原文地址
2025 年 AI 编程工具遍地开花，但一个尴尬的现实是：工具越来越强，预期越来越高，落地却越来越难——speckit 的规范流程在企业需求的”千层套路”、海量代码面前显得理想化，上下文窗口频繁爆满让复杂任务半途而废，每次做类似需求还是要花同样的时间因为知识全在人脑里。本文记录了我从踩坑规范驱动工具，到借鉴 Anthropic 多 Agent 协作架构、融合上下文工程与复合工程理念，最终实现边际成本递减、知识持续复利的完整历程。如果你也在”AI 工具明明很强但就是用不好”的困境中挣扎，或许能找到一些共鸣。附带还有新的工作流下人的工作模式转变思考～
1.0 团队的 AI Coding 起点
先交代一下背景：我所在的是一个后端研发团队 ，日常工作以存量项目迭代为主，涉及多个微服务的协作开发。
2024 年中，团队开始尝试 AI 辅助编程。最初的体验是：
短上下文场景效果不错 ：
写一个独立函数、实现一个工具方法——AI 表现良好
简单的代码补全、格式化、注释生成——确实提效
但规模化复用始终没起来 ：
当时只有三种触发类型的 rules（早期 rules 时代）
虽然提出过”在基础 agent 之上封装 agent”的想法
但几个月过去，仍然没有太多人真正动起来
原因分析 ：
规范没有形成共识——每个人对”怎么用好 AI”理解不同
对 AI 工程化没有标准认识——不知道该往哪个方向努力
提示词复用习惯没建立——好的 prompt 停留在个人经验，没有沉淀
这个困境促使我开始探索外部方案 ：有没有已经成熟的”AI 编程工程化”方法论？有没有可以直接借鉴的最佳实践？
带着这些问题，我遇到了 speckit 和 openspec。
2024 年开始，AI 编程助手如雨后春笋般涌现。Copilot、Cursor、Claude 让很多人第一次体验到了”AI 写代码”的魔力。但兴奋之后，问题也随之而来：
AI 生成的代码质量参差不齐
需求理解经常偏离预期
缺乏持续性，上下文丢失严重
改一处坏十处，维护成本高
正当我被这些问题困扰时，遇到了 speckit ——一个规范驱动开发（Spec-Driven Development, SDD）工具包。
speckit 的理念很吸引人：
1 2 3 规范即代码 → 规范直接生成实现，而非仅作为指导文档 权力倒置 → 代码服务于规范，而非规范服务于代码 测试优先 → 强制 TDD，不可协商地要求先写测试
它定义了一套清晰的 5 阶段流程：
1 2 Constitution → Specify → Plan → Tasks → Implement (宪章) (规范) (计划) (任务) (实施)
每个阶段对应一个命令，依次执行：创建项目宪章和开发原则 → 定义需求和用户故事 → 创建技术实现计划 → 生成可执行的任务列表 → 执行所有任务构建功能。
再加上 9 条不可变的架构原则（库优先、CLI 接口、测试优先、简洁性、反抽象…），7 层 LLM 输出约束机制，防止过早实现、强制标记不确定性、结构化自检…
这不就是 AI 编程的”工程化正确答案”吗？
带着这样的期待，我开始在项目中尝试落地。
除了 speckit，我还研究了 openspec ——一个更轻量的规范驱动框架：
1 2 3 Specs as Source of Truth → specs/ 目录始终反映系统当前真实状态 Changes as Proposals → 所有修改先以提案形式存在，经确认后实施 Lock Intent → AI 编码前通过明确规范锁定意图
openspec 的 Delta 机制设计得很巧妙：不同于直接存储完整的”未来状态”，它只存储变更操作 本身（ADDED/MODIFIED/REMOVED/RENAMED）。归档时通过语义名称匹配来定位需求，避免了 Git Merge 常见的位置冲突问题。同时采用 Fail-Fast 机制，在写入前做完整冲突检测，保证不会产生半完成状态。
两个工具，两种风格，但都指向同一个目标：让 AI 编程更可控、更规范。
让我用一个真实的 12 月活动需求来说明问题：
协作复杂度 ：
跨 BG、跨前后端、跨 FT、跨项目、跨小组、跨服务
跨部门合作接口因合规要求变来变去，迟迟给不到位
雅典娜平台上接近 20 种商品类型，全得人工一个个配
活动流程必须按”玩法引擎”的方法论来拆解
技术方案得按习惯写在 iWiki 里
并行任务流 ：
1 2 3 4 5 6 同时处理： ├── 找产品确认商品细节 ├── 找运营确认玩法逻辑 ├── 找跨团队研发对齐接口 ├── 找跨项目研发对齐交互 └── 内部技术方案评审
方案设计的”考古”需求 ：
某个商品创建、资产查看以前有什么坑？
现在的玩法能力有哪些？能不能直接用？
导航小结页到底是啥？怎么让它弹 Banner？
**写代码前的”九九八十一难”**：
1 2 3 4 5 6 前置任务链： ├── 玩法引擎：依赖数据、激励动作要在引擎仓库里实现 ├── 外部依赖：关联的代码改动在其他服务里 ├── 配置中心：要去阿波罗（Apollo）配配置 ├── 雅典娜：商品场景得先配好（早期没数据还得 Mock） └── 数据库：涉及表变更，得去测试环境操作
执行中的细节坑 ：
阿波罗配置有个坑，该怎么绕过去？
规则引擎的语法到底怎么写？
商品发放操作是重点，具体发到哪个钱包？
把 speckit 的理想流程放到这个场景里：
1 2 3 4 5 6 7 8 9 speckit 假设的流程： Constitution → Specify → Plan → Tasks → Implement ↓ ↓ ↓ ↓ ↓ 一次性定义 一次性写清 线性规划 任务分解 按序实施 企业现实： 多方博弈 → 动态调整 → 并行推进 → 持续扯皮 → 边做边改 ↓ ↓ ↓ ↓ ↓ 需求会变 方案会改 依赖会卡 资源会抢 意外会来
核心矛盾 ：speckit 假设需求是清晰的、可一次性规划的，但企业真实需求是动态的、多方博弈的、持续变化的。
openspec 的”提案→审查→归档”流程看起来更灵活，但：
这些冲突没有自动解决策略，CLI 只会打印类似 MODIFIED failed for header "### Requirement: xxx" - not found 的错误信息，然后终止。你需要：手动打开两个文件对比、理解冲突原因、决定保留哪个版本、手工修改 Delta 文件、重新执行归档。整个过程要求你同时在脑中持有”主 Spec 当前状态”和”Delta 期望变更”两套信息——这对认知负担是很大的挑战
强依赖命名的脆弱性 ：产品叫”用户激励”，运营叫”活动奖励”，研发叫”商品发放”——同一个需求在不同阶段有不同表述
speckit 和 openspec 都有一个共同盲区：流程从零开始 。
1 2 3 4 5 6 7 8 9 speckit 流程： Constitution 定义原则 → Specify 定义需求 → Plan 设计方案 → ... 但真实需求必须"考古"： ├── 这个商品创建以前有什么坑？ ├── 现有玩法能力有哪些？ ├── 导航小结页的 Banner 怎么弹？ ├── Apollo 配置有什么特殊处理？ └── 雅典娜 20 种商品类型的配置方式各不同
