规训概率之兽：基于 Agent Skill 链的端到端工程范式与架构实践

速读#

大模型（LLM）编程在社区中正呈现剧烈的两极分化：一极是宣扬“一句话生成全栈应用”的 Vibe Coding（凭感觉编码），另一极则是真实中大型工程中 Agent 频繁出现的代码退化、注意力衰减、幻觉编造与架构崩塌。

大模型本质上是一个“基于概率分布的补全机器”，天生具备谄媚假设、缺乏全局物理边界、倾向散弹枪式修 Bug 等工程绝症。要让 AI 真正进入工业级软件生产流水线，唯一可行的解法不是祈祷模型变得更聪明，而是用严苛的软件工程外骨骼对其进行物理约束——建立基于“需求极限拷打、抛弃型原型、唯一真实源 Spec、垂直切片上下文沙箱、TDD 刚性门禁与 6 步根因诊断”的 Spec-Driven Agentic Engineering（契约驱动 Agent 工程） 全生命周期。

1. 范式转移：从 Vibe Coding 到 Spec-Driven 契约工程#

1.1 大模型的四大工程绝症#

在缺乏外部工程外骨骼约束时，Agent 必然会在中大型代码库中遭遇以下四种崩溃：

1. 谄媚与盲目假设（Sycophancy & Ungrounded Assumptions）
   模型天生具备“讨好型人格”，面对漏洞百出的草率需求不会主动质疑，而是用幻觉补全逻辑，输出看似跑得通但脱离真实业务边界的代码。
2. 上下文退化（Context Rot & Attention Degradation）
   长对话中注意力呈非线性衰减。试图在一个长会话中做完整套系统的 Agent，通常在 5 轮交互后就开始忘记命名规范、破坏分层契约。
3. 无护栏放水（Unguarded Drift）
   缺乏刚性断言契约时，模型倾向于只编写 Happy Path，忽略边界溢出、异常捕获、网络抖动与并发竞争。
4. 散弹枪式盲修（Shotgun Debugging）
   遇到报错时，模型本能地“胡乱修改几行代码碰运气”，修好一个浅层语法错，引出三个隐蔽的跨模块架构级逻辑回归。

2. 全景流水线与六大阶段#

整条链路将传统软件工程的契约严谨性与 AI Agent 的高吞吐执行力深度咬合，形成 6 步标准作业规程（SOP）：

2.1 全景流程与阶段门禁矩阵#

整条流水线在每个关键交接点均设立了刚性阻断门禁，防止上游的不确定性污染下游执行：

3. 六大核心 Skill 的底层机制与实现#

3.1 grill-me / grill-with-docs：从“迎合型助手”到“杠精架构师”#

• 机制反转：彻底剥夺 Agent 的代码编写权限，强行将 System Prompt 设定为“具备攻击性的 Principal Architect”。

常规迎合型 Prompt
用户：“我要加个收藏功能。”
Agent：“好的，这是完整的收藏表结构和 Controller 代码……”（直接放水，留下一堆未定义的边界漏洞）

grill-me 架构师反向质询
用户：“我要加个收藏功能。”
Agent（Principal Architect）：

1. 量级与性能：收藏的数据量级预期是多少？是否需要支持千万级离线导出或游标分页？
2. 级联生命周期：用户注销账号或被封禁时，被收藏实体的引用关系如何级联处理？是否支持软删除恢复？
3. 并发与幂等：网络抖动下客户端连续狂点，去重策略与服务端的幂等键（Idempotency Key）如何设计？
4. 复用与抽象：查阅已有代码库发现已存在 tag_system，为什么不复用现有的多对多标签抽象？

• 状态化演进 (grill-with-docs)：
  质询不仅停留在口头，而是同步解析并更新仓库内的 CONTEXT.md（统一领域名词/术语表）和 ADR/（架构决策记录）。在进入下一阶段前，所有隐性分歧必须显性化为文字契约。

3.2 prototype：抛弃型探路 Spike（Throwaway PoC）#

• 核心原则：不进入主代码树，不写完整测试，不追求架构优雅。
• 应用场景：第三方未经验证的 SDK 兼容性测试、WebAssembly 性能临界摸底、复杂交互手感验证。
• 交付约束：产出一个独立单文件（如 scratch/poc.ts 或单 HTML 页面）以及一份 spike_findings.md。核心结论直接回灌至 Spec。验证完毕后立即丢弃原型代码，防止“临时代码永久上线”。

3.3 to-prd / to-spec：铸造系统唯一真实源（Single Source of Truth）#

• 核心作用：将散落的对话共识收敛为可执行的工业级规范。

<!-- 标准 Spec 结构契约示例 -->
# SPEC-042: 分布式任务调度器重构

## 1. 契约边界 (Boundary & Invariants)
- **不变式 (Invariant)**: 同一 JobID 在任意时刻至多被 1 个 Worker 消费 (At-most-once)。
- **SLA 契约**: 调度延迟 P99 < 50ms; 失败重试上限 3 次，指数退避基数 2s。

