BMAD-METHOD
AI驱动敏捷开发框架,为AI编程工具装上结构化方法论引擎
加载项目详情…
本应用为开源项目,仅供学习研究,请遵守其开源协议。
AI驱动敏捷开发框架,为AI编程工具装上结构化方法论引擎
加载项目详情…
本应用为开源项目,仅供学习研究,请遵守其开源协议。
图1:BMad Method 项目 banner
想象一下:你正在开发一个复杂的企业级系统,架构设计要懂分布式,测试要覆盖风险边界,UX 要平衡用户习惯,数据库要权衡性能与一致性——这些事情,交给任何一个全能型AI工具,它要么给你泛泛而谈的模板,要么在细节上掉链子。
BMad Method 的思路很简单:不要让 AI 替你思考,而是让 AI 帮你更好地思考。它不是一个写代码的 AI,而是一套结构化的协作框架——在你身边虚拟出一个包含 12 位专家的工作团队:产品经理帮你梳理需求,架构师评估技术方案,测试工程师设计风险边界,UX 设计师考虑交互体验。每个人的发言都有模板、有流程、有约束,不会跑偏,也不会互相矛盾。
这个框架在 2025 年 4 月开源,仅用一年多时间就积累了超过 48,000 颗 GitHub 星标,fork 数超过 5,600,Discord 社区活跃,版本从 V4 快速迭代到 V6.8.0。它解决的核心问题是:如何让 AI 工具真正融入团队协作,而不是沦为一个人机对话的孤岛。
BMad 的诞生背景很有意思。它并非凭空出现,而是源自敏捷开发方法论在 AI 时代的进化需求。传统的敏捷开发(Scrum、Kanban 等)已经有成熟的实践,但当 AI 工具介入开发流程后,出现了新的矛盾:AI 生成代码速度快,但质量参差不齐;AI 知识面广,但缺乏对项目上下文的深入理解;AI 响应及时,但团队协作流程无法与之衔接。
BMad Method 提出了 Scale-Domain-Adaptive(规模-领域-自适应)的核心理念:系统的规划深度会自动根据项目复杂度进行调整。小到一个 bugfix,大到一个企业级分布式系统,BMad 会评估任务规模,动态决定需要多少个角色参与、需要多深的文档模板、需要什么样的评审门控。这就像一个智能的项目管理器,知道什么时候该敏捷一点快速推进,什么时候该瀑布一点严格把关。
项目由 BMad Code, LLC 维护,采用 MIT 许可证,100% 开源且永久免费,没有付费墙、没有 gated Discord、没有付费课程——这在 AI 开发工具领域相当罕见。
BMad Method 提供了 34+ 结构化工作流,覆盖软件开发全生命周期:
头脑风暴(Brainstorming):引导式发散-收敛讨论,不偏离主题又不遗漏创意点
产品简报(Product Brief):从零定义产品愿景、目标用户、核心价值主张
PRD / PRFAQ:Amazon 式产品需求文档,左边写功能,右边写用户问题
UX 规格:结构化描述界面组件、交互流程、边界状态
架构评审:多角度技术方案评估(性能、安全、可维护性、扩展性)
测试策略:风险驱动测试设计,明确哪些场景必须覆盖,哪些可以跳过
代码审查:Agent 级别的审查清单,确保 AI 生成代码符合团队规范
这些工作流通过 Party Mode(派对模式)来组织:你可以同时召唤多个 Agent 角色进入同一个会话,让他们互相讨论、质疑、补充。比如在架构评审时,可以让保守派架构师提出风险质疑,让创新派开发者提出激进方案,让测试工程师模拟攻击路径——最终由你作为 PM 做决策拍板。
BMad 采用了核心框架 + 模块插件的架构。核心模块 BMM(BMad Method) 包含 34+ 通用工作流;此外还有多个官方扩展模块:
| 模块 | 定位 | 适用场景 |
|------|------|----------|
| BMB (BMad Builder) | 创建自定义 Agent 和工作流 | 团队有特定需求,需要定制 AI 协作流程 |
| TEA (Test Architect) | 企业级测试策略和自动化 | 大型项目,需要严格质量门控 |
| BMGD (Game Dev Studio) | 游戏开发工作流 | Unity/Unreal/Godot 游戏项目 |
