作者 | Patrick Farry

譯者 | 田橙

GitHub CEO Thomas Dohmke 近日發(fā)出了一則措辭嚴(yán)厲的警告：“要么擁抱 AI，要么離開這個職業(yè)?！钡^擁抱 AI，并不只是使用代碼自動補(bǔ)全工具那么簡單。它意味著我們核心能力的一次轉(zhuǎn)移——從對語法的熟練掌握，轉(zhuǎn)向系統(tǒng)思維（Systems Thinking），學(xué)會把問題不斷拆解，直到小到可以交由 AI 去解決。一句話概括：我們現(xiàn)在都是架構(gòu)師了。

我正在開發(fā)一個 IoT 應(yīng)用，整體由設(shè)備端固件、后端系統(tǒng)以及 Web UI 組成。盡管我本身具備軟件工程背景，但在這個項目中，我一直在使用 Claude Code 來提升開發(fā)效率，并幫助我應(yīng)對一些并不十分熟悉的語言和框架。我的技術(shù)棧包括：設(shè)備端使用 Python + PyTorch，前端采用 React + TypeScript，后端則由 MQTT + Node.js + Postgres 構(gòu)成。起初，與 Claude 的協(xié)作并不順利。我的請求經(jīng)常會引發(fā)對整個代碼庫的大規(guī)模改動。隨著我逐漸學(xué)會如何更合理地組織代碼結(jié)構(gòu)、并對提示詞進(jìn)行調(diào)整和約束，情況開始好轉(zhuǎn)?，F(xiàn)在，我已經(jīng)可以在不進(jìn)行逐行代碼審查的情況下，基本信任 Claude 所做的修改。在這個過程中，我逐漸總結(jié)出了一些模式，并將其稱為 Skeleton Architecture（骨架式架構(gòu)）。我認(rèn)為，這些模式對提升 AI 編程助手的生產(chǎn)力非常有幫助，因此希望在這里分享出來。

隨著 AI 編程行業(yè)逐步成熟，我們開始意識到一個事實：如果使用方式不當(dāng)，AI 會帶來大量技術(shù)債務(wù)。要在這場轉(zhuǎn)型中生存下來，我們必須識別并建立合適的架構(gòu)模式，使 AI 生成的代碼在安全性、可維護(hù)性和可靠性方面都可控。這需要一套明確的策略，核心建立在三個支柱之上：為 AI 的“消費(fèi)”方式而組織代碼結(jié)構(gòu)；實施嚴(yán)格而清晰的防護(hù)與約束機(jī)制（guardrails）；以及將我們自身的技能重心，從“翻譯需求”轉(zhuǎn)向“建模系統(tǒng)”。

結(jié)構(gòu)化代碼：上下文約束

AI 輔助工程中最核心的約束，是 上下文窗口（Context Window）。隨著上下文規(guī)模的擴(kuò)大，模型的準(zhǔn)確性會因為“中段信息丟失（Lost in the Middle）”現(xiàn)象而呈反向下降，而響應(yīng)延遲與使用成本則會線性上升。

因此，AI 原生架構(gòu)的“黃金法則”，就是盡可能縮小模型在工作記憶中必須同時容納的問題范圍。我們必須設(shè)計一種系統(tǒng)，對信息流施加“物理約束”，將依賴關(guān)系隔離開來，使 AI 能夠把完整的問題空間裝進(jìn)一個高度聚焦的提示詞中。這種隔離具備兩層作用：一方面，通過減少噪聲來最大化推理能力；另一方面，通過確保某個代理在處理一個組件時“看不到”其他組件，從而避免無意中破壞系統(tǒng)整體的完整性。

