讓 Claude Code 擔任項目經理——PM Layer 設計模式
這篇文章探索了一個新穎的想法：不把 Claude Code 當作"寫代碼的工具"，而是讓它充當"項目經理（PM）"，自主管理開發任務的分解、優先級排序、依賴關係跟蹤和進度彙報。
作者設計了一個"PM Layer"抽象層：通過結構化的 Prompt 模板，讓 Claude Code 讀取 TASKS.md 文件，自動判斷當前應執行的任務，執行後更新任務狀態，並生成進度報告。
這種設計讓 AI coding tool 從"被動響應工具"轉變爲"主動任務管理者"。作者分享了自己在實際項目中使用 PM Layer 的經驗：任務分解的準確率、AI 判斷錯誤的場景、以及需要人工干預的節點。對希望探索 AI Agent 自主工作流的開發者具有參考意義。
大多數開發者把 Claude Code 當作"寫代碼的助手"——你給它指令，它執行，你再給下一條指令。但 Zenn 作者 yamapiiii 想到了一個更有野心的用法：讓 Claude Code 充當項目經理，自己決定做什麼、按什麼順序做、做完後彙報什麼。
PM Layer 的核心思想
PM Layer 是一個 Prompt 抽象層，它賦予 Claude Code 三個 PM 職責：
1. **任務分解（WBS）**：將高層目標拆解爲可執行的子任務，寫入 TASKS.md
2. **優先級與依賴管理**：識別任務間依賴關係，決定執行順序
3. **進度追蹤與彙報**：每個任務完成後更新狀態，生成進度摘要
技術實現
作者的實現非常輕量：一個結構化 System Prompt + 一個 TASKS.md 文件格式約定。System Prompt 告訴 Claude：「每次執行前先讀取 TASKS.md，選擇最高優先級且依賴已完成的任務執行，執行後更新狀態」。
TASKS.md 的格式：
## [TASK-001] 用戶認證模塊
- 狀態: ✅ 完成
- 依賴: 無
- 優先級: P0
## [TASK-002] 數據庫遷移腳本
- 狀態: 🔄 進行中
- 依賴: TASK-001
- 優先級: P1
實際使用體驗
作者在一箇中等規模項目（約 15 個功能模塊）中使用 PM Layer 實驗了兩週。主要發現：
- 任務分解準確率約 80%，但對"隱式依賴"（如需要先做架構設計才能寫代碼）判斷較弱
- AI 傾向於選擇看起來"更容易"的任務，而非真正最高優先級
- 當任務描述模糊時，AI 會自行解釋，有時偏離原意
人工干預節點
PM Layer 不是完全自主的，作者建議在以下節點保留人工確認：重大架構決策、外部 API 集成、任何涉及生產數據的操作。
行業趨勢關聯
PM Layer 本質上是 Agentic AI 的垂直應用：用 AI 管理 AI 的工作流。這與 Anthropic 推進 Claude Code 成爲完整開發 Agent 的方向高度契合。未來，AI PM + AI Developer 的協作模式可能成爲個人開發者提升效率的標配工具鏈。