## 2. API 契约与 Schema (Type-level Strictness)
- 严禁使用 any / loose object; 所有 I/O 必须定义 Zod Schema 或 Protobuf。

## 3. 破坏性影响与降级方案 (Blast Radius)
- 旧版 Redis 队列迁移策略：双写校验 -> 灰度读取 -> 数据下线。

3.4 to-issues / to-tickets：上下文沙箱化与垂直切片（Vertical Slicing）#

• 垂直切片原则（Vertical Slice Architecture）：每个 Ticket 必须贯穿完整的“接口-逻辑-存储”，形成一个端到端可独立验证的最小闭环。严禁按“前端、后端、数据库”等横向层级拆分任务。
• 上下文沙箱隔离（Context Sandboxing）：
  • 输入隔离：每个 Ticket 只注入与本任务严格相关的 Spec 章节与局部代码片段；
  • 输出隔离：严格限制 Ticket 修改的文件集合（Allowed Files Scope $\le 3\sim 5$）。

# Ticket 元数据沙箱契约示例
ticket:
  id: "TKT-108"
  title: "实现支付超时自动取消状态机"
  scope:
    allowed_files:
      - src/order/state_machine.ts
      - tests/order/state.test.ts
    forbidden_files:
      - src/payment/**
  dependencies:
    blocked_by: ["TKT-106"]
  definition_of_done:
    - "编写 5 组状态流转单测（含异常回滚与超时并发分支），覆盖率 100%"
    - "终端运行 npm run test:order 必须全绿"
    - "严禁引入外部未声明的第三方库依赖"

3.5 tdd：红绿重构与确定性法庭#

TDD 流程构建了不可逾越的机器法庭，彻底杜绝 Agent 偷工减料与断言放水：

1. Phase 1: Red（编写测试 · 强制失败验证）：先写单测，运行必须明确报错（防止假绿测试或无意义断言）。
2. Phase 2: Green（编写实现 · 最小代码跑通）：编写刚好满足测试用例的业务代码，驱动终端全绿。
3. Phase 3: Refactor（架构重构 · 消除坏味道）：在绿灯保护下清理冗余、优化命名与类型定义。
4. Phase 4: Done（质量门禁 · 原子交付）：自动化测试套件 100% 通过，输出单任务原子 Commit。

3.6 diagnose / diagnosing-bugs：根因分析 6 步法#

当系统在集成测试或运行期爆发隐蔽缺陷时，严禁直接让 Agent 修改业务代码，必须进入标准 6 步诊断法：

4. 工业化落地路线与避坑指南#

4.1 警惕三类反模式（Anti-Patterns）#

1. 测试剧场反模式（Test Theater）#

• 现象：Agent 声称测试全绿，但代码上线即崩。
• 根因：Agent 编写了大量 expect(true).toBe(true)、假 Mock 或无意义的浅层断言。
• 解法：在门禁中加入**变异测试（Mutation Testing）**或人工审查测试用例中的 Assert 真实覆盖度。

2. 仪式感过载反模式（Process Bloat）#

• 现象：改一个文案、调一个样式，也要跑一遍 grill-me -> to-prd -> tdd。
• 解法：实施分级路由机制（Fast-Track）：
  • L3（重载架构）：完整 6 步（大型特性/复杂分布式重构）；
  • L2（常规迭代）：grill-me $\to$ to-issues $\to$ tdd；
  • L1（局部微调）：直接原子变更 + 自动化 CI 校验。

3. 上下文串供反模式（Context Leaking）#

• 现象：在一个长会话中依次执行 Ticket 1 $\to$ Ticket 5。
• 根因：会话历史中的过往错误和中间调试垃圾严重污染了 Agent 的注意力窗口。
• 解法：Ticket 级会话焚毁机制（One-Session-Per-Ticket）。每完成一个 Ticket，立即销毁当前 Agent 上下文，新建空白环境并仅注入下一个 Ticket 的必要依赖。

5. 模式对比与工程收益#

6. 结语：重塑 AI 时代的工程师价值#

这套流水线的本质在于：它宣告了“打字型程序员”的黄昏，开启了“系统架构师与质量评审官”的黄金时代。

顶尖工程师的核心护城河，不再体现在写基础样板代码的速度，而体现在：

1. 能否在 grill-me 阶段洞察最隐蔽的业务边界与系统失效模式；
2. 能否在 to-prd 阶段设计出高内聚、低耦合、强类型约束的领域模型；
3. 能否在 to-issues 阶段完成精准的上下文沙箱切分与依赖编排。

把不确定的业务探索留给人类架构思考，把确定性的实现交给测试护栏，让 AI 真正成为工业级软件交付的高效外骨骼。