AI 工程体系（V10）

内容类型：体系说明难度：基础到进阶适合：想把 AI 从工具用法升级为工程能力的开发者阅读时间：约 10 分钟

AI 工程体系的核心不是继续堆更多 Prompt，而是把工程经验拆成不同层，让 Agent 在需要的时候读取正确的信息、执行正确的流程，并拿出与风险匹配的证据。

用户任务
↓
Intent Gate
↓
Rules + 项目事实
↓
按需 Skill / Agent 能力
↓
Tool / MCP 执行
↓
V0–V4 Validation
↓
必要的 Context / Memory / ADR 沉淀

1. AI 开发方式演进

阶段	主要特点	主要风险
Prompt Coding	一次问答、一次生成	缺项目边界，容易用通用经验猜真实需求
AI 辅助开发	AI 参与分析、修改、测试，人控制范围	如果所有任务都套同一模板，效率会下降
Agent 工程	Agent 读仓库、改文件、运行工具、整理证据	权限、上下文和验证如果失控，影响范围更大

成熟并不意味着流程越来越多，而是任务越清楚，路径越短；风险越高，证据越强。

2. 六个组成部分

组成	回答什么	上位机例子
Intent Gate	这次到底是什么任务？	Read-Only / Fast / Execution / Discovery
Rules	AI 必须怎样工作？	禁止未经授权执行真实高压；不改协议
Project Knowledge	当前项目有哪些稳定事实？	CONTEXT、Memory、ADR、技术栈、目录
Skill	这一类任务怎样完成？	BehaviorPatch、Bug、通信、文档工程
Tool / MCP	Agent 可以执行什么？	Git、文件、构建、测试、日志、数据库只读
Validation	证据做到什么程度？	V0–V4、Fake、Replay、WorkflowSmoke、真机

3. Project Knowledge 不再是一个大 Context 文件

项目知识按稳定程度拆分：

Rules / 项目说明
= 技术栈、构建方式、安全红线

CONTEXT.md
= 稳定业务术语和概念关系

.agent-memory/
= 过去的修改、已知 Bug、环境事实

ADR
= 长期重要且不直观的设计取舍

这样 Fast MicroPatch 不需要每次加载过去两个月的 Bug 历史，而 RegressionFix 又能快速找到已有修复经验。

详见 项目 Context、Memory 与 ADR。

4. Skill 是按需能力，不是固定流水线

host-computer-dev 的 00–15 专家代表不同能力，但日常任务不是固定：

需求专家
→ 架构专家
→ UI 专家
→ 开发专家
→ 测试专家
→ 文档专家

全部串行执行。

正确模式是：

一个按钮文案
→ MicroPatch

连续 5 次报警
→ BehaviorPatch + focused verification

以前正常现在异常
→ Temporal Regression

新子系统规则未定
→ Discovery + Design

统一入口负责选能力，用户不需要自己编排完整专家链。

5. Validation 是独立维度

任务分析深度和验证强度不要混在一起。

Fast / Execution / Discovery
= 要不要先讨论清楚？

V0 / V1 / V2 / V3 / V4
= 改完需要证明到什么程度？

所以一个明确的联锁 Bug 可以不做长需求分析，但仍然必须做 V3；一个新但纯展示的页面可能先讨论设计，却只需要 V1。

详见 AI 开发验证体系。

6. Context Engineering：高质量比大容量重要

推荐：

已有事实 / 相关 Memory
→ target
→ owner / caller / callee
→ sink
→ stop

只有证据不足或任务跨边界时才扩大。

上下文中不应该长期堆：

• 无关聊天记录；
• 已经过期的需求；
• 不再成立的临时方案；
• 与当前任务无关的整套说明书；
• 未脱敏信息。

7. 从体系进入实践

需求	入口
不知道当前任务走哪条路	阅读路线
看 V10 全部任务语义	Skill 说明
看工程能力映射	能力地图
新项目/大功能完整工程	完整工作流
日常已有项目修改	功能修改最小流程
Agent 工程细节	Agent 工程化开发

8. 不适合沉淀成体系核心的内容

• 某个 AI 工具今天新出的按钮；
• 未验证的网络技巧；
• 单个客户一次性偏好；
• 未脱敏协议、IP、密钥；
• 没有重复价值的一次性聊天过程。

工具会变，体系要保持稳定。真正值得长期保存的是：任务路由、工程边界、项目语义、证据方法和可复用经验。

9. 一个最终闭环

真实任务
→ Intent Gate
→ 使用最小必要上下文和能力
→ Diff / Evidence
→ 验证
→ 人工确认关键业务与现场
→ 只有高价值经验进入 Rules / CONTEXT / Memory / ADR / Skill

下一步

• AI Agent 工程化开发
• AI 工程能力地图
• 项目 Context、Memory 与 ADR
• V10 Skill 说明

一句话原则

工程体系不是把所有规则一次塞给 Agent，而是让正确的规则、上下文、能力和验证在正确的任务上出现。