AI Native 软件工程教程
核心观点
这套教程以「人负责判断与收敛，AI 负责加速执行」为主线，把它落成一个可复制的工作系统：规则写给 agent 读，门禁由另一个 agent 把，人只保留裁定权与验收权。二十一章分六个部分，案例全部来自一个八天投产的真实项目。
这本教程讲什么
AI-assisted 是人写代码、AI 补全；AI Native 是工作系统本身为 agent 设计。前者流程没变，键盘上多了一双手；后者要重新回答三个问题：谁有裁定权，谁把门禁，门禁失败时谁停下。
全书围绕四个角色和一条流程展开：
- 四个角色：所有者（裁定、验收、认下代价）、实现 agent（在任务卡范围内动手）、审查 agent（只报缺陷不出方案）、设计 agent（产出的画板就是功能边界）。
- 一条流程：设计稿 → roadmap → 任务卡 → 实现 → 验证 → 独立审查 → 整改 / 复审 → 合并 → 构建 → 发版 → 发布记录。
后面每一章都是这条流程上的一个节点，或者是让这条流程跑得起来的约束。
从起点到投产的六站：认知、骨架、迭代、约束、交付、人与工具。
案例项目
案例全部取自 Agent X-Ray——一个「Agent 运行时」网站：访客与 AI agent 对话的同时，右侧面板像开发者工具一样实时展示 agent loop 内核的轨迹。本教程就发布在它的 Notes 里。
项目 2026-08-28 开工、2026-09-02 投产、到 2026-09-04 完成第七次生产发版。八天里 202 次提交、二十几轮、每轮都有审查记录、每次发版都有留证。每章末尾的「案例来源」列出仓库路径，可以查证。
六个部分、二十一章
第一部分 · 认知：AI 改变了什么，没改变什么
- 为什么 Vibe Coding 不可以？——演示成功不等于工程成功。
- 工程问题与科学问题的区别？——未知分三类，各有各的回答方式。
- AI 时代最重要的是什么？Skills 与开源——稀缺的是判断，不是生成。
- AI 时代，如何快速学习一项技术？——目标、地图、问题、回忆、最小项目、闭环。
- 什么是 AI Native 软件工程：角色、分工与一个真实案例——工作系统为 agent 设计；八天全景。
第二部分 · 从想法到骨架：边界与宪法先于代码
- 构建一个新系统的设计和思考——目标、边界、质量属性、ADR、依赖方向、风险验证。
- 设计稿是功能边界：先画后做——功能范围需要一个非代码、非对话的物理边界。
- 项目宪法：CLAUDE.md、AGENTS.md 与文档分层——agent 读的第一份文档决定它后面所有行为。
- 如何快速构建一个初始化项目？——输入、澄清、规格、切片、循环、门禁、验收。
- 风险前置：用 spike 把最大风险验证到「可承诺」——第一轮不是功能，是最大的技术假设。
第三部分 · 迭代机制：让 AI 的速度在轨道上跑
- 轮次机制：任务卡、可证伪验收、BACKLOG 与止损——小轮次、可证伪、风险前置、止损明确。
- 独立审查作为缺陷门禁：codex 审查循环——写代码的 agent 不能审自己的代码。
- 审查边界：严禁以审查代替设计——审查循环里长出来的设计最危险。
- 所有者裁定：人在回路里到底做什么——裁定取舍、认下代价、承担偏离。
第四部分 · 约束层：什么不能商量
- 安全文档是约束不是建议：威胁模型驱动的 agent 产品——兜底不在检测，而在能力边界；钉版本与升级告知。
第五部分 · 交付：完成的定义、发布与投产后
- 验证与证据：本轮实测、冒烟清单与留证——不以「理论上可运行」代替验证。
- 发布与运维：不可变镜像、迁移、发布记录与止损——tag 是 SHA，每次发版一行，止损不发版。
- 投产后的迭代：从报障到画板再到轮次——上线是流程重新证明自己的地方。
第六部分 · 人与工具
- 上下文工程：记忆、环境与单一入口——什么在哪一层、什么时候进上下文。
- 复盘：AI 的失败模式清单与八天的账本——十一种失败模式；时间去了哪。
适用人群
- 正在使用 Claude Code、Codex 等 Coding Agent，希望从「能生成代码」进阶到「能掌控工程」的开发者；
- 需要与 AI 协作完成产品原型、项目初始化或持续迭代的产品经理、技术负责人和独立开发者；
- 希望系统理解 AI Native 软件工程，但尚未形成稳定的边界、门禁与裁定方法的学习者。
具备基础软件开发经验会更容易理解其中的架构与代码组织示例；经验较少的读者可以按推荐顺序阅读，并结合一个小型项目完成每章末尾的「学习产出」。
推荐学习顺序
建议按章节顺序读。第一部分建立认知，第二部分讲开工前的四件事，第三部分是全书骨架，第四、五部分讲约束与交付，第六部分讲人与工具。
时间有限时，先读第三部分（轮次、独立审查、审查边界、所有者裁定）——其它章节都在引用它们。
每章结尾有三段固定内容：「案例来源」给出可查证的仓库路径，「学习产出」给出一件可以立刻做的事，「Related Documents」指向相邻章节。
建议的学习方式
- 阅读每章前，先写下自己对标题问题的初步回答。
- 阅读后用自己的语言总结核心观点，不直接照抄结论。
- 完成「学习产出」，把抽象认识落到真实项目或最小实践中。
- 把 AI 生成的方案视为待验证输入，检查它是否符合当前项目的边界与约束。
- 读完第 21 章后，回看第 02 章的两种成功，对照自己的项目判断当前处在哪一种。
苏公网安备32011402012723号