2026年7月14日

ai-quality 技能——防止 AI 代码漂移的五大支柱

Datarim 的 ai-quality 技能如何在每个流水线阶段强制执行分解、测试先行和架构评审,从而将缺陷减少 40–50%。

AI 助手编写代码的速度很快。问题在于,没有结构的速度会不断累积问题:方法越写越长,测试事后才补,而模糊的任务说明会导致产出解决的是与预期略有不同的问题。ai-quality 技能的存在,就是通过在 Datarim 流水线的每个阶段施加五项一致的约束来防止这种漂移。

它的作用

该技能围绕五大支柱组织 AI 辅助开发。第一是分解:每个方法保持在 50 行以内,每个函数只承担一项职责,同时在工作记忆中保留的对象不超过七到九个。第二是测试先行——测试先于代码编写,因为测试是抵御幻觉逻辑的主要过滤器。第三是架构先行:在实现任何一个方法之前,先评审带有桩代码的骨架。

第四是聚焦工作。每次评审一次只覆盖一个方法,任务范围会明确说明哪些内容不在范围内——这一边界可防止在长时间会话中不断累积的范围蔓延。第五是上下文管理:在开始任何代码之前先收集需求,并将 datarim 工件按层级结构化,以便在正确的阶段提供正确的上下文。

除了这些支柱,该技能还为横切问题提供了具体模式。当一项任务要在许多文件中更改输出格式时,适用“规范先行加黄金夹具”模式:编写规范说明,创建参考夹具,编写回归测试,然后进行传播。当验收标准断言某个 HTTP 状态码时,该技能要求在锁定字面状态码之前追踪完整的中间件链——任何上游层都可能短路并返回不同的状态码。

一个具体示例

一项任务为某个 API 端点添加校验。朴素的做法是先编写处理程序,再添加测试。在 ai-quality 下,顺序是相反的:先定义完成标准和边界情况,再编写覆盖空请求体路径和超大负载路径的测试,然后实现处理程序。通过将校验逻辑提取到单独的函数中,方法保持在 50 行以内。当 /dr-qa 运行时,阶段规则映射会告诉评审者对照测试检查完成标准——而不是重新阅读整个功能。

加载时机

该技能会在每个流水线阶段自动加载——/dr-init、/dr-plan、/dr-design、/dr-do、/dr-qa 和 /dr-archive。每个阶段都有自己的一组规则子集。/dr-do 阶段强制执行 TDD 和 50 行限制。/dr-qa 阶段检查完成标准,并一次评审一个方法。/dr-archive 阶段使用该技能的迭代验证规则来确认流程得到了遵循,而不仅仅是输出。

阅读Datarim 是什么以了解更广泛的背景,或查看 /dr-do 命令如何在实现阶段将这些规则付诸实践。