ai_soc_sw/.ai/principles.md

信息架构设计原则

为什么这样设计

AI 的上下文窗口有限。每个读入上下文的字都是成本。这套分层架构的核心思想：每个角色只加载必要信息，按需展开细节。

Token 预算

层级	预算	内容	加载时机
入口（dashboard/card）	< 2K	身份+全貌+任务	每次会话必读
Task 文件	< 1K	单任务全部信息	Coder/Tester 开工时
知识沉淀 (knowledge)	< 3K	决策/模式/教训	按需加载
阶段上下文 (phase)	< 5K	目标+范围+架构	按需加载

信息分层（三层架构）

指挥层: dashboard.md → 人类 + Arch AI 唯一入口
决策层: DECISIONS.md → 待人类决策事项
执行层: .ai/tasks/active/ → Coder/Tester 各自 task 文件

维护规则

1. 不超预算：每个文件严格遵守 token 预算，超了就拆分
2. 不重复状态：状态只在一处记录（dashboard.md），其他地方引用
3. Git 管历史：文档只描述"现在是什么"，历史由 Git 负责
4. 一文一答：每个文件独立回答一个问题，不需要串联阅读
5. 角色无关设计：任何 AI 模型都能通过读 card.md 快速接管角色

---

AI 上下文资源管理（硬约束，适用于所有 AI 角色）

问题：每个 AI 每次会话有上下文窗口限制。如果盲目冲刺大任务，到一半触发自动压缩，前面的讨论、决策细节、已排除的选项全部丢失——代价不是「重来」，是「用不完整的记忆做决策」。

通用规则（所有角色遵守）

1. 任务前评估：开始一个复杂任务前，先判断能否在自己的有效上下文内完成。不能 → 拆分到多个独立会话
2. 做完一件再开始下一件：不积累未完成的工作。阶段收尾了（commit + push），再启动下一个
3. 决策即记录：每个重要判断产生后，立即写入对应文件，不要留在对话里。对话是易失的，文件是持久的
4. 接近窗口上限时主动收尾：感觉上下文开始吃力时，主动 checkpoint——已完成写入文件、commit、告知人类当前进展和下一步。宁可多开一个会话，不要带着残缺记忆继续
5. 拆分到可提交粒度：大任务拆成独立子任务。每个子任务结束后 git commit，确保即使后续会话压缩，已完成的部分不会丢失

角色特定约束

角色	主要风险	应对策略
Arch AI (Claude Code)	长对话积累上下文，架构讨论容易收不住	每个 ADR 产出后立即写入 decisions.md；感知吃力时主动收尾
Coder AI (Trae + GLM-4.6)	上下文窗口更小，多文件任务容易超出	每个 session 只做 1 个 task 文件；不读其他 task，不读架构文档
Tester AI (Coze CN)	沙盒执行时间有限	1 个 session 只测 1 个 T01-XXX task；报告立即写回 repo

信号识别（何时应立即执行规则 4）

• 需要反复回看前面的讨论才能做判断
• 开始忘记用户几分钟前说过的话
• 回复质量出现可感知的下降
• 同一个问题被重复提出
• （Coder AI）需要同时修改 3 个以上文件才能完成 task

反模式

• 「一口气做完再 commit」——做一半触发压缩，前面做的全丢
• 「这个 task 简单，我顺便把下一个也做了」——超边界 = 超上下文
• 「先放着，等会儿一起处理」——对话不等人，放着 = 丢了

---

文件约定

• 控制面板: dashboard.md
• 决策入口: DECISIONS.md
• 角色工作台: .ai/roles/{role}/card.md
• 执行任务: .ai/tasks/active/
• 阶段上下文: .ai/phases/phase-NN-name/
• 知识沉淀: .ai/knowledge/
• 提示词模板: .ai/prompts/{domain}/
• Skill 工具: .trae/skills/
• 框架边界: SYNC.md
• 模板变量: TEMPLATE.yaml

阶段切换检查清单

切换阶段时 Arch AI 必须：

• 更新所有角色的 card.md（当前阶段字段）
• 更新 dashboard.md（进度条 + task 状态面板 + 最近事件）
• 更新 phases/INDEX.md
• 生成上一阶段的 completion.md
• 产出阶段复盘（docs/share/phase-NN/）
• 审计 token 预算