → 排期"，而是：

控制带越界 / 工单 / 定时调度 → 触发 Claude 诊断 → 经批准门 →写回intent.md→ 进入下一轮 Plan

生产环境的异常，直接变成下一个迭代的"意图"。这正是前面说的"提交链即审计追踪"的收口。

一份能直接抄的 bands.yaml

用阈值分档，决定 agent 在每个级别做什么：

metric:ci_test_failure_ratebaseline:rolling_30drules:western_electrictiers:1sigma:{action:log}2sigma:{action:diagnose,tools:"Read,Grep,Bash(gh run view *)"}3sigma:{action:propose,routes:[pull_request,runbook:rollback-deploy]}

• 1σ：只记录；
• 2σ：让 agent 诊断（读代码、查日志、看gh run）；
• 3σ：直接提议修复，并路由到 PR 或回滚 runbook。

关键点：越往上的级别，动作越"重"，但都先定义清楚再自动跑。

Claude Tag：生产监控的智能体（公测）

文中提到Claude Tag（处于 beta，跑在 Slack 端）：在频道里做首响应，通过 MCP 验证基线，把复盘写进版本化的 lessons（经验教训）。
等于给 on-call 配了个 7×24 的搭档，人只在需要判断时介入。

这一篇记住一句话

Maintain 不是"盯生产"，而是让生产里的发现，自动流回流程的起点。

下篇预告

番外篇：想动手？照一张落地 Checklist 逐阶段推进。把前面七篇的模板、命令、度量指标汇总成一张能直接照做的清单。

系列文快链：

1. 【AI原生研发转型·第1篇】为什么你的AI写码很快，团队却还是慢？
2. 【AI原生研发转型·第2篇】想法不该等人写文档：用intent.md把意图一次性钉死
3. 【AI原生研发转型·第3篇】需求与设计合体：一次会话出spec.md
4. 【AI原生研发转型·第4篇】没有计划不写码，机构知识变成文件
5. 【AI原生研发转型·第5篇】让agent自己先验收：反馈回路+持续evals
6. 【AI原生研发转型·第6篇】人审不过来，让agent先审：分层评审+hooks批准门
7. 【AI原生研发转型·第7篇】上线不是终点：用agent把发现写回intent.md
8. 【AI原生研发转型·番外】想动手？照这张落地Checklist逐阶段推进

原文出处：https://claude.com/blog/the-ai-native-sdlc-playbook （Louis Claxton, 2026-08-21, Anthropic）
系列索引：① 总论 · ② Plan · ③ Design · ④ Build · ⑤ Test · ⑥ Deploy · ⑦ Maintain（本篇）· ⑧ 番外
本系列为外部技术博客的改写，保留原品牌名，仅供团队学习交流。