缺失能力 ：没有”上下文检索”机制，无法自动关联历史经验、已有能力、已知陷阱。
AI 生成 spec 时能看到的：
✅ 代码仓库
✅ project.md/Constitution
✅ 用户意图
AI 看不到（但需要知道）的：
❌ 业务边界（涉及哪些服务？）
❌ 历史经验（以前怎么做的？有什么坑？）
❌ 配置规范（Apollo 特殊要求？）
❌ 平台知识（雅典娜 20 种商品配置注意事项）
❌ 协作约束（依赖其他团队接口？合规要求？）
结果 ：依赖人 review 时逐步想起来告诉 AI，45 分钟 + 持续的认知负担。
面对上述问题，AI 工程化的解决思路是什么？这里先做个预告，详细方案见第五节。
企业现实问题
speckit/openspec 的困境
AI 工程化的解法
需求动态变化
假设一次性规划，变更成本高
需求以”进行中”状态管理，支持随时调整，阶段性沉淀
多线并行博弈
线性流程，Delta 冲突报错终止
Agent 自主决策路由，Skill 独立执行，不强依赖顺序
考古需求
无上下文检索，AI 只能看到代码
context/ 分层管理历史经验，按阶段自动加载
配置/平台知识
需要人 review 时口述
沉淀为 context/tech/，AI 执行时主动提醒
冲突解决成本
人工对比、手工修改、认知负担重
不依赖”合并”，而是”覆盖+沉淀”，冲突时 AI 辅助决策
边际成本恒定
每次 45 分钟，无复利
首次建立 context，后续复用，边际成本递减
核心差异 ：
1 2 3 4 5 6 7 8 9 speckit/openspec 的思路： 规范化流程 → 约束 AI 行为 → 期望产出质量 ↓ 问题：流程本身不适配企业现实，约束越多越僵化 AI 工程化的思路： 上下文完整性 → AI 决策质量 → 自动沉淀经验 → 下次更好 ↓ 解法：不是约束 AI，而是给 AI 完整信息 + 让知识复利
一个具体例子 ——同样是”商品发放”需求：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 speckit 模式（第 3 次做）： 1. Constitution → 写项目原则（已有，跳过） 2. Specify → 写需求规范（45 分钟，人逐步想起遗漏告诉 AI） 3. Plan → 写技术方案（人提醒：Apollo 有坑、钱包要区分） 4. Tasks → 生成任务（人补充：雅典娜配置注意事项） 5. Implement → 执行（遇到问题再排查） 耗时：45 分钟 + 排查时间，知识留在人脑 AI 工程化模式（第 3 次做）： 1. /req-dev "商品发放需求" 2. Agent 识别意图 → 自动加载 context/experience/商品发放历史问题.md 3. Agent 提醒："历史上有钱包选择、Apollo 配置、雅典娜商品类型三个坑点" 4. 人确认："对，继续" 5. Skill 执行 → 自动校验 → 生成代码 → 沉淀新发现 耗时：10 分钟，知识沉淀到 context/
后续章节将详细展开这套方案的设计原理和落地实践。
实话实说，我的脑容量有限：
记性不好 ：只能记住关键的大方向，具体细节过脑就忘
专注窗口小 ：同时关注的信息有限，必须采用”专注单任务+全局索引”策略
我的日常工作模式（经过各种场景检验的最优路径）：
任务管理（外挂大脑） ：Todo List 分优先级（红色紧急/黄色进行中/绿色完成/无色未开始）
备忘录 ：记录死记硬背的内容（打包命令、数据库 IP 密码、文档散落信息）
桌面即上下文 ：N 个桌面窗口，每个窗口对应一个垂直领域
复杂任务 SOP 化 ：脑内计划 + 执行机器模式 + 文档跟踪
简单任务 Fire and Forget ：低频低思考成本事项秒回即忘
这套土办法是经过检验的最优路径 。如果硬套 speckit/openspec 的范式，反而会丢掉这些 SOP，得不偿失。
speckit 和 openspec 都只关注”规范”（Spec）和”结果”（Code），忽视”过程”（Process）。
但真实价值恰恰在过程中：
1 2 3 4 5 执行 → 有问题 → 验证 → 排查 → 继续执行 ↓ 排查信息往往没被记录 ↓ 时间一久或换人，下次重新排查
这个循环中的排查信息，才是最宝贵的知识！
1 2 3 4 5 6 7 Speckit 模式： 第 1 次商品发放需求：45 分钟（人逐步想起遗漏） 第 2 次商品发放需求：45 分钟（人 AGAIN 逐步想起遗漏） 第 n 次商品发放需求：45 分钟（还是要想，还是那么久） 边际成本恒定，无复利效应。 知识在哪里？在人脑里，每次都要重新想起来。
这与我期望的”越用越快”完全相反。
在探索过程中，我接触到了”复合式工程”（Compounding Engineering）的理念。这个概念来自 Claude Code 团队与 Every 团队的实践交流，并在 Every 团队开源的 Compound Engineering Plugin 中得到了系统化实现——这是一个包含 27 个 Agent、19 个 Command、13 个 Skill 的完整 AI 辅助开发工具包。
“复合式工程”的核心目标非常明确：让每一单元的工程工作使后续工作变得更容易，而非更难。
1 2 传统开发：累积技术债务 → 每个功能增加复杂性 → 代码库越来越难维护 复合工程：每个功能产出文档模式 → 创建可复用组件 → 建立减少决策疲劳的约定 → 知识在团队中复合增长
与传统工程中每增加一个功能都会增加系统复杂度和维护成本不同，”复合式工程”追求的是一种”复利”效应，让系统的能力随着时间推移指数级增长。
Compound Engineering Plugin 设计了一个闭环的工作流循环：
1 2 3 4 5 Plan ──────→ Work ──────→ Review ──────→ Compound 详细规划 执行工作 质量检查 知识沉淀 ↑ │ └───────────────────────────────────────┘ 知识复合：下次规划更精准
Plan ：多代理并行研究仓库模式、最佳实践、框架文档，输出结构化计划
Work ：系统性执行计划，边做边测，质量内建
Review ：多代理并行审查（安全、性能、架构等），输出分级 Todo
Compound ：这是复合工程的核心——将解决的问题结构化记录，形成团队知识资产
完整实现参见：Compound Engineering Plugin
1 2 3 4 5 6 第一次解决 "N+1 query in brief generation" → Research (30 min) 文档化 → docs/solutions/performance-issues/n-plus-one-briefs.md (5 min) 下次类似问题 → Quick lookup (2 min) 知识复合 → Team gets smarter Each unit of engineering work should make subsequent units of work easier—not harder.
