任务拆分太碎无法落地？详解垂直切片（Vertical Slices）的正确打开方式

在敏捷开发的流水线上，最容易让架构师和开发者产生分歧的环节就是任务拆分。传统的做法是“横向切饼”：前端切一刀，后端切一刀，数据库再切一刀。结果是 Issue 列表里躺着一堆“创建 API 路由”、“设计表结构”，直到项目最后一天，你都看不到一个真正能跑的功能。

Matt Pocock 在 Agent Skills 中推崇的 to-issues 技能，其核心灵魂就是 Vertical Slices（垂直切片）。它强制 AI 放弃那种低效的“技术分层”拆分法，转而交付一个个“端到端”的业务价值。

💡 报错现象总结：开发者在使用 AI 自动拆分 Issue 时，常发现生成的任务之间存在强耦合，导致某个子任务无法独立测试或交付。这种“任务碎块化”现象本质上是缺乏垂直切片逻辑。此外，若 PRD 描述不够原子化，to-issues 可能会生成描述过于笼统的 Issue，导致开发者在执行时依然需要反复向架构师确认细节。

为什么“技术分层拆分”是独立开发者的自杀行为？

如果你是一个人在战斗，或者带领一个小团队，按技术栈拆分任务会极大地拉长反馈周期。当你写完“数据库表结构”时，你并没有完成任何可交付的东西；只有当你写完配套的 API 和 UI 逻辑，这个功能才算“活着”。

to-issues 的技术剖析核心点在于：它通过 Prompt 约束 AI，要求每一个 Issue 必须是一个独立的可分发单元（Independently-grabbable units）。

拆分范式	表现形式	最终结果	架构师评价
横向分层 (Horizontal)	任务 A：写 SQL；任务 B：写 Controller	必须 A+B 全部完成才能看到效果	高延迟，难以追踪业务进展
垂直切片 (Vertical)	任务 A：用户能看到并修改头像 (含 DB/API/UI)	每一个任务完成后都是一个可工作的增量	低延迟，极速反馈，工程感极强

源码追溯：to-issues 如何强行“端到端”？

在 skills 的逻辑实现中，to-issues 在解析 PRD 时会启动一个依赖拓扑扫描。它不仅仅是把文本行拆开，而是试图寻找业务逻辑上的最小闭环。

如果你的 PRD 写得像一团乱麻，to-issues 会因为无法提取垂直切片而产生“理解偏差”。

// to-issues 内部逻辑设想：
// 搜索 PRD 中的 "User Goal"，而不是搜索 "Tech Stack"
const slices = prd.match(/As a (.*), I want to (.*), so that (.*)/g);
// 每一个 Slice 都会被封装为一个包含全栈逻辑的 Issue
slices.forEach(slice => createVerticalIssue(slice));

这种架构逻辑确保了每一个产生的 Issue 都是一个“功能切片”，开发者领走任务后，不需要再去跨 5 个 Issue 找背景资料，所有的上下文都在这一个切片里。

手动修正“任务耦合”的痛苦

很多开发者在发现 AI 拆分不合理后，会尝试手动去 GitHub 面板上合并或拆分 Issue。这种“手工修正”非常折磨人：

1. 文案同步地狱：你改了 Issue A 的范围，发现原本关联在 Issue B 里的技术细节也要跟着手动迁移。
2. 标签与里程碑失效：手动操作极易漏掉 Labels 或 Milestone 关联，导致自动化看板（Board）直接失灵。
3. 上下文断裂：AI 之前基于旧切片生成的代码建议，在手动重组 Issue 后彻底作废，你不得不重新喂 AI 上下文。

这种“任务重构”的体力活，往往比写代码本身还要累，而且极易引入逻辑死角。

让任务自己“垂直”起来

真正的架构高手，在定义需求的那一刻就开始考虑切片了。

为了帮你彻底掌握这种高效的任务拆分艺术，我已经在 GitCode 独家发布了 《垂直切片开发实战手册：Agent Skills 任务拆分调优指南》。这份手册提供了 5 个经典的垂直切片模板，并附带了一套针对 to-issues 的优化 Prompt 参数，确保 AI 拆出来的每一个任务都能直接“上手即干”。访问 GitCode，领取这份实战手册，让你的 Issue 列表从此井然有序。

[领取 GitCode《垂直切片开发实战手册》，让你的任务拆分真正具备生产力。]