# Source Digest: 2026-03-04 AI Pipeline Reliability

## Purpose
提炼 `20260304-AI自动化开发流水线与可靠性工程(1).md` 中关于可靠性工程、偏差放大、Gap 对齐、代码简化和阶段性重构的规则。

## When to Use
- 需要定义为什么不能让模型从需求直接写代码时
- 需要设计 `Alignment`、`Refinement` 和质量检查点时
- 需要解释 80% 单步可靠性为何会导致整体失控时

## Inputs
- `20260304-AI自动化开发流水线与可靠性工程(1).md`

## Outputs
- 可靠性收敛规则
- Gap 分类与质量机制
- 与其他来源的冲突说明

## Primary Agent/Model
`GPT-5.4 Pro xhigh`

## Secondary Agent/Model
`Claude Opus 4.6`

## Required Skills
- `spec-gap-tasking`
- `code-simplifying`
- `code-refactoring`
- `architecture-audit`

## Steps
1. 提炼可靠性数学和偏差来源。
2. 提炼“遗漏”和“过度添加”两类核心失真。
3. 映射到 Alignment、Refinement 和 Acceptance 页。
4. 把策略性选项与执行规则分开。

## Exit Criteria
- 可靠性收敛逻辑已经转化为阶段化执行规则
- 缺口分类、检查点、验收路径全部有落点

## Failure Recovery
- 若与更具体的技能规则冲突，以技能规则定义的任务结构和检查点为准

## Related Templates
- [`../templates/tdd-plan-template.md`](../templates/tdd-plan-template.md)
- [`../templates/acceptance-checklist-template.md`](../templates/acceptance-checklist-template.md)

## Core Conclusions
- 从需求到代码的每一层都会放大偏差，不能把“总体看起来差不多”当作可靠。
- 减少层级和提升单步质量，是提高整体可靠性的两个杠杆。
- AI 实施最主要的两类问题是 `遗漏` 和 `过度添加`，分别需要 `Gap 对齐` 和 `代码简化` 去收敛。
- 简化、重构、对齐不能作为末尾补丁，而要嵌入主流程。
- `Spec` 的质量决定最终收敛上限，低质量 Spec 只会让系统更快地收敛到低质量结果。

## Reusable Rules
- 用 `Alignment` 补齐 `Missing / Partial / Divergent / Untested / Integration` 五类缺口。
- 每 4 个类别插入一次质量检查点，防止技术债堆积。
- `Refinement` 不是一次“美化”，而是全库级的清晰度、结构和架构收敛。
- `Acceptance` 必须由人主导，不能被自动化审查替代。

## Background Only
- 各组用量对比
- 外部项目 OpenClaw 的星数与账号投入
- 市场竞争与六月产品上线时间点

## Conflict Notes
- 本文对 95% 单步可靠性给出目标值，但没有提供模板和目录组织；执行骨架依旧以 `workflow.zip` 和 `skills.zip` 为准。
- 文中部分质量检查点是理念层描述，正式任务对的生成方式以 `spec-gap-tasking` 为准。

## Traceability Targets
- `foundations/reliability-and-convergence.md`
- `foundations/refactoring-and-gap-closure.md`
- `workflows/stage-4-alignment.md`
- `workflows/stage-5-refinement.md`
- `workflows/stage-6-acceptance.md`