TaiyiForge怎么选Profile:full到nano七种执行模式完整对比
TaiyiForge怎么选Profile:full到nano七种执行模式完整对比
TaiyiForge(oh-my-taiyiforge)是一款 AI 工作流自动化插件,能把需求、设计、开发、测试、评审串成可执行的九阶段研发工作流,并支持 Claude / Codex / Cursor / OpenCode 多端。它内置 7 种 Profile 执行模式:从全流程的 full 到零文档的 nano,按变更大小裁剪阶段、节省 token。本文带你 1 分钟看懂这七种模式的区别,并给出「三问法」帮你快速选对 Profile。
30 秒看懂:Profile 到底是什么
每个 Profile 本质上就是「九阶段主流程的阶段裁剪方案」。九阶段依次是:change → requirement → design → ui-design → task → dev → test → review → integration(定义见 phases.yaml)。
Profile 指定其中哪些阶段被跳过(skipPhases),跳得越少流程越完整、产出文档越齐;跳得越多,启动越快、消耗越低。七个内置 Profile 的完整定义在 builtin-profiles.ts。
七种 Profile 一张表:跳过阶段与产出对比
| Profile | 执行阶段数 | 跳过的阶段 | 典型场景 |
|---|---|---|---|
full |
9 | 无 | 新功能 / 大改动(默认) |
api |
8 | ui-design | 后端 API / 服务 |
ui |
9 | 无(同 full,UI 优先) | 设计系统 / 组件库 |
lite |
5 | design、ui-design、task、review | Bug 修复 |
spike |
4 | requirement、design、ui-design、task、review | 创业 MVP / 快速原型 |
micro |
3 | requirement、design、ui-design、task、test、review | 个人小工具 |
nano |
2 | 除 dev、integration 外全部 | typo / 注释 / 排版等极简改动 |
对应的文档产出也随之裁剪:
| Profile | 产出工件 |
|---|---|
full |
CHANGE · REQUIREMENT · DESIGN · UI-DESIGN · TASK · TEST · REVIEW · CHANGELOG 等 |
api |
同 full,无 UI-DESIGN |
lite |
CHANGE · REQUIREMENT · TEST · CHANGELOG |
spike |
CHANGE · TEST · CHANGELOG |
micro |
CHANGE · CHANGELOG |
nano |
零文档,只有 .dev-complete 标记与 CHANGELOG |
💡 速查原文:docs/USAGE.md 的「一分钟决定 profile」章节;快速上手见 docs/QUICKSTART.md。
full 模式怎么选:默认全流程,文档最齐
full 是默认 Profile,不跳过任何阶段,产出全套 markdown 工件,其中 change、design、review 三个阶段带人工审批门(continue 时需带 --approver)。
适合:新功能、跨模块大改动、需要留档审计的团队变更。
# 聊天端(Claude / Cursor / OpenCode)
/taiyi:new "用户登录"
# 或 CLI 端
npx taiyi new "用户登录"
同族的 ui Profile 与 full 阶段完全相同,区别是语义上 UI 优先:默认加载 taiyi-restyle 等 UI 辅助 Skill,更适合设计系统、组件库重构这类界面变更。
/taiyi:new "Button 组件重构" --profile ui
api 模式:后端改动的最快完整路径
api 只跳过 ui-design 一个阶段,其余流程与 full 一致,是「纯后端」场景的标准选择:需求、技术方案、任务拆解、测试、评审、交付一个不少,但不浪费 token 写界面稿。
npx taiyi init new-api --profile api --strict-dev
# 或
/taiyi:new "新增用户 API" --profile api
内置关键词提示:当变更描述里出现 api、backend、server、后端 等词时,引擎会倾向推荐该 Profile(见 builtin-profiles.ts 中的 keywords 字段)。
lite 与 spike:Bug 修复和 MVP 原型怎么选
这两个是「速度优先」档位,也是新手最常用到的两个:
lite:五阶段修 Bug
跳过 design / ui-design / task / review,保留 change → requirement → dev → test → integration 五个阶段。修一个导出超时、改一个逻辑错误,用它最省心:
/taiyi:new "修导出超时" --profile lite
spike:四阶段验证想法
创业 MVP、快速原型验证时,连 requirement 都不写,只在 change 里写清「动机 + 成功标准」,然后直接进入开发和冒烟测试:
/taiyi:new "mvp-onboarding" --profile spike
# 本地可用 TAIYI_SKIP_QUALITY_GATE=1 进一步加速
两者的取舍:lite 保留需求文档、适合要追溯的线上修复;spike 更快,适合还没想清楚、先跑通再迭代的场景。
micro 与 nano:小工具到零文档的极简改动
micro:个人小工具三阶段
跳过文档与测试阶段,只走 change → dev → integration,不写 TEST 文档,但保留一个 CHANGE 说明。关键词 fix、patch、config 会触发推荐:
npm run taiyi -- new "CLI 工具" --profile micro
nano:零文档,dev 直起
nano 跳过除 dev 和 integration 之外的全部阶段——连 CHANGE.md 都不写,是 typo 修正、注释、排版这类改动的最低配置:
/taiyi:new "hotfix" --profile nano
# 创建后直接 /taiyi:skill tdd dev → continue integration → archive
⚠️ 注意:nano/micro 跳过了 review 门,适合改动面极小的场景;涉及公共 API 的修改建议至少用 lite。
三种设置 Profile 的方法:命令行参数、默认值与引擎脚本
方法一:创建时传参数(最直观)
# 聊天命令
/taiyi:new "标题" --profile lite
# CLI
npx taiyi init fix-bug --profile lite
方法二:设默认值(长期项目推荐)
在 .taiyi/config.json 中设置 defaultProfile,之后 new / init 不写 --profile 时自动采用,配置字段说明见 scenario-playbooks.md。
方法三:引擎 CLI 剧本(适合 CI / 批处理)
scripts/taiyi-forge.sh flow mvp <slug> # 4 阶段 lite 剧本
scripts/taiyi-forge.sh flow micro <slug> # 3 阶段
scripts/taiyi-forge.sh flow nano <slug> # 2 阶段
⚠️ 常见坑:
init/new/walkthrough传了非法--profile(不在 full | api | ui | lite | spike | micro | nano 之列)会直接 exit 1 报错,不会静默回落到 full(见 probe-triage.md)。
新手怎么选:三问定位法
按顺序问三个问题,30 秒锁定 Profile:
- 有没有界面改动? 有 →
ui;纯后端 →api;都没有 → 继续。 - 改动大不大、要不要留档? 大改动/新功能 →
full;线上 Bug 修复 →lite;想法验证 →spike。 - 是不是极小改动? 个人小工具 →
micro;typo/注释级 →nano。
拿不准就用默认 full,多写几份文档的代价远低于漏掉一个评审门。
小结
| 你的场景 | 推荐 Profile | 一句话理由 |
|---|---|---|
| 新功能 / 大改动 | full |
文档齐备,默认之选 |
| 后端 API / 服务 | api |
跳过 UI 设计,省 token |
| 设计系统 / 组件库 | ui |
full 阶段 + UI 辅助 Skill |
| Bug 修复 | lite |
五阶段,快而可追溯 |
| MVP / 原型 | spike |
四阶段,只写动机和成功标准 |
| 个人小工具 | micro |
三阶段,不写测试文档 |
| typo / 注释 / 排版 | nano |
零文档,dev 直起 |
Profile 只是起点:每个阶段用 /taiyi:status 看进度、/taiyi:continue 过关,全流程节奏详见 docs/USAGE.md。选对模式,让 AI 工作流为你所用,而不是被流程拖慢。