实现复合工程的关键，在于建立系统化的知识沉淀机制。以下是几个典型场景：
场景 1：Agent 重复犯同类错误
1 2 3 触发：发现 Agent 在某类问题上反复出错 沉淀：将教训写入 AGENTS.md / CLAUDE.md / 系统提示词 效果：该类错误不再发生，无需人工提醒
场景 2：某类问题需要频繁人工检查
1 2 3 触发：Code Review 时反复指出同类问题 沉淀：创建 Lint 规则 / Pre-commit Hook / CI 检查 效果：问题在提交前自动拦截，减少人工负担
场景 3：复杂流程被多次执行
1 2 3 触发：某个多步骤操作被团队重复执行 沉淀：封装为 Skill / Command / Agent 效果：一键触发标准化流程，新人也能执行专家级操作
场景 4：解决了一个有价值的问题
1 2 3 触发：花了较长时间解决某个棘手问题 沉淀：结构化记录到 context/experience/ 目录 效果：下次遇到类似问题，Agent 自动加载相关经验
这些场景的共同特点是：在问题解决的当下立即沉淀 ，而不是事后补文档。
以下是 Every 团队和 Anthropic 内部使用复合工程的真实案例：
案例 1：”@claude，把这个加到 claude.md 里”
当有人在 PR 里犯错，团队会说：”@claude，把这个加到 claude.md 里，下次就不会再犯了。”或者：”@claude，给这个写个测试，确保不会回归。”通过这种方式，错误转化为系统的免疫能力。
案例 2：100% AI 生成的测试和 Lint 规则
Claude Code 内部几乎 100% 的测试都是 Claude 写的。坏的测试不会被提交，好的测试留下来。Lint 规则也是 100% Claude 写的，每次有新规则需要，直接在 PR 里说一句：”@claude，写个 lint 规则。”
案例 3：十年未写代码的经理
经理 Fiona 十年没写代码了，加入团队第一天就开始提交 PR。不是因为她重新学会了编程，而是因为 Claude Code 里积累了所有团队的实践经验——系统”记得”怎么写代码。
案例 4：内置记忆系统
把每次实现功能的过程——计划怎么制定的、哪些部分需要修改、测试时发现了什么问题、哪些地方容易遗漏——全部记录下来，编码回所有的 prompts、sub-agents、slash commands。这样下次别人做类似功能时，系统会自动提醒：”注意，上次这里有个坑。”
这一范式带来的最终效果是惊人的。它将 AI 从一个被动执行命令的工具，转变为一个能够从经验中持续学习、并让整个开发流程效率不断”复利”增长的开发伙伴。
传统的知识管理困境：
1 2 3 4 5 6 7 8 方式 1：写文档 问题：没人看。写完就过时。维护成本高。 方式 2：靠人传授 问题：老人离职知识断层。新人上手慢。传授效率低。 方式 3：代码注释 问题：注释会过时。只能解释"是什么"，难以解释"为什么这么做"和"以前踩过什么坑"。
复合工程的答案：把知识编码进工具，让工具在正确的时刻主动提醒你 。
1 2 3 4 5 6 7 8 9 不是：写一份"商品发放注意事项"文档，期望大家会看 而是：在 context/experience/商品发放历史问题.md 里记录， Agent 在执行商品发放需求时自动加载，主动提醒 不是：靠老人口头传授"Apollo 配置有个坑" 而是：把坑编码到 skill 里，执行时自动校验 不是：在代码里写注释"这里要注意 XX" 而是：让 AI 在生成代码前就已经知道要注意 XX
从 Compound Engineering Plugin 中可以提炼出三个核心设计模式：
模式
核心思想
价值
并行代理
多角度分析时启动多个专业代理，合并结果后继续
提高分析覆盖度和效率
意图路由
入口统一，根据意图自动路由到具体工作流
降低用户认知负担
知识复合
问题解决 → 文档化 → 未来查找 → 团队变聪明
边际成本递减
基于复合工程理念，我设计了一套 AI 工程工具架构来实现知识的持续沉淀与复用：
工具架构 ：
1 2 3 4 5 6 7 用户输入 → Command（入口）→ Agent（决策层）→ Skill（执行层） ↓ 意图识别、流程路由 ↓ 调用具体 Skill 执行 ↓ experience-index（经验检索）
Command ：用户交互入口，如 /req-dev、/optimize-flow
Agent ：自主决策，智能判断意图，可调用多个 Skill
Skill ：固化流程，执行具体操作步骤
知识复合的两条路径 ：
1 2 3 4 5 6 7 8 9 10 路径 1：经验沉淀（/optimize-flow） 用户发现规律 → experience-depositor Agent → 识别规则类型 → 写入规则文件 ↓ context-rules.md（上下文映射） risk-rules.md（风险识别） service-rules.md（服务补全） pattern-rules.md（代码模式） 路径 2：经验检索（experience-index Skill） 需求分析/方案设计/代码编写前 → 自动检索匹配规则 → 加载相关 Context、提示风险、建议服务
复利效应示例 ：
1 2 3 4 5 6 7 第 1 次做支付需求：45 分钟（边做边踩坑） ↓ 沉淀规则：/optimize-flow "支付需求要加载 payment-service.md 并提示资金安全" 第 2 次做支付需求：15 分钟（experience-index 自动加载背景、提示风险） ↓ 沉淀更多规则：错误处理模式、服务依赖关系 第 N 次做支付需求：5 分钟（系统已积累完整的支付领域知识）
与传统文档的本质区别 ：
1 2 传统文档：写完没人看，看了也找不到对的时机 AI 工程化：experience-index 在正确的时刻自动检索，主动推送给 Agent
这就是为什么”知识应该沉淀到工具”不是一句口号，而是有实际 ROI 的工程决策。
Compound Engineering Plugin 为 AI 工程化提供了极好的参考蓝图：
维度
启示
任务分解
阶段化执行（Plan → Work → Review → Compound），并行化处理，状态持久化
质量保障
多角度并行审查，分级处理（P1/P2/P3），持续验证（边做边测）
知识管理
即时文档化（趁上下文新鲜），分类存储（按问题类型），交叉引用（关联 Issue、PR）
工具设计
工具提供能力而非行为，Prompt 定义意图和流程，让代理决定如何达成目标
Claude Code 团队的实践给了我另一个启发：
“最好的工具，就是没有工具。”
他们的做法：
只给模型一样东西：bash
每周都在删工具，因为新模型不需要了
减少模型的选择，就是增加模型的能力
“模型吞噬脚手架”——曾经的外部辅助，逐渐被模型吸收
产品极简主义 ：不是”越来越丰富”，而是”越来越纯粹”。每一代模型发布，工具都会变得更简单，因为复杂性转移到了模型内部。
这个理念深刻影响了我做 AI 工程化的设计思路 ：
入口极简化 ：整个系统只有两个命令入口——/req-dev 和 /optimize-flow。不是因为功能少，而是把复杂性藏到了 Agent 的智能路由里。用户不需要记住十几个命令，只需要表达意图，Agent 会判断该调用哪个 Skill。
Skill 而非工具堆叠 ：speckit/openspec 倾向于提供更多工具、更多模板、更多约束。我选择相反的方向——把能力编码为 Skill，让 Agent 在需要时自动调用，而不是让用户手动选择”现在该用哪个工具”。
上下文自动加载 ：Claude Code 团队说”人类和 AI 看同样的输出，说同样的语言，共享同一个现实”。我把这个原则应用到上下文管理——不是让用户手动指定”加载哪些背景资料”，而是让 Agent 根据当前阶段自动加载相关的 context/。用户感受不到”上下文加载”这个动作，但 AI 已经具备了完整的信息。
删除优先于添加 ：每次迭代时，我会问自己”有哪些东西可以删掉？”而不是”还能加什么功能？”。AGENTS.md 从最初的长篇大论，精简到现在只放通用规范和目录指针，具体流程全部下沉到 Skill 里。
双重用户设计 ：Claude Code 为工程师和模型同时设计界面。AI 工程化也是——/req-dev 命令人可以手动调用，Agent 也可以在流程中自动调用子 Skill。同一套能力，两种调用方式，没有冗余。
当前实践的目标 ：让工具尽可能”隐形”——用户只需要说”我要做一个商品发放需求”，系统自动加载上下文、自动识别阶段、自动调用对应 Skill、自动沉淀经验。用户感受不到在”使用工具”，只是在”完成工作”。
注：关于工具消失的行业发展趋势，详见第九节”未来展望”。
参考：Anthropic - Effective Context Engineering for AI Agents
上下文（Context） 指的是在从大语言模型（LLM）采样时包含的一组 token——不仅仅是提示词，还包括系统提示、工具定义、对话历史、检索到的文档等所有进入模型的信息。
上下文工程 是指在 LLM 推理过程中，策划和维护最优 token 集合的策略集合。它代表了 LLM 应用构建方式的根本转变：
提示词工程（旧范式）
上下文工程（新范式）
关注如何编写有效的提示词
管理整个上下文状态
主要针对一次性分类或文本生成任务
针对多轮推理和长时间运行的智能体
“找到正确的词语和短语”
“什么样的上下文配置最可能产生期望行为？”
核心指导原则 ：
找到最小可能的高信号 token 集合，最大化期望结果的可能性
很多团队把 AI 辅助编程的失败归咎于”模型不够强”或”提示词没写好”，但真正的根因往往是上下文工程的缺失 。Anthropic 的研究揭示了几个关键问题：
问题 1：上下文腐蚀（Context Rot）
研究发现：随着上下文窗口中 token 数量增加，模型准确回忆信息的能力会下降 。
1 2 3 4 上下文腐蚀的恶性循环： 加载更多信息 → 窗口膨胀 → 信息检索精度下降 → 行为异常 ↓ 人发现问题 → 加更多上下文纠正 → 窗口更膨胀 → 更差
这不是断崖式下降，而是梯度下降——模型在长上下文中仍然能力强大，但信息检索和长程推理的精度会持续降低。
问题 2：注意力预算耗尽（Attention Budget Exhaustion）
LLM 就像人类有限的工作记忆一样，拥有”注意力预算”：
1 2 3 4 5 6 7 8 9 Transformer 架构的约束： ├── 每个 token 都要关注所有其他 token，产生 n² 个成对关系 ├── 训练数据中短序列比长序列更常见，模型对长上下文依赖的经验较少 └── 位置编码插值虽允许处理更长序列，但会降低 token 位置理解的精度 结果： ├── 每引入一个新 token 都会消耗注意力预算 ├── 低质量的 token 会"稀释"高质量信息 └── 关键信息可能被噪声淹没
