cuipengfei Exploring Generative AI
系列：Martin Fowler, Exploring Generative AI 来源：31 篇官方系列文章（2023-07-26 至 2026-08-10）加 1 篇官方后续文章（ch32，由 ch26 链接而来）。ch26 原 memo 的 URL 已被官方重定向到其现在所概括的完整文章。
使用方式
- 需要做决策时先看 Topic Index；对某一篇文章的主张下结论前，先读它对应的整章。
- 快速做风险、自主性、context 或本地模型决策时用
cheatsheet.md；行动前读它引用的章节。 - 设计工作流或 harness 时用
patterns.md；术语不清楚时用glossary.md。 - 把每章的来源 URL、作者、日期当作权威元数据。没有任何章节支撑的主张，要明说「未覆盖」。
核心决策规则
| 信号 | 默认动作 | 何时升级 | 读 |
|---|---|---|---|
| 输出看似合理但未经验证 | 加上最快的可信反馈：compiler、test、linter、review 或可观察的产物。 | 反馈慢、含糊或不可得。 | ch06、ch08、ch12 |
| 出错概率高、影响大或可检测性低 | 不使用无人监督执行；缩小范围并要求人工 review。 | 涉及公共 API、安全边界、数据变更或生产行为。 | ch16、ch19、ch21、ch27 |
| context 过期、过宽或引发猜测 | 刷新最小的相关 reference、specification 与 workspace 证据；去掉过期噪音。 | agent 无法可靠决定该加载什么 context。 | ch09、ch22、ch25 |
| 反复出现的 agent 失误，影响半径在扩大 | 把缺失的判断或约束编码进可复用的 skill 或 harness control。 | 影响已到团队迭代或 codebase 生命周期级别。 | ch13、ch24、ch26 |
| 考虑使用本地模型 | 按顺序实测 harness：内存适配、速度、工具调用、正确性、context、任务规模、review 负担。 | 任一更早阶段失败。 | ch28、ch29 |
| 设计或改进 agent harness | 把 guides（feedforward）与 sensors（feedback）配对——只有 feedback 会重复犯错，只有 feedforward 从不验证规则；能上 computational 就优先，语义判断再补 inferential。 | 需要行为级置信度；sensors 从不触发；或 controls 互相矛盾。 | ch26、ch32 |
| 反复出现的 agent 问题，改 prompt 仍不消失 | 去 steer harness 而不是 steer 输出：改进相关 guide 或 sensor，让问题更不可能发生。 | 问题是任何 sensor 都无法判断的行为正确性。 | ch26、ch13 |
| 在 agent loop 内规定流程（如 TDD） | 与其给详细 how-to 指令，不如用 sensors 监控结果；先验证该流程机制在没有人参与步骤时仍然生效。 | 有 eval 或有力论证表明该流程可以迁移。 | ch31、ch06 |
| agentic codebase 漂移（文件膨胀、单次变更 token 上升） | 主动重构——单次变更的 token 成本可测量、可回收；把最大文件和 files-touched 趋势当 drift sensors 跟踪。 | codebase 是一次性原型工作。 | ch30、ch32 |
章节索引
| # | 文章 | 作者 |
|---|---|---|
| 1 | The toolchain | Birgitta Böckeler |
| 2 | Median - A tale in three functions | Birgitta Böckeler |
| 3 | In-line assistance - when is it more useful? | Birgitta Böckeler |
| 4 | In-line assistance - how can it get in the way? | Birgitta Böckeler |
| 5 | Coding assistants do not replace pair programming | Birgitta Böckeler |
| 6 | TDD with GitHub Copilot | Paul Sobocinski |
| 7 | How is GenAI different from other code generators? | Birgitta Böckeler |
| 8 | How to tackle unreliability of coding assistants | Birgitta Böckeler |
| 9 | Onboarding to a 'legacy' codebase with the help of AI | Birgitta Böckeler |
| 10 | Building an AI agent application to migrate a tech stack | Birgitta Böckeler |
| 11 | Expanding the solution size with multi-file editing | Birgitta Böckeler |
| 12 | What role does LLM reasoning play for software tasks? | Birgitta Böckeler |
| 13 | The role of developer skills in agentic coding | Birgitta Böckeler |