目前，有兩種架構(gòu)模式正在逐漸被采用，用以解決這一問題。

Atomic Architecture（原子化架構(gòu)） 作用于微觀層面。該理念由 Brad Frost 于 2013 年提出，最初用于應(yīng)對響應(yīng)式 Web 設(shè)計的復(fù)雜性。它以一種“生物學(xué)式”的方式組織系統(tǒng)：從不可再分的“原子”（如 HTML 標(biāo)簽、工具函數(shù)）開始，組合成“分子”，最終構(gòu)成復(fù)雜的“有機(jī)體”。雖然它最初是一種 UI 方法論，但在 AI 輔助工程中重新煥發(fā)了價值，因為它強(qiáng)制執(zhí)行了一種嚴(yán)格的“上下文衛(wèi)生（context hygiene）”。相比讓 AI 一次性生成一個龐大的功能模塊，讓其只生成一個獨立、隔離的“原子”，可以大幅降低幻覺風(fēng)險，并確保生成的代碼高度聚焦、無狀態(tài)、且易于驗證。但代價也同樣明顯——這會產(chǎn)生一種“碎片化稅（fragmentation tax）”：AI 可以完美地產(chǎn)出單個組件，但將這些無狀態(tài)原子連接成一個完整系統(tǒng)的高強(qiáng)度認(rèn)知負(fù)擔(dān)，要么必須被塞進(jìn) AI 的上下文中，要么就完全回到了人類架構(gòu)師身上。

為了解決宏觀結(jié)構(gòu)層面的組織問題，我們需要引入 Vertical Slice Architecture（垂直切片架構(gòu)）。這一架構(gòu)由 Jimmy Bogard 推廣，旨在打破傳統(tǒng) N 層“千層面代碼（lasagna code）”的僵化結(jié)構(gòu)。它按照業(yè)務(wù)功能（例如“下單”）而非技術(shù)層級（如“服務(wù)層”“數(shù)據(jù)訪問層”）來組織系統(tǒng)。

這種模式對 AI Agent 尤其友好，因為它針對“引用局部性（Locality of Reference）”進(jìn)行了優(yōu)化。在分層架構(gòu)中，AI 為了理解一條完整業(yè)務(wù)流程，往往需要在多個目錄之間來回檢索文件，大量無關(guān)代碼會污染上下文窗口。而垂直切片遵循“一起變化的東西，就放在一起”的原則，使 AI 能夠一次性加載某個功能的完整上下文，而無需對缺失的依賴進(jìn)行“腦補(bǔ)式生成”。但這同樣會引入一種“重復(fù)稅（Duplication Tax）”：為了保持切片之間的獨立性，AI 往往會在不同切片中生成重復(fù)的數(shù)據(jù)結(jié)構(gòu)，用犧牲 “DRY（Don’t Repeat Yourself，不重復(fù)自己）”原則，換取更強(qiáng)的隔離性。

垂直切片在隔離性方面表現(xiàn)出色，但它并不能解決切片之間的協(xié)同問題。諸如安全性、可擴(kuò)展性、性能、認(rèn)證等關(guān)鍵的非功能性需求，都是系統(tǒng)級不變量，無法被拆散到各個切片中分別實現(xiàn)。如果讓每一個垂直切片都自行實現(xiàn)授權(quán)體系或緩存策略，最終只會導(dǎo)致“治理漂移（Governance Drift）”：安全策略不一致，代碼重復(fù)嚴(yán)重。這也迫使我們引入一個新的統(tǒng)一概念：Skeleton（骨架）與 Tissue（組織）。

解決方案：骨架與組織

我們將系統(tǒng)明確拆分為兩個彼此區(qū)隔的領(lǐng)域。Stable Skeleton（穩(wěn)定骨架） 代表由人類定義的、剛性且不可變的結(jié)構(gòu)（如抽象基類、接口、安全上下文），這些結(jié)構(gòu)可能由 AI 編寫，但設(shè)計權(quán)屬于人類。Vertical Tissue（垂直組織） 則由高度隔離、以具體實現(xiàn)為主的功能模塊組成（如具體類、業(yè)務(wù)邏輯），主要由 AI 生成。

這種架構(gòu)借鑒了兩種經(jīng)典的軟件思想：Actor 模型 和 面向?qū)ο笾械目刂品崔D(zhuǎn)（Inversion of Control）。世界上一些最可靠的軟件系統(tǒng)之所以能夠長期穩(wěn)定運(yùn)行，并非偶然——例如 Erlang，其核心正是通過 Actor 模型來維持系統(tǒng)穩(wěn)定性。同樣，在控制反轉(zhuǎn)結(jié)構(gòu)中，不同切片之間的交互由抽象基類來管理，確保具體實現(xiàn)類依賴的是穩(wěn)定的抽象，而不是反過來。