问题 3：speckit/openspec 的上下文盲区
回顾第二节的 speckit 困境，从上下文工程角度重新审视：
问题现象
上下文工程视角的根因
人 review 时逐步想起遗漏告诉 AI
历史经验没有编码为可检索的上下文
45 分钟完成需求，边际成本恒定
每次都是”冷启动”，没有上下文复用
上下文窗口频繁爆满
没有分层加载策略，一次性塞入过多信息
AI 行为异常，半途而废
上下文腐蚀导致关键信息被”遗忘”
问题 4：工具设计不当导致上下文污染
Anthropic 指出一个常见失败模式：
“臃肿的工具集，覆盖过多功能或导致使用哪个工具的决策点模糊不清”
判断标准：如果人类工程师无法明确说出在给定情况下应该使用哪个工具，AI 智能体也不能做得更好。
1 2 3 4 5 工具设计不当的后果： ├── 工具描述冗长 → 消耗上下文预算 ├── 工具边界模糊 → AI 决策困难，产生更多试错对话 ├── 工具返回冗余信息 → 上下文快速膨胀 └── 最终：窗口爆满，任务失败
基于 Anthropic 的实践和我们的落地经验，总结以下原则：
原则 1：分层式信息组织
1 2 3 4 5 6 7 8 context/ ├── business/ │ └── 活动业务边界.md ← 概要层（意图识别时加载） ├── tech/ │ └── Apollo配置规范.md ← 技术层（方案设计时加载） └── experience/ ├── 商品发放历史问题.md ← 经验层（实施前加载） └── 雅典娜配置注意事项.md ← 详细层（配置时加载）
原则 2：”即时”上下文策略（Just-in-Time Context）
不是预先加载所有可能相关的信息，而是维护轻量级索引，在运行时动态加载：
1 2 3 4 5 6 7 传统方式（预加载）： 启动 → 加载所有相关文档（20000 tokens）→ 开始工作 → 窗口已满一半 即时策略： 启动 → 加载索引文件（500 tokens）→ 识别当前阶段 → 按需加载（3000 tokens） ↓ 窗口保持精简，信息高度相关
Claude Code 的实践：使用 glob 和 grep 等原语允许即时导航和检索文件，而不是预先加载完整数据对象到上下文中。
原则 3：上下文压缩与笔记系统
对于长时间运行的任务：
1 2 3 4 5 6 7 8 9 10 压缩（Compaction）： ├── 将接近上下文窗口限制的对话内容总结 ├── 保留：架构决策、未解决的 bug、实现细节 ├── 丢弃：冗余的工具输出或消息 └── 用摘要重新初始化新的上下文窗口 结构化笔记（Structured Note-taking）： ├── 智能体定期将笔记写入上下文窗口外的持久化存储 ├── 稍后根据需要拉回上下文窗口 └── 实现跨压缩步骤的连贯性
原则 4：工具设计的上下文效率
1 2 3 4 5 6 7 8 9 10 11 好的工具设计： ├── 自包含：不依赖"记住"之前的对话 ├── 返回精简：只返回 token 高效的必要信息 ├── 边界清晰：用途明确，减少决策成本 └── 发挥模型优势：利用模型擅长的能力 坏的工具设计： ├── 返回完整数据库查询结果（可能数千行） ├── 工具描述长达数百 token ├── 多个工具功能重叠，边界模糊 └── 强迫模型做它不擅长的事情
理解了上下文工程，就能理解 AI 工程化架构设计的”为什么”：
AI 工程化设计
上下文工程原理
context/ 分层目录
分层式信息组织，按阶段按需加载
Skill 封装固定流程
稳定执行过程，避免提示词遗漏导致的上下文不完整
Subagent 架构
主 Agent 保持精简，子任务独立窗口
状态文件传递
不依赖”记忆”，依赖结构化状态
经验沉淀机制
将知识编码为可检索上下文，而非依赖人脑
本质规律 ：
1 2 3 AI 的决策质量 ∝ 可用信息的完整性 × 信息的信噪比 ↑ ↑ 不是越多越好 高信号、低噪声才有效
这意味着：
与其让人在 review 时逐步想起遗漏告诉 AI
不如建立系统化的上下文管理，让 AI 自动获取精简且高信号 的信息
经过反复思考和实践，我提炼出了 AI 工程化的定义：
智能化管理工作信息，以上下文工程的理解管理整个工作场景，借助AI的能力，降低人对已识别问题的处理成本
组成部分 ：
1. 脚手架（Git 仓库形式）
把规范转为基础的目录结构
附带基础的初始化命令
存放业务线的上下文信息（业务背景、技术背景等）
随项目独立迭代的资源文件
2. 工具包（插件形式）
提供 AI 工程需要的 cmd、skill、mcp、agent、hook 等
在插件市场迭代，分版本管理
update 即可升级最新的规范、能力集成
为什么分脚手架和工具包？
插件市场内容会迭代、分版本，需要灵活升级
脚手架项目初始化后，随项目迭代，是独立的 git 仓库
脚手架适合存放基础资源文件和业务上下文信息
工具包适合封装通用能力和规范
1 2 3 4 5 用户输入 → Command → Agent（决策层）→ Skill（执行层） ↓ 意图识别、流程路由 ↓ 调用具体 Skill 执行
Agent ：自主决策层，负责意图识别、流程路由、上下文管理
Skill ：过程执行层，负责固定流程任务的具体执行
Command ：用户交互入口，通过 Agent 路由到具体执行
当前系统设计 ：
5 个 Agents ：phase-router、requirement-manager、design-manager、implementation-executor、experience-depositor
12 个 Skills ：req-create、req-change、experience-index、design-create、design-change、workspace-setup、design-implementation、code-commit、requirement-completer、requirement-archiver、meta-maintainer、index-manager
2 个 Commands ：/req-dev（需求研发统一入口）、/optimize-flow（流程优化沉淀）
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 your-project/ ├── AGENTS.md # 项目记忆入口（每次会话自动加载） ├── .codebuddy/ # AI 自动化配置 │ ├── agents/ # Agent 定义（决策层） │ ├── commands/ # 命令入口 │ └── skills/ # Skill 定义（执行层） ├── context/ # 项目知识库（长期记忆） │ ├── business/ # 业务领域知识 │ ├── tech/ # 技术背景 │ │ └── services/ # 服务分析文档 │ └── experience/ # 历史经验 ├── requirements/ # 需求管理 │ ├── INDEX.md # 需求索引 │ ├── in-progress/ # 进行中需求 │ └── completed/ # 已完成需求 └── workspace/ # 代码工作区（Git 忽略）
三个核心约束 ：
入口短小 ：AGENTS.md 只放通用规范 + 目录指针，不写具体流程步骤
位置即语义 ：requirements/ 放需求产物，context/ 放可复用上下文，workspace/ 放代码
复利沉淀 ：每次执行命令，除了产出当前结果，还要让”下一次更快、更稳”
前面 4.1 节讲了复合工程的理念和三层沉淀机制，这里聚焦具体怎么实现 。
1 2 3 4 5 6 7 8 不是：做完需求后专门花时间"写总结" 而是：在流程关键节点自动触发沉淀 具体触发点： ├── 需求完成时 → requirement-completer skill 自动提取可复用经验 ├── 遇到问题解决后 → 用户说"记住这个坑" → experience-depositor agent 记录 ├── 代码提交时 → code-commit skill 检查是否有值得记录的模式 └── 流程优化时 → /optimize-flow 命令专门用于沉淀和优化
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 # context/experience/商品发放-钱包选择问题.md ## 问题描述 商品发放时选错钱包类型，导致用户领取失败 ## 触发条件 - 需求涉及商品发放 - 商品类型为虚拟商品 ## 解决方案 虚拟商品必须发到虚拟钱包，实物商品发到实物钱包 具体判断逻辑见 Apollo 配置：xxx.wallet.type ## 校验方式 检查 goods_type 与 wallet_type 的匹配关系 ## 关联文档 - context/tech/Apollo配置规范.md - context/tech/services/商品服务技术总结.md
检索由 experience-index Skill 统一负责，在需求分析、方案设计、代码编写前自动调用：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Agent 的上下文加载逻辑： 1. 意图识别阶段 phase-router 识别意图，路由到对应 Agent ↓ 2. 经验检索阶段 Agent 调用 experience-index Skill，传入场景描述 Skill 检索四类规则文件： ├── context-rules.md → 匹配需加载的背景文档 ├── risk-rules.md → 匹配风险提示 ├── service-rules.md → 匹配服务依赖建议 └── pattern-rules.md → 匹配代码规范 ↓ 3. 返回结构化结果 { "context": { "files": ["商品发放历史问题.md"] }, "risk": { "alerts": [{"level": "high", "message": "注意钱包类型"}] }, "service": { "suggestions": ["商品服务", "钱包服务"] }, "pattern": { "files": ["error-handling.md"] } } ↓ 4. Agent 主动提醒 "注意：历史上商品发放有钱包选择问题，请确认..."
