skills/cc-switch-dev-workflow/references/knowledge-base/sources/2026-03-04-ai-pipeline-reliability.md

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/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