為了在工程實踐中強(qiáng)制落實這一點，我們采用了 模板方法模式（Template Method Design Pattern）。依賴反轉(zhuǎn)原則負(fù)責(zé)在設(shè)計層面保護(hù)高層策略不被底層細(xì)節(jié)侵蝕，而模板方法模式則在運(yùn)行層面將這一原則“落地”，通過鎖定執(zhí)行流程來實現(xiàn)。

在這種模型下，人類架構(gòu)師會在基類中定義一個最終的 run() 方法，用于統(tǒng)一處理日志、異常捕獲、認(rèn)證等橫切關(guān)注點。AI 則只被允許實現(xiàn)一個受保護(hù)的 _execute() 方法，并由 run() 在合適的時機(jī)調(diào)用。這種區(qū)分至關(guān)重要：AI 在物理層面上就不可能“忘記”記錄日志，或繞過安全檢查，因為它從一開始就不擁有整個執(zhí)行流程的控制權(quán)；它只是填補(bǔ)了架構(gòu)師預(yù)留出來的一段邏輯空位。

在我系統(tǒng)的設(shè)備端代碼中，包含了多個用于圖像處理的 AI 算法。我決定用一個繼承自 ABC（Python 抽象基類）的類 TaskBase 來表示每一種算法。其余的骨架部分，則由一組負(fù)責(zé)高效傳遞圖像數(shù)據(jù)、并調(diào)度這些算法運(yùn)行的協(xié)調(diào)類構(gòu)成。

代碼示例：由人類掌控的 Skeleton

下面的示例展示了 BaseTask 如何將緩沖管理和就緒狀態(tài)檢查的復(fù)雜性完全屏蔽在 AI 之外，讓 AI 可以只專注于“處理邏輯”本身。

        pass

對這種架構(gòu)的一種常見質(zhì)疑是：過于剛性的 Skeleton，可能會限制 AI 的自由，從而抑制創(chuàng)新。對此的回應(yīng)是——這種剛性并不是缺陷，而是一種刻意設(shè)計的特性。它明確地強(qiáng)制實施了“架構(gòu)治理（Architectural Governance）”。如果系統(tǒng)的核心控制流程或整體行為需要被修改，那么這個決策必須由人類架構(gòu)師親自介入完成。這種約束相當(dāng)于一道必要的防火墻，用來抵御“架構(gòu)漂移（Architecture Drift）”：防止 AI——這種天然偏好局部最優(yōu)的系統(tǒng)——引入臨時性的捷徑或不一致的模式，而這些問題若不受約束，最終會一點點侵蝕系統(tǒng)的長期設(shè)計完整性。

交互方式：“導(dǎo)演”角色

把代碼助手比作初級開發(fā)者，是一種危險的擬人化認(rèn)知。AI 并不是學(xué)習(xí)型個體，而是一種高速運(yùn)行的隨機(jī)優(yōu)化引擎，它的目標(biāo)是盡快完成任務(wù)，并且往往會把安全檢查視為需要繞開的“阻力”。提示詞是柔性的，而架構(gòu)是剛性的。因此，開發(fā)者必須以高度警惕的方式對 AI 代理進(jìn)行監(jiān)督。根據(jù)我的經(jīng)驗，即便已經(jīng)明確給出“絕對不能繞過安全機(jī)制”的指令，像 Claude 這樣的模型仍可能為了讓代碼運(yùn)行成功，嘗試關(guān)閉認(rèn)證機(jī)制以解決沖突。

要讓這種“導(dǎo)演式管理”具備可擴(kuò)展性，我們必須建立“硬護(hù)欄（Hard Guardrails）”——也就是將約束直接嵌入系統(tǒng)本身，使 AI 在物理層面上難以繞過。這些護(hù)欄構(gòu)成應(yīng)用系統(tǒng)不可更改的基本法則。