规则沉淀入口 ：通过 /optimize-flow 命令，调用 experience-depositor Agent 将新规则写入对应规则文件。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 阶段 1：纯文档（被动） context/experience/xxx.md → AI 读取后提醒，但需要人确认 阶段 2：校验 Skill（半自动） skill/product-distribution-validator → 自动校验配置，发现问题直接报错 阶段 3：完整 Command（全自动） cmd/implement-product-distribution → 一个命令：加载背景 + 校验 + 生成 + 提醒 + 沉淀新经验 演进判断标准： - 同类需求做了 5 次以上 → 考虑封装 Skill - Skill 被调用 10 次以上 → 考虑封装 Command - 不要过早抽象，让实践驱动演进
1 2 3 4 5 6 7 8 9 speckit 的知识流向： 人脑 → Spec 文档 → 代码 ↑__________| 下次还要从人脑开始 AI 工程化的知识流向： 人脑 → context/ → Skill → Command ↑_________|________| 知识留在工具链里，下次直接复用
前面 2.5 节从”问题-方案”角度做了概念对比，这里从时间成本 角度量化差异：
执行次数
speckit/openspec
AI 工程化
累计节省
第 1 次
45 分钟
45 分钟（建立 context/）
0
第 2 次
45 分钟（人重新想）
15 分钟（部分复用）
30 分钟
第 5 次
45 分钟（还是要想）
5 分钟（大量复用）
130 分钟
第 10 次
45 分钟（…）
3 分钟（高度自动化）
315 分钟
关键差异 ：
知识位置 ：speckit 在人脑（每次想），AI 工程化在 context/+skill/
新人上手 ：speckit 依赖老人传授，AI 工程化第一天就能用
边际成本 ：speckit 恒定，AI 工程化递减
前面 2.5 节从”问题-方案”角度概述了 AI 工程化的优势，本节深入分析 speckit 和 openspec 的技术设计缺陷 ，帮助理解为什么需要新的解决方案。
问题 1：流程过于理想化
speckit 的 Constitution → Specify → Plan → Tasks → Implement 流程假设：
但企业真实场景是：
问题 2：无法处理”考古”需求
speckit 从零开始定义，但真实开发必须”考古”：
历史坑点在哪？
现有能力有哪些？
配置规范是什么？
问题 3：知识不会沉淀
1 2 3 每次执行：Constitution → Specify → Plan → Tasks → Implement ↓ 每次从头开始
缺失机制：
❌ 实施过程中发现的坑不会被记录
❌ 排查信息丢失
❌ 下次遇到类似问题还得重新排查
问题 4：宪章系统的僵化
9 条不可变原则固然保证质量，但：
✅ 适合标准化项目（Demo、开源库）
❌ 不适合企业定制场景（历史债务、框架限制、合规要求）
问题 1：Delta 机制的理论美好与现实骨感
假设需求可以”提案化”，但企业真实场景是多线并行、动态调整、持续扯皮。
问题 2：Fail-Fast 的代价
理论上保证一致性，实际上成为阻塞点。人的认知窗口有限，很难手动解决复杂冲突。
问题 3：强依赖命名的脆弱性
产品、运营、研发对同一个需求有不同表述，命名不一致导致归档失败。
问题 4：Archive 只是”合并”，不是”学习”
1 2 3 4 5 6 F(CurrentSpec, DeltaSpec) → NewSpec 缺失的维度： F(CurrentSpec, DeltaSpec, Context, Lessons) → NewSpec + Knowledge ↑ ↑ 实施上下文 经验教训
问题 1：忽视认知负担管理
两个工具都假设人能理解并遵循复杂流程、维护大量结构化文档、记住所有规范和约束。
但现实是：土办法最管用。工具应该适配人的工作模式，而不是强行改变它。
问题 2：忽视”执行过程”的价值
只关注”规范”和”结果”，忽视”过程”中的知识价值。
问题 3：忽视复利效应的关键性
1 2 3 4 5 传统工具：帮你"做事" 复合工程：帮你"越做越快" 传统工具：每次都是新的开始 AI 工程化：每次都站在上次的肩膀上
问题 4：Spec 详细程度的悖论
规范驱动开发有一个根本性的矛盾：
1 2 Spec 越详细 → 越接近代码本身 → 维护两份"代码" Spec 越简略 → 越难指导 AI → 失去规范的意义
详细 Spec 的问题 ：
当 Spec 详细到可以精确指导 AI 生成代码时，它本身就变成了另一种形式的”代码”
你需要同时维护 Spec 和 Code 两套产物，且要保持同步
代码改了 Spec 要改，Spec 改了代码要改——双倍维护成本
AI 工程化的解法 ：不追求详细 Spec，而是分层概要 + 代码指针
1 2 3 4 5 6 7 8 9 10 11 12 AI 工程化的上下文组织： ├── 服务概要：这个服务做什么、边界在哪 ├── 业务概要：核心业务流程、关键概念 ├── 模块概要：模块职责、依赖关系 ├── 接口概要：对外接口、调用方式 └── 代码指针：具体细节在 xxx/xxx.go 的 xxx 函数 不维护： ├── ❌ 详细的数据结构定义（代码里有） ├── ❌ 完整的接口参数说明（代码里有） ├── ❌ 具体的实现逻辑描述（代码里有） └── ❌ 任何可以从代码直接获取的信息
核心原则 ：概要层帮助 AI 快速定位，细节层直接读代码。避免维护一份”像代码一样详细的 Spec 文档”——那只是换了个格式的代码，没有降低复杂度，反而增加了同步成本。
对于大多数研发同学来说，可能还停留在 speckit、openspec 这类规范驱动工具的认知上。但 AI 工程化把更多能力融合在了一起：
Skill 是过程执行层的基本单元，每个 Skill 负责一个具体的固定流程任务：
1 2 3 4 5 6 7 .codebuddy/skills/ ├── req-create/ # 需求创建 │ ├── SKILL.md # 技能定义 │ └── templates/ # 模板资源 ├── design-create/ # 方案创建 ├── workspace-setup/ # 环境搭建 └── code-commit/ # 代码提交
Skill 的特点：
单一职责 ：每个 Skill 只做一件事
可复用 ：多个流程可以调用同一个 Skill
可组合 ：复杂流程由多个 Skill 组合完成
可演进 ：Skill 可以独立升级，不影响其他部分
Agent 负责意图识别、流程路由、上下文管理：
1 2 3 4 5 6 .codebuddy/agents/ ├── phase-router.md # 阶段路由，意图识别 ├── requirement-manager.md # 需求全生命周期管理 ├── design-manager.md # 方案全生命周期管理 ├── implementation-executor.md # 开发实施执行 └── experience-depositor.md # 经验沉淀（独立上下文）
Agent 与 Skill 的分工：
Agent ：决定”做什么”
Skill ：执行”怎么做”
在实践 AI 工程化的过程中，我们遇到了一个关键瓶颈：上下文窗口爆满 。
早期使用 speckit 等工具时，最痛苦的体验是：
1 2 3 4 5 6 7 8 执行复杂需求时： ├── 加载业务背景（5000 tokens） ├── 加载技术上下文（8000 tokens） ├── 加载历史经验（3000 tokens） ├── 当前对话记录（持续增长） └── ... ↓ 窗口频繁爆满 → 强制截断 → 丢失关键上下文 → AI 行为异常
Anthropic 工程团队精准描述了这个问题：
“想象一个软件项目由轮班工程师负责，每个新工程师到来时对上一班发生的事情毫无记忆。”
