说到前言，从“加载全部制度”到“按需获取知识”

在「Claude Code 需求拆解实战：从直觉到推演」专栏的《-不要只让 AI 进入 Plan 模式。要先给 AI 一套工程制度》中，我们已经建立了一个关键前提：使用 Claude Code 开发项目时不能只把当前需求交给 AI，还要让 AI 了解项目已经形成的技术决策和业务决策。

这能避免 AI 每次都从零猜测项目规则。不过，再看例如，

• 为什么某类操作需要二次确认；
• 为什么某项业务规则只适用于特定使用者；
• 为什么某个技术方法需要遵守明确的使用边界。

当这些决策全部在 Claude Code 冷启动时加载，新的问题也会逐渐出现。

假设项目已经积累了几十条甚至上百条规则，而当前任务只是修改一个按钮样式。其实，此时仍然加载所有业务背景、技术选型和历史方案。会带来三个明显问题：

1. 冷启动变慢AI 需要先读取大量文档，才能开始处理当前任务；
2. Token 消耗增加与任务无关的内容也会进入上下文；按理说，
3. 有效信息被稀释真正相关的规则可能淹没在大量背景资料中。

问题并不在于我们记录了太多知识，而在于获取知识的方式仍然是“全部加载”。这个专栏将使用 RAG改造这套工作流：

使用者提出任务 ↓和实现

工程制度仍然负责沉淀知识，RAG 则负责在正确的时间找到正确的知识。

一、为什么先写文档，而不是先选向量数据库？

RAG 的检索质量 取决于原始知识的质量。

如果文档只有零散

项目统一使用方案 A。

那么即使检索到了这句话，AI 仍然无法判断：

• 方案 A 用于解决什么问题？
• 它适用于哪些模块？
• 为什么没有选择方案 B？
• 这是建议还是必须遵守的规则？
• 这条决策当前是否仍然有效？

更适合进入知识库的写法应该同时包含决策点、候选方案、最终决定和选择原因：

## FADR # - 示例技术方法
### Feature示例项目应该如何解决目标问题？其实，### Assessment对比方案 A 与方案 B 的实现成本、维护难度和适用范围。### Decision示例项目采用方案 A，并将其使用范围限制在指定模块。说起来，### Rationale方案 A 更符合当前约束；明确使用边界可以避免其他模块产生不必要的耦合。

两段内容都提到了方案 A，但后一段才是一条完整、可执行、可追溯的项目知识。

二、项目使用 BADR 和 FADR 记录什么？

类型 全称 主要记录内容
BADR Business Architecture Decision Record 业务流程、业务边界、产品分类、合规规则等业务决策

BADR Business Architecture Decision Record 业务流程、业务边界、产品分类、合规规则等业务决策

BADR Business Architecture Decision Record 业务流程 、业务边界 、产品分类 、合规规则等业务 决策

BADR Business Architecture Decision Record 业务流程 、业务边界 、产品分类 、合规规则等业务 决议

BADR Business Architecture Decision Record 业 决议

BADR Business Architecture Decision Record business decision business decision business decision business decision business decision business decision badr badr badr badr badr badr badr badr badr BadR BadR BadR Bad R Bad R Bad r bad r BAD R BAD R BAD R BAD R BAD r BAD r BAd r BA d r b a d r b a d r B a d r B a d r b a d r b a d r b a d r BA D R BA D R BA D R BA D R BA D R BA D ra ra ra ra RA RA RA RA RA RA RA

. BADR：保存容易被遗忘的业务原因

BADR 关注业务问题，例如：

为什么某类操作需要额外审核; 

为什么不同使用者群体适用不同规则; 

例外. 

B

---