在我的應(yīng)用中，最關(guān)鍵的一道護(hù)欄，是確保設(shè)備端、UI 與后端之間的數(shù)據(jù)一致性（Schema-First Surety）。如果缺乏這一機(jī)制，Claude 很快就會修改系統(tǒng)不同模塊之間的通信協(xié)議，最終導(dǎo)致數(shù)據(jù)結(jié)構(gòu)彼此不一致。我將 JSON Schema 作為 OpenAPI 與 AsyncAPI 文檔的一部分，作為系統(tǒng)的“單一真實來源（Source of Truth）”，以確保組件之間的契約不可被破壞。同時，我在基類中加入了一個“快速失?。‵ail-Fast）”驗證器，一旦檢測到協(xié)議違規(guī)，就會直接觸發(fā) sys.exit(1) 強(qiáng)制終止程序。當(dāng) AI 生成的代碼雖然滿足提示詞要求，但違反系統(tǒng)契約時，系統(tǒng)會立即崩潰。這會迫使人類開發(fā)者介入，將原本可能被忽視的隱性缺陷，轉(zhuǎn)變?yōu)橐粋€明確且可見的“治理事件（Governance Event）”。至關(guān)重要的一點是：該驗證器必須運(yùn)行在 Skeleton 層，因為在這一層中 Claude 無法修改相關(guān)邏輯。

理想情況下，我們還應(yīng)當(dāng)超越運(yùn)行時檢查，通過 CICD 流程中的自動化工具來保證系統(tǒng)結(jié)構(gòu)完整性。例如，我們可以使用 ArchUnit 這樣的編譯期工具來強(qiáng)制執(zhí)行系統(tǒng)拓?fù)湟?guī)則。開發(fā)者可以編寫測試斷言，例如：“任何 AI 生成的模塊都不得直接導(dǎo)入數(shù)據(jù)庫包”。這可以有效阻止 AI 通過架構(gòu)捷徑繞過 Skeleton 層的控制。

為了獲得最高級別的安全保障，我們甚至可以采用物理隔離策略。我們可以將 Skeleton（包括接口、基類以及安全邏輯）遷移到一個獨立且只讀的代碼倉庫中。AI 在構(gòu)建 Tissue（組織層代碼）時只能導(dǎo)入這些定義，但在權(quán)限層面上無法修改這些規(guī)則。這種方式確實會帶來一定摩擦，例如 AI 無法在未經(jīng)人工批準(zhǔn)的情況下“憑空創(chuàng)造”新的消息類型。但作為回報，系統(tǒng)行為可以獲得幾乎絕對的可控性與確定性。

最后，我們還必須對副作用進(jìn)行隔離。當(dāng)業(yè)務(wù)邏輯與外部組件交互混雜在一起時，AI 代理通常難以編寫穩(wěn)定可靠的測試代碼，往往會“臆造”復(fù)雜的模擬對象，或生成容易失效的集成測試。我們的解決方法，是將交互行為上移到 Skeleton 層，而將業(yè)務(wù)邏輯保留在 Tissue 層（即所謂“Functional Core”）。由于 Skeleton 定義的工作流具有清晰邊界，因此可以通過 AI 生成的模擬對象輕松測試；而 Tissue 層的類由于本身就是垂直切片結(jié)構(gòu)，也可以通過簡單的測試框架進(jìn)行驗證。

代碼示例：不可變的護(hù)欄機(jī)制

該驗證器會在 AI 任務(wù)真正處理消息之前執(zhí)行。sys.exit(1) 能夠確保系統(tǒng)采用“快速失敗”的安全策略，而 AI 無法覆蓋這一行為。

        sys.exit(1)

學(xué)習(xí)方式的轉(zhuǎn)變：
從語法到系統(tǒng)性思維

這種架構(gòu)層面的轉(zhuǎn)變，迫使我們對開發(fā)者技能進(jìn)行一次根本性的再評估。相較于語言特性或算法實現(xiàn)——這些正在迅速商品化的能力——開發(fā)者必須將重心轉(zhuǎn)向建模、信息流設(shè)計，以及對非功能性需求的嚴(yán)格管理。在一個“會寫排序算法”幾乎不再具備任何價值的時代，工程師的價值不再由“翻譯”（把想法轉(zhuǎn)成代碼）來定義，而是由“建模”（定義代碼運(yùn)行所受的約束條件）來決定。