借鉴 Anthropic 的双 Agent 架构思想，我们设计了 主 Agent + Subagent 的协作模式：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 传统模式（单一 Agent）： 用户输入 → 一个大 Agent 处理所有事情 → 上下文持续膨胀 → 窗口爆满 → 任务失败 Subagent 模式： 用户输入 → 主 Agent（决策层） ↓ 意图识别 + 任务拆分 ↓ ┌─────────┼─────────┐ ↓ ↓ ↓ Subagent1 Subagent2 Subagent3 (独立窗口) (独立窗口) (独立窗口) └─────────┼─────────┘ ↓ 结果汇总 → 主 Agent 继续
核心优势 ：
特性
说明
独立上下文窗口
每个 Subagent 有自己的上下文空间，不会互相污染
专注单一任务
每个 Subagent 只处理一件事，认知负担小
并行执行
多个 Subagent 可以同时工作，提升效率
结构化状态传递
通过文件传递结果，而非依赖”记忆”
指标
单 Agent 模式
Subagent 模式
窗口爆满频率
70%（复杂需求几乎必爆）
5%（偶发于极端场景）
任务完成率
60%（经常中途失败）
95%（可靠完成）
上下文利用效率
30%（大量冗余信息）
80%（按需加载）
Subagent 之间不共享上下文窗口，通过结构化状态文件 保证信息传递：
1 2 3 4 5 6 7 8 9 核心文件： ├── requirements/INDEX.md # 需求状态索引 ├── requirements/in-progress/ # 进行中的需求详情 └── context/session/ # 会话级临时上下文 工作流程： 1. Subagent 启动时：读取状态文件，快速理解当前状态 2. Subagent 执行中：专注自己的任务 3. Subagent 结束时：更新状态文件，提交"干净的交接"
核心原则 ：每个 Subagent 只完成一个”原子任务”，不是一个工程师连续工作 48 小时，而是轮班工程师每人 4 小时但交接清晰。
1 2 3 4 5 6 7 speckit：依赖"一个 Agent 记住所有事情" Constitution → Specify → Plan → Tasks → Implement 上下文持续累积，到 Implement 阶段时窗口已经很满 Subagent：依赖"结构化的状态传递" 每个阶段独立的 Subagent，独立的上下文窗口 状态通过文件传递，而非上下文累积
前者是人脑模型（记忆有限），后者是团队协作模型（交接清晰）。
MCP（Model Context Protocol）让 AI 能够直接对接外部系统：
1 2 3 4 5 6 7 8 9 10 11 12 13 基础集成： ├── TAPD MCP（需求管理） │ ├── 自动获取需求详情 │ ├── 关联相关需求 │ └── 更新需求状态 ├── 工蜂 MCP（代码管理） │ ├── 自动创建分支 │ ├── 提交代码变更 │ └── 创建合并请求 └── iWiki MCP（知识管理） ├── 检索历史技术方案 ├── 获取业务背景文档 └── 关联团队知识库
MCP 的价值：
自动化操作 ：不需要人手动操作 TAPD、工蜂、iWiki
信息同步 ：AI 自动获取最新信息
减少错误 ：避免手动操作的遗漏和错误
工具包以插件形式发布到插件市场：
版本管理 ：每个版本独立，可回滚
灵活升级 ：update 即可获得最新能力
团队共享 ：团队成员共享同一套能力集
与脚手架的配合：
脚手架存放业务上下文（随项目迭代）
工具包提供通用能力（独立版本管理）
前面各节从理论角度阐述了 AI 工程化的设计，本节聚焦具体怎么落地 。以 2.5 节提到的”商品发放”场景为例，展示完整的实践路径。
冷启动是 AI 工程化的核心优势之一。传统工具的知识在人脑，需要传授；AI 工程化的知识在工具链里，开箱即用。
步骤 1：安装 AgentProjectKit 插件（5 分钟）
首先需要添加插件市场并安装 AgentProjectKit：
1 2 3 4 5 # 安装 AgentProjectKit 插件 /plugin install agent-project-kit@tmap-codebuddy-plugin # 验证安装 /plugin list
步骤 2：脚手架初始化（15 分钟）
1 2 # 初始化 AI 工程项目 /agent-project-kit:init-project
命令会自动完成：
克隆 AI 工程项目模板
引导配置项目基本信息（业务线名称、定位等）
初始化 AGENTS.md 项目记忆文件
步骤 3：加载服务上下文（30 分钟）
这是冷启动的关键步骤。/agent-project-kit:load-service 命令实现项目级别长期记忆初始化 ：
1 2 3 4 # 加载相关服务，生成技术总结 /agent-project-kit:load-service /agent-project-kit:load-service /agent-project-kit:load-service
/agent-project-kit:load-service 的工作流程
1 2 3 4 5 6 7 8 9 10 11 12 13 用户执行 /agent-project-kit:load-service ↓ 1. 克隆服务代码到 workspace/loadservice/ 目录 ↓ 2. 分析服务架构、业务逻辑、API 接口： - 业务定位、核心职责、技术栈 - 依赖关系、对外接口、数据模型 - 关键模块、配置要点、常见坑点 ↓ 3. 生成技术文档到 context/tech/services/ 目录 ↓ 结果：AI 获得该服务的完整上下文，后续任何涉及该服务的需求 都会自动加载这份上下文
为什么这很重要？
speckit/openspec：每次需要描述服务背景时，依赖人记住并手动描述
AI 工程化：一次 /agent-project-kit:load-service，永久复用，新成员也能立即获得”老兵视角”
步骤 4：开始需求研发
使用 /req-dev 命令开始你的第一个需求：
1 2 3 4 5 # 创建新需求 /req-dev 实现用户认证功能 # 或者指定已有需求继续工作 /req-dev REQ-001
工具包自带常用研发工具集成（MCP） ，开箱即用：
MCP 集成
功能
传统方式
TAPD MCP
自动获取需求详情、关联需求、更新状态
手动复制粘贴需求内容
工蜂 MCP
自动创建分支、提交代码、创建 MR
手动操作 Git 命令
iWiki MCP
检索历史技术方案、业务背景文档、团队知识库
手动搜索翻阅 Wiki 页面
MCP 集成的价值 ：
不是”又多了几个工具要学”，而是”AI 自动帮你操作这些系统”
需求来了 → AI 自动从 TAPD 拉取详情 → 自动检索 iWiki 历史方案 → 自动生成方案
人只需要 review 和确认
冷启动效果对比 ：
阶段
speckit/openspec
AI 工程化
学习工具
1-2 小时
5 分钟（插件安装）
初始化项目
手动搭建
15 分钟（/agent-project-kit:init-project）
了解服务架构
2-4 小时（需老人讲解）
30 分钟（/agent-project-kit:load-service 自动分析）
准备总计
4-7 小时
50 分钟
首次工作质量
不稳定（依赖记忆和传授）
稳定（context/ 提供完整信息）
关键差异 ：
speckit/openspec：工具是”空壳”，知识在人脑，需要传授
AI 工程化：工具包含”知识”（context/+MCP），新人第一天就能高质量工作
第 1 个需求：建立 context/
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 需求：实现 12 月活动的商品发放 执行过程中发现问题： - Apollo 配置有特殊格式要求 - 雅典娜 20 种商品类型，配置方式各不同 - 钱包选择要区分虚拟/实物 - 敏感 接口有合规要求 知识沉淀： 人："@agent，记住这些坑" ↓ 自动生成/更新 context/: ├── context/tech/Apollo配置规范.md ├── context/experience/雅典娜配置注意事项.md ├── context/experience/商品发放历史问题.md └── context/business/跨团队协作.md 耗时：45 分钟（首次建立）
