[research@ai4se] : ~ $

ls -la ~/notes/methodology/

METHODOLOGY

15 articles

cd ../
01

把 AI4SE 当业务来做:双钻找问题,Spec 定真相,Skill 分摊职责

把 AI4SE 当成业务来做,交付物就不应停在 PPT。咨询项目可用 Spec Driven Development 的思路实施:先用 Design Thinking / Double Diamond 跑通痛点、机会点、方案的发散收敛,再把 IT4IT 相关 Specification 梳清,最后 Agentic / Skill 化——早期以原子 Skill 为主,Goal 驱动地收敛成 Agent,并辅以 Command、Hook、MCP。真正的难点在问题定义与方案收敛。

| 11 min | [pilot-transformation] [sdd] [design-thinking] [ai4se-framework]
02

AI4SE 里的 Design Thinking:双钻定节奏,模板定形状

在 AI4SE 中,善用 Design Thinking 与经典思维模板(电梯演讲、用户旅程图、用户故事地图等),再配合 AI 头脑风暴,能显著提升问题定义与方案收敛的质量与效率。本文以软件工程需求分析阶段为例,说明「双钻定节奏、模板定形状、AI 脑暴做引擎」的三层叠架,并给出线上电梯演讲收敛与线下白板工作坊再进 AI 的两条实践线。

| 10 min | [design-thinking] [brainstorming] [requirements] [hitl] [methodology]
03

设计开发 Handoff 精益策略:如何把 AI 代码生成的 Token 成本降一个数量级

传统设计开发 Handoff 依赖截图与自然语言,AI 每轮重复解析、翻译、生成冗余样式,Token 成本极高。本文从三大浪费根因出发,提出 Design-to-Code DSL 栈与 HCP 分层协议作为通用解法,并以 Figma Dev Mode + MCP + Code Connect 作为验证实例。

| 14 min | [agentic-engineering] [context-engineering] [dsl] [handoff] [mcp-protocol] [cost]
04

为 Coding Agent 设计项目知识层:User Harness 里被低估的一块

好的 AI coding 依赖 User Harness;其中被低估的一块是项目知识层——用最小负载、Lazy Loading 式按需外联,以及有界分类,把代码仓库升级为可控的项目知识库。

| 10 min | [agentic-engineering] [harness-engineering] [context-engineering] [methodology]
05

AI4SE 工作坊不是培训班:组人、节奏与漏斗收敛

AI4SE 工作坊要的不是工具演示周,而是在真实项目上把机会点收敛成可复用 Playbook——关键在组对人、钉住周/日节奏、按 Pair→组→全场漏斗把决策持久化。

| 12 min | [methodology] [pilot-transformation] [workshop] [ai4se-framework]
06

下一步道场:AI 时代的空降 Kata,让任何人快速掌握陌生技术

在传统 Code Kata 的刻意练习之上,用独立 kata 文件夹 + Coding Agent + 语音「下一步」驱动,把学新技术的路径从「找教程」升级为「空降落地、师徒带练」。

| 10 min | [agentic-engineering] [kata] [learning] [methodology]
07

别再纠结 SDD 的 Spec 是什么:用「装修房子」讲透它的本质

SDD 里的 Spec 不是事后文档,而是开发启动前的履约契约——可粗可细,随场景适配,唯一标准是消除可预见的模糊空间。

| 8 min | [spec-driven] [methodology]
08

Anthropic 2026 Agentic Coding 趋势报告:从辅助到协作的八项预测

Anthropic 2026 报告提炼:SDLC 被 Agent 重塑、单 Agent 进化为协作团队、长时运行构建完整系统——但 60% 工作用 AI、仅 0–20% 可完全委托,人机协作仍是主线。

| 16 min | [agentic-engineering] [methodology] [anthropic]
09

Agentic Coding Agent 核心概念:Model 之外是 Harness

Coding Agent 不是更会写代码的 chatbot——可靠性来自 Instructions、Tools、Memory、Permissions 与 Verification Loop 组成的 Harness。

| 16 min | [agentic-engineering] [methodology]
10

AI4SE 端到端软件交付最佳实践

2025–2026 行业共识:AI 是放大器而非万能药——端到端成功依赖规格→上下文→执行→验证→度量的闭环,而非 IDE 内补全。

| 16 min | [e2e-delivery] [methodology]
11

中大型研发组织 AI4SE 试点转型:从不确定性到可验证路径

AI4SE 不是工具采购,而是研发工作方式转型——通过 SDD、Agentic、Harness、Operating Model 四条能力链,在真实试点中形成企业自有路径。

| 18 min | [methodology] [pilot-transformation] [ai4se-framework]
12

SDD 工具横向对比:GSD、Spec Kit、OpenSpec 与 Taskmaster

SDD 不是单一工具,而是一条从规格纯度到执行深度的光谱——选型取决于你是要标准化流程、管理存量变更,还是编排自主并行执行。

| 16 min | [spec-driven] [methodology]
13

AI4SE 分层技术模型:Effectiveness 地基与 Harmony 横切

Pressman 经典四层模型在 AI 时代的演进:地基升级为 Effectiveness、新增 Harmony 横切层、三层内涵从「人+工具」变为「人+Agent+Harness」。

| 18 min | [methodology] [ai4se-framework]
14

Spec-Driven Development:让规格成为 AI 时代的唯一真相源

SDD 不是新概念,但在 AI4SE 时代获得了结构性意义——当代码由 Agent 生成时,规格取代代码成为唯一的人类可读真相源。

| 12 min | [spec-driven] [methodology]
15

Agentic Engineering 能力成熟度:从 Vibe Coding 到生产级协作

Agentic Engineering 不是二进制开关——它是一个从'完全人写'到'规格驱动全自动'的成熟度。理解你在能力成熟度上的位置,比争论哪个极端更好更有意义。

| 14 min | [agentic-engineering] [methodology]