| CIS (Creative Intelligence) | 创意智能套件 | 创新项目,设计思维工作坊 |
模块通过 bmad-method install 命令安装,安装过程有交互式引导,支持非交互式批量安装(适合 CI/CD 环境)。
BMad Method 技术栈选型务实:
运行时:Node.js 20.12+(核心 CLI)+ Python 3.10+(AI 集成层)
包管理:npm + uv(Python 高性能包管理)
核心依赖:@clack/prompts(交互式提示)、commander(CLI 框架)、js-yaml(配置解析)
AI 集成:通过插件机制支持 Claude Code、OpenAI Codex 等主流 AI IDE
安装方式:npx bmad-method install 一键安装,交互式引导选择模块和工具
代码质量方面,项目维护了完整的 ESLint 配置、Prettier 代码格式化、Conventional Commits 规范提交记录,以及自动化质量检查工作流(lint、format、test、validate:refs、validate:skills)。文档站点托管在 docs.bmad-method.org,支持多语言(英语、中文、越南语、法语、捷克语)。
V6 版本推出的 Web Bundle 功能很有意思:它把 BMad 的部分工作流(头脑风暴、产品简报、PRFAQ、PRD、UX 规格、市场研究)打包成可直接安装到 ChatGPT Custom GPTs 和 Google Gemini Gems 的格式。
这样做的好处是:用订阅制 AI 的低廉成本完成前期规划工作,把高质量的规划文档(PRD、架构规格)带入 IDE 进行实现。相比在 Claude Code 里跑一个完整的 PRD 工作流,直接在 ChatGPT Pro 里用 Gemini 1.5 处理规划阶段,成本可以低一个数量级。
图2:BMad Method 品牌标识
尽管数据亮眼,BMad Method 也有一些值得关注的问题:
1. 高度依赖 AI IDE 生态 BMad 本质上是一个框架,核心价值来自与 Claude Code、Cursor、Codex 等 AI 编程工具的集成。如果这些 AI 工具本身出现重大变化(API 定价调整、能力降级),BMad 的价值也会随之波动。这是一个中间件的固有风险——它连接两端,两端都不可控。
2. 学习曲线不低
虽然安装简单(npx bmad-method install),但真正用好 BMad 需要理解它的方法论内核(敏捷开发、Agent 协作模式、结构化文档规范)。对于没有敏捷开发经验的团队,初期上手成本可能高于预期。
3. 企业级采纳的挑战 BMad 强调免费开源,但企业级采纳往往需要商业支持、SLA 保障、定制化服务。目前 BMad Code 提供企业赞助联系方式,但尚未形成成熟的企业服务模式。
BMad Method 的最大贡献,或许不在于某个具体功能,而在于它率先系统性地回答了:在 AI 时代,团队协作应该长什么样?
过去两年,AI 编程工具从 Copilot 进化到 Claude Code、Cursor Agent,工具能力飞速提升,但团队协作模式几乎没有变化——大多数团队还是沿用 2019 年的敏捷流程,只是把查文档换成了问 AI。BMad 至少提供了一个可操作的框架,让人们看到:AI 时代的协作可以是多 Agent 并行、结构化引导、质量门控的。
如果用一句话总结 BMad Method:它是给 AI 时代软件团队的一本 SOP 操作手册——不是让 AI 替代你思考,而是让 AI 在你最需要专业意见的时刻,召唤最合适的那个人来帮你分析。
# 前置条件
# node >= 20.12
# python >= 3.10
# uv(推荐)
# 一键安装
npx bmad-method install
# 非交互式安装(CI/CD)
npx bmad-method install --directory /path/to/project --modules bmm --tools claude-code --yes
# 安装后,在 AI IDE 中使用
# 打开项目目录,BMad 会自动加载配置
# 输入 bmad-help 获取下一步指引