用途
aidesign 是一个面向编码智能体的技能,核心目标是:在写任何代码之前,先选择“如何实现”。它只负责实现机制的选择,不负责实际实现代码。
何时运行
在规划实现之前运行,当满足以下任一条件时适用:
- 变更会使某个已超过约 3k 行的文件增加超过 200 行
- 维护者点名某个文件或方法为关注点
- 维护者在讨论中描述过某个替代方案(包括其反对的方案)
- 该功能需要按架构、格式或目标做特殊处理
主要流程
- 先阅读目标仓库的 AGENTS.md 中的项目规范。
- 收集关联议题、PR 和评审讨论中已提出的所有机制,包括被作者否决的;收集明确约束(如“文件太大”“不要加 API”“不要破坏 ABI”),并将其视为硬性约束,直到调用方放宽。
- 在添加会重新计算某个事实的代码之前,先在代码树中找到该事实已存在的位置;若解码器、加载器或命令已能解析该值,复用本身即是一个候选机制。同时确认是哪个组件输出了错误结果。
- 在提议改造现有代码之前,先追问其为何是当前形态,并指出它在保护什么,或说明未能找到。
- 列出至少两个位于不同层次的候选机制;若只有一个可行,用一句话说明证据。
- 在测量前命名能区分候选的测试样本或输入;统计语料中机制所依赖属性的分布(多少文件具备该属性、存在哪些布局、每种布局的最小文件);单个复现 bug 的文件不构成样本集。
- 将每个候选所依赖的一个事实表述为可能为假的命题,尝试推翻它并报告尝试结果。
- 在项目 tmp/ 下用一次性原型实现最便宜的候选,并至少对三个测试样本运行。
- 对原型结果报告实测数字,其余标注为估计。
选择原则
- 优先最便宜的通用机制;仅在通用机制被证明失败时才使用架构或格式专属代码。
- “被证明”指某个测试样本上确实出错,而非预测。
- 正确性优先于代码量:建立在虚假不变量上的廉价机制日后需要重写。
- 指出每个候选面对的最差输入形态(深层嵌套、别名、超大表)并计时。
- 拒绝更简单的候选需要给出其出错情形的频率,而不只是存在性。
- 优先选择持有数据的层,而非消费数据的层,除非该层需大幅扩展才能持有。
- 当最难的情形驱动设计时,报告其在语料中的占比,并判断能否作为后续工作。
- 用少量代码覆盖大部分价值的机制,优于覆盖全部但无法拆分交付的机制。
- 机制无法覆盖的范围是一项发现,而非取消资格的理由;说明代价交由调用方权衡。
- 将不变量表述为关于单个输入的问题,而非集合名词。
- 测试比机制更长久,优先把反例写成测试用例。
输出
- 第一张表:机制 | 层次 | 涉及文件 | 约行数 | 覆盖的测试样本 | 实测或估计。
- 第二张表:测试样本 | 布局类别 | 语料数量 | 大小 | 现有测试。
- 一行推荐结论、其所依赖的不变量与未能构造出的最佳反例。
- 每个被拒候选一行,说明否决原因。
- 遗留原型的路径。
限制
- 不编写生产代码,不编辑受版本控制的文件;仅允许在 tmp/ 下放置一次性原型。
- 调用方只给出问题,不提供其提议的解决方案,智能体不应索取或主动查找;若某分支已实现该功能,不应阅读该分支。
补充说明
该技能来自 radareorg/radare2-skills 仓库,页面未提供安装方式、收费信息或平台支持等细节,暂未提供。