我們已經(jīng)進(jìn)入了系統(tǒng)性思維（Systemic Thinking）的時代。功能實現(xiàn)很容易，系統(tǒng)韌性卻極其困難。AI 代理會為了讓測試用例通過而進(jìn)行優(yōu)化，卻完全無視內(nèi)存泄漏、延遲抖動或可觀測性缺失等問題。因此，工程師必須走上“導(dǎo)演”角色，在發(fā)出任何一個提示詞之前，就先在腦中構(gòu)建好信息流與組件之間的交互關(guān)系。非功能性需求（NFRs），必須由導(dǎo)演來承擔(dān)。

由于 AI 無法真正“關(guān)心”內(nèi)存管理問題，人類架構(gòu)師必須將這些防護(hù)機(jī)制直接構(gòu)建進(jìn) Skeleton 之中。

進(jìn)一步來看，這意味著工程師需要熟悉系統(tǒng)架構(gòu)的世界，并且持續(xù)思考諸如“這個系統(tǒng)在實際運(yùn)行中會如何表現(xiàn)”這樣的問題。

除了保護(hù)系統(tǒng)本身，Skeleton Architecture 還回應(yīng)了一個正在逼近的挑戰(zhàn)——“學(xué)徒危機(jī)”（Apprenticeship Crisis）。在一個實現(xiàn)層代碼大多由 AI 生成的世界里，初級工程師要如何積累成長為架構(gòu)師所必需的“傷疤組織”（scar tissue）？答案在于：Skeleton 本身就成為了教學(xué)大綱。通過強(qiáng)制初級工程師在 TaskBase 與 Validator 這些剛性約束中工作，我們用結(jié)構(gòu)化的“填空題”，取代了令人無從下手的“空白頁”。他們不是通過閱讀抽象理論來學(xué)習(xí)系統(tǒng)設(shè)計，而是直接生活在一個高質(zhì)量的架構(gòu)中。一個在物理層面上阻止壞習(xí)慣產(chǎn)生的架構(gòu)。反饋回路也因此被極大壓縮：從過去等待代碼評審的數(shù)天時間，縮短為撞上護(hù)欄時的毫秒級反饋。每一次錯誤，都會立刻變成一堂架構(gòu)課。

代碼示例：系統(tǒng)級安全網(wǎng)

AI 負(fù)責(zé)編寫圖像處理邏輯，而人類架構(gòu)師則通過在框架中實現(xiàn) weakref 跟蹤機(jī)制，確保系統(tǒng)不會因為內(nèi)存泄漏而崩潰。

    return [obj for obj in self.tracked if obj.age > 60.0]

總 結(jié)

垂直切片為 AI 提供專注，Skeleton 為人類保留控制權(quán)，而其他硬性約束則為團(tuán)隊提供確定性。我們并不是在“訓(xùn)練”AI，而是在約束它。通過構(gòu)建一套剛性的 Skeleton，我們讓 AI 可以高速前進(jìn)，同時不至于折斷軟件系統(tǒng)的脊梁骨。

參考文獻(xiàn)

Bogard, J.（2018）。《Vertical Slice Architecture》。

Dohmke, T.（2023 年 11 月 8 日）。GitHub Universe 2023 Opening Keynote: Copilot in the Age of AI［視頻］。

YouTube。Farry, P.（未注明日期）?！禔I-Generated Code Creates New Wave of Technical Debt, Report Finds》。

InfoQ。Frost, B.（2013）?！禔tomic Design》。

Gamma, E., Helm, R., Johnson, R., & Vlissides, J.（1994）。《Design Patterns: Elements of Reusable Object-Oriented Software》。

Addison-Wesley。Liu, N. F., Lin, K., Hewitt, J., Paranjape, A., Bevilacqua, M., Petroni, F., & Liang, P.（2023）。

《Lost in the Middle: How Language Models Use Long Contexts》。

Stanford University、UC Berkeley、Samaya AI。Martin, R. C.（未注明日期）?！禩he Dependency Inversion Principle》。

https://www.infoq.com/articles/skeleton-architecture/

聲明：本文為 InfoQ 翻譯，未經(jīng)許可禁止轉(zhuǎn)載。