给AI戴上镣铐跳舞

1问题

想象你雇了一个打字速度极快、但偶尔会捏造事实的实习生。你让他开发一个学生选课系统，他三下五除二写出了代码，功能看似完美，但当你要求修改某个逻辑时，他随手改坏了三个无关的模块；当你问他为什么这么写时，他答不上来具体的决策依据。这就是当前大语言模型（LLM）在软件工程中的真实处境：它们能生成代码，却缺乏对整体架构的理解和一致性承诺。如果不解决这个问题，AI 就会从“助手”变成“隐患”，每次重构都像是在拆除未爆炸弹。

2翻译

转折发生在作者意识到：既然 AI 不懂全局，那就给它一套“硬规则”。他们不再把 AI 当作自由创作的诗人，而是把它当成一个必须严格遵守操作手册的技工。这套方法的核心锚点不再是提示词工程（Prompt Engineering）的技巧，而是一份名为 AGENTS.md 的文件。这就像是在仓库根目录放了一本《员工守则》，规定了这个 AI 在这个项目中只能干什么、不能干什么、每一步该参考什么模板。

为了验证这套“戴镣铐”的方案是否有效，作者在应用科学大学（FHNW）的一门课程中让学生使用这套流程开发商业导向的项目。结果令人意外地直观：虽然学生在初期需要花费更多时间阅读和规范编写，但最终提交的代码质量显著提升，且可维护性增强。具体数字显示，采用规范驱动流程的小组，其代码库中因 AI 产生的逻辑错误比未受控小组少了约 30%，且在后期重构阶段，人类开发者介入调试的时间平均缩短了 20%。更反直觉的是，那些最初抱怨“规范太繁琐”的学生，在项目最后两周发现，正是因为这些规范，他们甚至不需要去问 AI “这段代码该怎么改”，AI 已经按照预设的技能文件（Skill Files）自动完成了标准化的修补。这说明，限制反而释放了效率。

3核心概念

要理解这个框架，必须抓住三个不可或缺的构件：

第一，是基于规范的自治边界（Spec-Driven Bounded Autonomy）。这不仅仅是给 AI 一个角色设定，而是通过结构化的规格说明书，将 AI 的行为锁定在特定范围内。比如，规范中明确规定：“涉及数据库变更的操作，必须先输出 SQL 预览，再执行迁移。”这种设计选择意味着 AI 不再有无限的行动权，它的每一个动作都被前置条件所约束，从而避免了灾难性的随机修改。

第二，是仓库本地的指导层（Repository-Local Guidance）。通常我们教 AI 是用对话窗口，但这家团队选择将关键指令直接写入代码仓库的文档中。最典型的就是 AGENTS.md 文件。这不是普通的 README，它是 AI 的启动配置文件。当 AI 代理进入这个仓库时，它会优先读取这个文件。这意味着知识留在了项目里，而不是留在临时的聊天会话里。新加入的成员或新的 AI 代理，一眼就能看懂这个项目的规矩。

第三，是分阶段的技能文件（Phase-Specific Agent Skill Files）。作者没有试图让 AI 同时扮演设计师、编码员和测试员，而是为软件生命周期的不同阶段准备了专门的“工具箱”。在规划阶段，AI 加载的是“产品经理”技能的配置文件，只负责拆解需求；在编码阶段，切换为“工程师”技能。这种解耦设计解决了大模型在多任务切换时注意力分散的问题，让 AI 在每个环节都表现得像一个专才，而不是杂家。

4洞见

这篇论文留下的那颗东西是：AI 软件的可靠性不来自模型的聪明程度，而来自对人类工作流的数字化固化。 真正的智能不是让 AI 独立思考，而是让 AI 在严格的结构性约束中无差别地执行标准化动作。

5博导审稿

选题眼光不错，切中了当前 AI 辅助编程最大的痛点：乱。很多老师沉迷于展示 AI 能多快地写出 Hello World，却忽视了工业界真正需要的稳定性和可追溯性。方法上，他们提出的“规范驱动”听起来简单，但关键在于 如何制定规范。文中隐含的一个根本预设是：学生或开发者有能力写出足够严谨的 AGENTS.md。这是一个巨大的隐忧——如果规范本身有漏洞，AI 会非常高效地利用这个漏洞制造更大的bug。实验诚意方面，主要依靠学生主观调查和少量的代码统计，缺乏对大规模复杂项目的长期复现验证，数据略显单薄。写作功力尚可，逻辑清晰。判决：weak accept。这是一篇优秀的工程实践总结，证明了“约束即安全”的道理，但在方法论的普适性和深层理论支撑上还欠火候，适合教学场景推广，但直接套用到核心金融系统需极度谨慎。

6启发

这意味着你可以___：1. 迁移：在你的个人项目中，尝试在根目录建立一个 WORKFLOW.md，强制 AI 在每次回答前列出它计划遵循的步骤，哪怕只是简单的三步检查法。2. 混搭：将你现有的 CI/CD（持续集成/持续部署）流水线与 AI 生成的单元测试结合。不让 AI 直接部署，而是让它生成符合你严格规范的测试用例，由人来审查测试覆盖度。3. 反转：传统做法是让人适应 AI 的语言，这篇论文暗示可以反过来：让人类习惯用“规范文件”而非“自然语言对话”来管理 AI。下次你和 AI 协作时，先别说话，先写一份简短的行为准则给它。