X (Twitter)
ai-engineeringdev-tools
Original source

AI 编程工程化三步闭环:目标对齐、路径探索、循迹前行

Summary

系统梳理如何让 AI 编程从”玩具”变成”可靠系统工程”的三步闭环框架。

1. 目标对齐 — 定义终点

  • 核心问题:丢给 AI 的 prompt 往往是半成品,隐性上下文(支付回退、幂等校验、Token 刷新等)AI 看不到只能猜
  • 需求工程本质:消除隐性假设 + 建立唯一事实来源(Spec)
  • 工具:grill-me / grill-with-docs (来自 matt pocock/skills) — 苏格拉底式需求获取,AI 先当架构师”拷打”你

2. 路径探索 — 找到可行路径

  • 评估四维度:实现复杂性、维护复杂性、时间成本、方案可逆性
  • 先 probe 探通再踩油门
  • 借鉴 ADR(架构决策记录):背景-决策-后果
  • 工具:wayfinder(全局规划)+ research(技术探针)+ prototype(示踪弹验证)

3. 循迹前行 — 保持正轨

  • 两大失控点:上下文漂移(Context Drift) + 局部测试陷阱(False Green)
  • 活文档与变更追溯:to-spec → to-ticket → CR 变更单
  • docs-by-version(作者自制):按里程碑追踪项目文档
  • E2E 验收:纯 TDD 不够(AI 会凑代码过测试),需结合 BDD + 端到端冒烟测试

核心观点

目标、路径、执行三环紧扣。引用 Fred Brooks:“构建软件最困难的环节就是精确决定要构建什么。”

大量引用 matt pocock 的 skills 体系(grill-me, wayfinder, research, prototype, to-spec, to-ticket)。