技能 Core

AI 质量

AI 辅助开发的五大支柱 — 分解、TDD、架构优先、专注工作、上下文。方法规模限制、DoD、桩代码。

概述

AI 质量定义了指导 Datarim 中每一项 AI 辅助开发任务的五大支柱。持续应用这些支柱可使代码质量提升 30-50%,缺陷减少 40-50%。该技能由开发者、规划者和审查者代理在每个流水线阶段作为参考加载。

五大支柱

  1. 分解 — 将复杂任务拆分为小而专注的单元。每个方法最多 50 行,工作记忆中最多 7-9 个对象,每个函数只承担一项职责。
  2. 测试优先 — 测试是幻觉过滤器。在编写代码之前编写测试,明确定义“完成”,预先覆盖边界情况。严格模拟:只模拟边缘,绝不让数据迁就测试。
  3. 架构优先 — 在编码之前批准结构。创建带桩代码的骨架,审查架构,然后一次实现一个方法。
  4. 专注工作 — 缩小上下文可提升质量。一次审查一个方法,明确界定范围之外的内容,在开始之前验证 AI 能否解决该问题。
  5. 上下文管理 — 在正确的时间提供正确的信息。在编码之前收集需求,记录事务隔离,按层次组织知识,精心设计提示词。

第六项实践是即时 lint,在 /dr-do 期间每个 TDD 循环之后运行项目自动检测的 linter,并立即修复发现的问题,而不是推迟到 /dr-compliance。

使用时机

AI 质量规则映射到特定的流水线阶段。在 /dr-plan 期间,应用分解和边界规则。在 /dr-do 期间,TDD 和方法规模规则占主导。在 /dr-qa 期间,DoD 验证和专注审查优先。每个编写或审查代码的代理都会自动加载此技能。

质量检查点

  • 此任务是否已分解为小单元?
  • 我是否有测试和完成定义(DoD)?
  • 架构是否已获批准?
  • 我是否专注于一件事?
  • 我是否拥有正确的上下文?

如果任何问题的答案为“否”,请停下来并在编码之前解决它。

高级模式

  • 安全防护中的事故叙述 — 添加安全控制(确认提示、破坏性标志防护)时,在运行时消息中引用创始事故 ID 并量化成本。两行:如果继续会发生什么,以及该防护为何存在。
  • 操作者优先归因 — 当框架或供应商在集成期间失败时,默认归因是操作者错误,直到最小 API 复现确认并非如此。归咎供应商需要同时满足最小复现失败以及文档无法修复。
  • 依赖隔离 — 对于任何安装 ML 库、作为 systemd 服务运行或与其他服务共享服务器的服务,使用 venv(Python)或 Docker。切勿对生产服务使用系统级 pip。
  • 未跟踪文件的范围决策 — 当扫描涉及未跟踪但承载关键功能的文件时,在暂存之前而非暂存期间决定“立即提升”还是“推迟”。