第 2 个需求：复用 context/
1 2 3 4 5 6 7 8 9 10 11 12 需求：实现春节活动的商品发放（类似场景） AI 自动加载 context/，自动提醒历史坑点 人 review："嗯，都考虑到了" ✓ 新发现：春节活动需要限制地域 ↓ "@agent，记住地域限制" ↓ context/ 自动更新 耗时：15 分钟（大量复用，少量新增）
第 6-10 个需求：封装为 skill
1 2 3 4 5 6 7 8 9 10 11 12 当 context/ 足够完善，封装为能力层： skill/product-distribution-helper: - 自动加载所有商品发放相关 context/ - 自动校验 Apollo 配置格式 - 自动检查雅典娜商品类型 - 自动提醒钱包选择、地域限制 - 自动生成监控配置 使用：/implement-product-distribution → 一键完成 耗时：3 分钟（高度自动化）
新成员第一天 ：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 speckit/openspec： 1. 学习工具用法（1-2 小时） 2. 了解服务架构（需老人讲解，2-4 小时） 3. 熟悉流程规范（1 小时） 4. 开始工作：依赖记忆和老人传授，首次质量不稳定 总计：4-7 小时准备 + 不稳定的首次质量 AI 工程化： 1. 脚手架初始化（15 分钟） 2. 工具包安装（5 分钟） 3. 立即开始工作： - context/ 提供服务上下文 - MCP 自动集成 TAPD/工蜂/Apollo - cmd/skill 引导完成任务 - 首次就能高质量完成 总计：20 分钟准备 + 稳定的首次质量
团队效应 ：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 5 人团队，各做 2 次商品发放： speckit：5 人 × 2 次 × 45 分钟 = 450 分钟 AI 工程化： 第 1 人第 1 次：45 分钟 → context/ 建立 第 1 人第 2 次：15 分钟 第 2 人第 1 次：15 分钟（复用第 1 人 context/） 第 2 人第 2 次：10 分钟 ... 第 5 人第 2 次：5 分钟 总计：126 分钟 节省：450 - 126 = 324 分钟（72%）
第 4.2 节讨论了极简主义如何影响当前设计，本节从行业发展趋势 角度展望工具的演进方向。
随着模型能力的提升，很多外部辅助会被模型内化：
1 2 3 4 5 Opus 4.1 需要的东西，Sonnet 4.5 已经内化了 ↓ 系统提示可以删 2000 个 tokens ↓ 工具每周都在变简单
这意味着什么？ 今天我们在 context/、Skill、Agent 中编码的知识和流程，未来可能直接被模型”学会”。AI 工程化的架构设计需要为这种迁移做好准备——当某个 Skill 不再需要时，能够平滑删除而不影响整体。
当前的 AI 辅助编程主要是”人调用 AI”模式：
1 人 → 发指令 → AI 执行 → 人检查 → 人发下一个指令
Subagent 架构开启了新的可能：
1 人 → 设定目标 → 主 Agent 拆解 → 多个 Subagent 协作 → 主 Agent 汇总 → 人验收
未来可能演进为：
1 人 → 设定目标 → Agent 团队自主协作数小时/数天 → 人验收最终结果
Anthropic 的实践揭示了几个核心挑战：
挑战
当前解法
未来方向
上下文窗口限制
Subagent 分解 + 状态文件传递
更高效的 compaction + 更智能的上下文选择
任务连续性
结构化状态文件（JSON/Markdown）
更丰富的”工作记忆”机制
质量保证
端到端测试 + 人工 Review
专门的 QA Agent + 自动化验收
错误恢复
状态文件支持断点续做
更智能的错误分析和自动修复
一个开放问题：应该用一个强大的通用 Agent，还是多个专门化的 Agent？
1 2 3 4 5 6 7 8 9 通用 Agent 路线： ├── 优势：简单，不需要协调 ├── 劣势：上下文负担重，需要"知道所有事情" └── 适合：简单任务、短时间任务 专门化 Agent 路线： ├── 优势：每个 Agent 更专精，上下文更精简 ├── 劣势：需要协调机制，状态传递成本 └── 适合：复杂任务、长时间任务、团队协作场景
我们的选择 ：对于企业级复杂场景，专门化 Agent 更适合。原因是：
企业场景本身就是”团队协作”，Agent 架构应该反映这一现实
上下文窗口是硬约束，专门化可以更高效利用
专门化 Agent 更容易独立迭代和优化
最好的 Agent 架构设计，灵感来自人类高效团队的工作方式：
1 2 3 4 5 6 7 8 9 10 11 12 13 人类团队： ├── 产品经理：理解需求、拆解任务 ├── 技术 Leader：设计方案、分配工作 ├── 开发工程师：实现功能 ├── 测试工程师：验证质量 └── 每个人有自己的专业领域，通过"会议"和"文档"协调 Agent 团队： ├── phase-router：理解意图、路由任务 ├── design-manager：设计方案 ├── implementation-executor：实现功能 ├── test-agent（计划中）：验证质量 └── 每个 Agent 有自己的专业 Prompt，通过"状态文件"协调
Anthropic 工程团队的洞察：”这些实践的灵感来自于了解高效软件工程师每天做什么。”
当前范式：Claude 做一步，你检查，批准，它继续。
未来范式：
1 2 3 4 5 当模型可以自主工作几天甚至几周： 早上："我想完成 X" 晚上：看结果 中间的过程？它自己处理。
人的角色从”操作者”变成”监督者”，从”指令发出者”变成”目标设定者”。
AI 工程化的定位 ：在这个转型过程中，AI 工程化是”过渡期基础设施”——帮助团队在当前阶段高效工作，同时为未来的全自动化积累知识和经验。
AI 工程化不只是引入新工具，而是重新定义了研发的工作方式。这种变化已经在 AI 技术最前沿的团队中发生。
工程师在使用 AI 时最常见的两种误解：
误区
表现
结果
AI 是”银弹”
期望 AI 自动理解需求、写出完美代码
过度依赖，缺乏监督，质量不稳定
AI 是”思考替代品”
把 AI 当作可以替代人类思考的工具
不理解业务，一直捣鼓 AI，适得其反
正确的定位是：AI 是强大的执行工具，但决策权和判断力必须留在人手中。
理解 AI 的真实能力边界
参考 OpenAI 团队使用 Codex 构建 Sora 安卓应用的经验，将 AI 定位为**”一位新入职的资深工程师”**：
需要人类指导
表现卓越
无法推断隐性上下文（团队偏好、内部规范）
快速理解大型代码库，精通主流编程语言
缺乏真实用户体感（无法感知”滚动不顺畅”）
热衷于编写单元测试，能根据 CI 日志修复问题
深层架构判断力不足（本能是”让功能跑起来”）
支持大规模并行，同时探索多种方案
三步协作工作流 （借鉴 OpenAI 与 Anthropic 经验）：
阶段
人的职责
AI 的职责
奠定基石
定义架构、编写范例代码、设定标准
学习并遵循
共同规划
校准理解、确认方案
总结现状、生成设计文档
执行交付
架构把关、质量审查
编码实现、测试修复
Anthropic 内部调查数据 （2025年8月，132名工程师，20万条使用记录）：
工程师在 60% 的工作中使用 AI ，实现 50% 的生产力提升 ，年同比增长 2-3 倍
27% 的 AI 辅助工作是原本不会完成的任务 （如交互式仪表板、探索性工作）
工程师倾向于委托易于验证、定义明确、代码质量不关键、重复无聊 的任务
“我可以非常胜任前端、事务性数据库的工作…而以前我会害怕触碰这些东西。” —— 后端工程师
“我以为我真的很享受编写代码，但实际上我只是享受编写代码带来的结果。” —— 高级工程师