| 14 | Guiding an LLM for Robust Java ByteBuffer Code | Unmesh Joshi |
| 15 | Building TMT Mirror Visualization with LLM: A Step-by-Step Journey | Unmesh Joshi |
| 16 | Coding Assistants Threaten the Software Supply Chain | Jim Gumbley、Lilly Ryan |
| 17 | Building Custom Tooling with LLMs | Unmesh Joshi |
| 18 | Autonomous coding agents: A Codex example | Birgitta Böckeler |
| 19 | I still care about the code | Birgitta Böckeler |
| 20 | Partner with the AI, throw away the code | Matteo Vaccari |
| 21 | To vibe or not to vibe | Birgitta Böckeler |
| 22 | Anchoring AI to a reference application | Birgitta Böckeler |
| 23 | Understanding Spec-Driven-Development: Kiro, spec-kit, and Tessl | Birgitta Böckeler |
| 24 | Assessing internal quality while coding with an agent | Erik Doernenburg |
| 25 | Context Engineering for Coding Agents | Birgitta Böckeler |
| 26 | Harness engineering for coding agent users | Birgitta Böckeler |
| 27 | Humans and Agents in Software Engineering Loops | Kief Morris |
| 28 | Viability of local models for coding | Birgitta Böckeler |
| 29 | Experiences with local models for coding | Birgitta Böckeler |
| 30 | The Economic Benefit of Refactoring | Giles Edwards-Alexander |
| 31 | TDD inside the agent loop - theater or actual value? | Birgitta Böckeler |
| 32 | Maintainability sensors for coding agents（ch26 官方后续） | Birgitta Böckeler |
Topic Index
- AI 输出可能错误 / 不可靠：ch04、ch06、ch08、ch12
- agentic coding / harness engineering：ch13、ch18、ch24、ch26、ch27、ch32
- 自主性、监督或高风险执行：ch16、ch18、ch19、ch21、ch27
- 代码质量与 review 自满：ch04、ch05、ch19、ch24
- context 漂移 / reference application / context 加载：ch09、ch22、ch25
- guides（feedforward controls）：ch25、ch26、ch32
- sensors（feedback controls）/ self-correction guidance：ch08、ch26、ch32
- computational vs inferential controls：ch19、ch26、ch32
- cybernetic governor / steering loop / drift sensors：ch26、ch27、ch32
- harnessability / harness templates / regulation categories：ch26
- mutation testing / regression sensor：ch31、ch32
- 重构经济学 / 单次变更的 token 成本：ch30、ch32
- TDD：ch06、ch14、ch31
- 本地模型可行性：ch28、ch29
- 原型 vs 生产：ch20、ch21、ch24
- 风险评估 / vibe coding：ch19、ch21
- 安全与供应链：ch16
- spec-driven development：ch23
支持文件
- glossary.md — 精确术语与其来源章节。
- patterns.md — 工作流模式；设计 harness 或重复性 agent 流程前阅读。
- cheatsheet.md — 决策表；选择自主性、处理 context 漂移或评估本地模型前阅读。
范围与边界
本 skill 覆盖官方系列索引所列 31 篇文章，加 1 篇官方后续文章（ch32），每篇在各自章节文件中注明 URL。ch26 的来源是完整的 Harness Engineering 文章，它正式取代并重定向了早前的 memo。本 skill 不把系列当作单作者的书：章节归属保持按文章区分。不得推断超出所引文章之外的主张。术语遵循作者原词；harness 词汇（guides、sensors、feedforward、feedback、computational、inferential）以 ch26 与 ch32 为规范来源。