Elephant-Goldfish Model (EGM)¶
查找正确的文档¶
| 位置 | 用途 |
|---|---|
| 入门指南 和 FAQ | 安装与日常使用。 |
| Harnesses、Claude 和 Codex | 特定主机的安装与执行。 |
| 设计文档 | 架构、工作流原理和实现计划。 |
| 共享运行时资源 | 权威执行规则和评审标准。 |
| 测试手册 | 命令和证据要求。 |
| PR #103 验证报告 | 详细的 harness 结果和已知验证缺口。 |
docs/ 向贡献者和用户解释系统。resources/ 包含运行时读取的规则。在本文档中解释这些规则时,请链接到它们;将需求保留在规范化的资源文件中。
AI 已经改变了软件开发。现在一切都不同了,我们都清楚这一点。
Elephant-Goldfish Model (EGM) 就是团队适应这种变化的一种方式。它是一种快速交付高质量软件的协议,并以一个容易记忆的隐喻呈现。Dave Rensin 的文章 Elephants, Goldfish, and the New Golden Age of Software Engineering 对此进行了深入探讨。如果你还没读过,请从那里开始!
Elephant-Goldfish 哲学¶
The Elephant¶
Elephant 记住一切。
有时我们希望 LLM 全面了解我们的系统:它们的历史、用户旅程、逻辑组件等等。我们还希望能够自然地讨论这一切是如何组合在一起的。
仅靠查看代码无法做到这一点。我们需要以 LLM 能够低成本导航的方式让它们获取所有这些信息。当我们做到这一点时,就可以提出问题、挑战假设,并迫使自己快速论证决策,这会让系统变更容易得多。
当我们让 LLM 访问我们系统的上下文丰富描述,并要求它们探索我们的问题时,我们就称之为 Elephant。
The Goldfish¶
Goldfish 只有三秒的记忆 1。
LLM 不是确定性的。有时它们会产生幻觉,导致计划或代码明显不可用。信任 LLM 来构建我们的系统却不去检查幻觉,注定会遇到麻烦。
天真的做法是让人类审查每一个变更。这可行,但成本高昂,而且很快就会成为瓶颈。另一种方式是让一个 LLM 审查另一个 LLM。如果我们要求 LLM 审查计划、代码或其他产物,但 不 让它们访问这些事物是如何生成的,我们就能减少幻觉。
当我们以这种方式要求 LLM 审查输出,并限制它们可访问的上下文时,我们称之为 Goldfish。
人类¶
想象一下,你必须对经理说:“抱歉!我的 AI 工具刚刚把损坏的代码推送到了生产环境……”。做这件事的不是工具,而是你。
又或者另一种场景:“AI 完成了我的项目!快提拔我!”。这同样很愚蠢。
AI 是工具,不是决策者。开发人员必须主动引导设计讨论、挑战建议并做出决策,而不是让 AI 主导。
EGM 正是如此:人类 拥有最终结果。
优势¶
EGM 强调学习如何将 LLM 作为工具使用,并解释如何驾驭它们的优势和劣势。
- 速度提升: 功能发布更快。将对齐前置到设计规范中,可显著减少下游返工和评审意见循环。
- 准确性: 对前置设计讨论的投入会形成深入且经过验证的指南,从而减少 LLM 幻觉。对我们希望实现的内容给出具体且详细的描述,能为 AI 提供明确的对照参考。
- 团队收益: 项目交接、入职、问题分类,以及所有其他可能需要白板的人工流程都会变得更简单。当 LLM 知道功能在哪里、如何构建以及其背后的意图时,人类也能快速了解系统并为之做出贡献。
文档与指南¶
- 入门指南:安装和核心工作流。
- Codex:插件安装和原生工作流验证。
- Claude Code:插件资源和隔离审查者。
- 常见问题 (FAQ):常见问题和解答。
- 框架架构:详细的组件设计和生命周期。
- 贡献指南:如何贡献新的技能、角色和标准。
本页原文 Markdown:在 AtomGit 查看·内容源自开源项目 el/elephant-goldfish-model