核心理念：寻找 AI 的”舒适区”
工程师的核心工作之一，已经从纯粹的编码转变为识别 AI 的能力边界，并将复杂任务转化为落入 AI “舒适区”内的子任务 ：
低标准、高容错场景 ：任务对精确度要求不高，容忍多次失败。AI 尝试 N 次只要一次成功，就是显著提效
迭代式开发场景 ：形成”AI 初步实现 → 人验证修正 → 快速反馈”的闭环，不追求一次完美
工作内容的迁移 ：
工作环节
传统模式
AI 工程化模式
角色变化
需求理解
反复阅读文档、追问产品
Agent 自动加载 context/，主动提示
信息收集者 → 信息确认者
方案设计
从零构思、翻阅历史代码
基于模板生成，AI 提示已知风险
方案起草者 → 方案审核者
代码实现
逐行编写、查文档、调试
AI 生成初版，人 review 调整
代码生产者 → 代码把关者
知识沉淀
写文档（经常忘记）
/optimize-flow 即时沉淀
文档维护者 → 经验触发者
时间分配的重构 ：
1 2 3 4 5 传统研发： AI 工程化后： ├── 40% 信息收集 ├── 10% 信息确认 ├── 30% 重复劳动 ├── 10% 结果审核 ├── 20% 核心决策 → ├── 50% 核心决策 └── 10% 知识沉淀 └── 30% 知识沉淀
一个具体的对比 ——以”商品发放需求”为例：
1 2 3 4 5 6 7 8 传统模式的一天： AI 工程化模式的一天： 09:00-10:30 阅读需求文档，追问产品 09:00-09:30 /req-dev，确认需求边界 10:30-12:00 翻阅历史代码，理解逻辑 09:30-10:30 review AI 方案，调整决策点 14:00-15:30 询问老人"以前怎么做" 10:30-12:00 review AI 代码，优化核心逻辑 15:30-18:00 写代码，边写边查文档 14:00-15:00 AI 辅助测试，修复问题 18:00-19:00 遇到配置问题，排查 15:00-15:30 /optimize-flow 沉淀经验 19:00-20:00 继续写代码 15:30-17:00 处理下一个需求 产出：完成 60%，知识留在脑子里 产出：完成 100%，经验沉淀到 context/
能力维度
传统要求
AI 工程化要求
编码能力
熟练编写各类代码
能判断 AI 生成代码的质量和风险
知识储备
记住各种细节和坑点
知道如何组织知识让 AI 能用
问题解决
自己动手排查
会描述问题让 AI 辅助分析
效率提升
写更多代码、加更多班
设计更好的 Skill、沉淀更多经验
新的核心竞争力 体现为三种能力：
系统理解能力 ：AI 能实现功能，但只有人能判断它是否以正确方式融入系统
AI 协作能力 ：设计上下文、拆解计划、通过反馈循环持续优化
设计质量标准 ：当”写出能工作的代码”门槛降低，架构设计和交付质量成为区分标准
监督悖论 ：有效使用 AI 需要监督能力，而监督能力可能因过度依赖 AI 而退化。Anthropic 的一些工程师故意在没有 AI 的情况下练习以”保持敏锐”。
黄仁勋有一个精准的判断：**AI 改变的是”任务”，而非”职业”**。
被 AI 接管的任务 ：信息检索、样板代码、格式化、重复配置
人依然主导的核心 ：系统设计、架构决策、质量判断、创新突破
AI 工程化的价值，就是让这种”任务迁移”在团队中系统化落地——通过 context/ 让信息检索自动化，通过 Skill 让重复流程标准化，通过经验沉淀让知识持续复利。
最终目标 ：让研发把时间花在”只有人能做的事”上，而不是”AI 也能做的事”上。
工具消失的含义：不是工具不存在了，而是工具变得如此无缝，你感受不到它的存在。
1 2 就像现在你用搜索引擎，不会想"我在使用一个信息检索系统"。 你只是在找答案。工具隐形了。
层次一：操作隐形——从”记住命令”到”表达意图”
1 2 3 4 5 6 7 8 9 10 过去：记住 20 个命令，选择正确的那个 ├── /speckit.constitution ├── /speckit.specify ├── /speckit.plan ├── /speckit.tasks └── ... 现在：只说你要什么 ├── "/req-dev 实现商品发放" → Agent 自动判断是创建还是继续 └── 不需要知道底层调用了哪些 Skill
层次二：知识隐形——从”想起经验”到”系统提醒”
1 2 3 4 5 6 7 8 9 过去：做需求时，人要想起历史上有什么坑 ├── "上次商品发放好像有个钱包问题..." ├── "Apollo 配置格式是什么来着..." └── 认知负担在人身上 现在：experience-index 自动检索，主动提醒 ├── "检测到商品发放场景，已加载相关经验..." ├── "风险提示：注意钱包类型匹配" └── 知识在系统里，人只需确认
层次三：流程隐形——从”遵循步骤”到”自然完成”
1 2 3 4 5 6 7 8 9 过去：严格按 Constitution → Specify → Plan → Tasks → Implement 执行 ├── 人要知道"现在该执行哪个阶段" ├── 人要判断"前置条件是否满足" └── 流程感知在人身上 现在：Agent 自主决策流程路由 ├── 人说"继续做 REQ-001" ├── phase-router 自动判断当前阶段和下一步 └── 人感受到的是"工作在推进"，而非"在执行流程"
维度
当前状态
目标状态
命令入口
✅ 2 个命令覆盖全流程
自然语言直接触发
上下文加载
✅ experience-index 自动检索
完全无感知加载
阶段流转
✅ phase-router 自动路由
Agent 自主推进多步
经验沉淀
🔄 需要 /optimize-flow 触发
自动识别并沉淀
跨会话连续性
🔄 依赖状态文件
无缝断点续做
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 今天： 人："我要做一个商品发放需求" AI：执行一步，等待确认 人：确认，继续 AI：执行下一步，等待确认 ... 明天： 人："我要做一个商品发放需求" AI：分析、设计、实现、测试、提交 PR 人：Review 最终结果 后天： 人：（在 TAPD 创建需求单） AI：（自动感知、自动完成、自动提交 Review） 人：（只在关键决策点介入）
最后一步：你不再”使用”工具，你只是在思考业务问题，而工具已经把代码写好了。
回顾这段历程，我最大的收获是：不要为了用工具而用工具 。
speckit 和 openspec 都是优秀的工具，它们定义的流程、模板、检查清单都很有价值。但正如 2.5 节(AI 工程化如何破局)的对比所示，它们解决的是”规范化”问题，而企业真实场景的核心问题是：
上下文缺失 ：AI 看不到历史经验、业务边界、配置规范
知识不沉淀 ：每次都从头开始，边际成本恒定
范围太窄 ：只管单个仓库，无法覆盖跨服务、跨系统的复杂场景
AI 工程化试图解决这些问题：
1 2 3 上下文工程 → 让 AI 自动获取完整信息 复合工程 → 让每次实践都降低下次成本 项目级方案 → 管理所有仓库和外部系统
核心思路 ：
1 2 3 4 5 6 7 8 9 能够落地的最高效流程 → 已存在于高效的人的行为过程中 ↓ 把高效流程 AI 化 → 推广到全团队应用 ↓ 细节流程在具体业务线中迭代 → 自定义探索 ↓ 实践中发现问题 → 提取可复用信息 → AI 工程化融入工具 ↓ 下次通用场景使用时可复用
最后想说的是 ：
AI 工程化不是要替代 speckit 或 openspec，而是在它们的基础上，融合上下文工程、复合工程、插件市场、MCP 集成等能力，形成一套更适合企业复杂场景的解决方案。
如果你也在探索 AI 辅助研发，希望这篇文章能给你一些启发：
从真实工作场景出发 ，而不是从工具出发
把知识编码进工具 ，而不是只写文档
追求边际成本递减 ，而不是固定成本
让工具适配人 ，而不是让人适配工具
工具的终极形态是消失。在那一天到来之前，我们要做的是让工具越来越”懂”我们的工作，越来越”记得”我们的经验，越来越”自然”地融入我们的日常。
这就是 AI 工程化的意义所在。
登录
