本文主张将资深工程师的隐性知识转化为版本化、可执行的 AI 指令，以确保开发团队在架构、安全和编码标准方面保持一致。
📝 详细摘要
Martin Fowler 探讨了 AI 辅助开发中的“一致性问题”，即 AI 输出的质量会因开发人员提示词（prompting）技巧的不同而产生显著差异。他认为，团队标准——传统上作为资深工程师脑中的“部落知识”或直觉存在——应该被编码为代码仓库中共享的、版本化的工件。通过从静态文档转向“可执行治理”，团队可以直接将特定的架构模式、安全威胁模型和审查严谨性嵌入到 AI 的工作流中。本文概述了有效指令的构成，并强调应将这些提示词视为共享基础设施，通过与代码库相同的 Pull Request 流程进行演进。
💡 主要观点
- 一致性问题导致资深工程师成为瓶颈。 目前的 AI 输出质量取决于个人的提示词能力。资深工程师能本能地提供初级工程师容易忽略的上下文和约束，这导致了代码质量的不一致和技术债务。
💬 文章金句
- 这种隐性知识（生成什么、检查什么、标记什么、拒绝什么）是团队最宝贵也最脆弱的资产。
- 标准……不应仅仅是 Slack 上分享的技巧，也不应是资深工程师脑中的部落知识。它们应该是版本化的工件，编码了‘我们在这里是如何做事的’。
- 治理即工作流。
- 这些指令并没有让开发人员变得更有经验，而是降低了他们缺乏经验所带来的成本。
- 个人电脑上的提示词只是个人的生产力技巧，而存在于团队代码仓库中的同一个提示词则是基础设施。
📊 文章信息
AI 评分：92
来源：Martin Fowler
作者：Martin Fowler
分类：软件编程
语言：英文
阅读时间：11 分钟
字数：2569
标签： AI 辅助开发, 软件工程标准, 团队协作, 可执行治理, 提示词工程