【Agent】AI编程工程化实践 —— Context上下文工程，SDD规范驱动开发，MCP&Skills

【Agent】AI编程工程化实践 ------ Context上下文工程，SDD规范驱动开发，MCP&Skills

文章目录

• • [1、Context Engineering --- 真正的护城河](#1、Context Engineering — 真正的护城河)
  • • [1.1 why it work? ------ 理解LLM的本质](#1.1 why it work? —— 理解LLM的本质)
    • [1.2 上下文工程 ------ Agent.md](#1.2 上下文工程 —— Agent.md)
  • [2、Spec ------ SDD 规范驱动开发，把不确定性压到前面](#2、Spec —— SDD 规范驱动开发，把不确定性压到前面)
  • • [2.1 SDD 核心理念](#2.1 SDD 核心理念)
    • [2.2 SDD 工程实践，提示词精确度](#2.2 SDD 工程实践，提示词精确度)
  • [3、MCP & Skills ------ AI编程的工具与能力层](#3、MCP & Skills —— AI编程的工具与能力层)
  • • [3.1 MCP 工具](#3.1 MCP 工具)
    • [3.2 Skills 从"工具调用"到"业务Context 封装"](#3.2 Skills 从“工具调用”到“业务Context 封装”)

1、Context Engineering --- 真正的护城河

在AI编程里，模型能力会持续升级，但团队之间真正的差距，往往来自上下文工程。所谓Context Engineering，不是把所有文件都塞给AI，而是把"当前任务最需要的信息"按优先级、结构和验证方式交给模型。它决定了Agent是在真实工程环境里工作，还是在模糊描述里猜代码。

一个可落地的判断标准是：如果把同一个任务交给不同Agent，只要它们读取同一份上下文、遵守同一套规则、运行同一组验证，就能得到方向一致、质量可控的结果，那么上下文工程就是有效的。

1.1 why it work? ------ 理解LLM的本质

LLM的基本机制是"基于已有文本预测下一个token"。这句话听起来简单，但对AI编程非常关键：模型不是天然理解你的项目，而是根据它当前看见的输入、工具返回、代码片段和自己已经生成的内容，持续生成后续输出。因此，Prompt、代码、日志、测试结果、规范文档都会成为模型推理的一部分。

从这个机制出发，可以得到几个工程结论：

1. 上下文就是模型的工作现场。模型没有独立于上下文之外的项目记忆。如果仓库结构、业务术语、历史约定、接口兼容要求没有出现，它就只能用通用经验补全。
2. 推理依赖中间状态。让Agent先读代码、列假设、拆任务、再实现，本质上是在构造更稳定的中间token序列，降低后续生成跑偏的概率。
3. 输出具有概率性。工程上不能指望模型每次都"正好懂你"，而要用约束、示例、验收标准和测试把可选空间收窄。
4. 长任务会遗忘重点。一次修改跨越多个文件、多轮工具调用、多次失败重试时，早期约束容易被淹没，需要用计划、状态摘要、检查清单把重点拉回工作区。

在Coding Agent场景里，最常见的问题不是"模型不会写代码"，而是"模型基于错误假设写了很多代码"。比如你说"给订单加导出功能"，模型可能默认导出全部订单、默认CSV、默认同步下载、默认普通用户也能导出、默认字段来自前端列表。但真实项目里可能要求只导出当前筛选结果、异步生成XLSX、管理员权限、字段遵守财务口径、生成操作审计日志。缺失的上下文越多，模型猜测越多。

因此，给Agent任务时要尽量把"猜测空间"变成"决策空间"。不要只说：

帮我实现订单导出。

更好的输入是：

目标：在订单管理页增加导出功能。
范围：只导出当前筛选条件下的订单，不导出全量。
格式：xlsx，字段顺序参考 docs/order-export-fields.md。
权限：仅 admin 和 finance 角色可见按钮并可调用接口。
性能：超过 5000 条时走异步任务，前端展示任务状态。
兼容：不要修改现有 /api/orders 查询接口的返回结构。
验证：补充权限测试、字段映射测试、超过阈值的异步测试。

这不是"提示词变长"，而是把模型必须知道的决策点前置。LLM越强，越能利用这些约束；但如果约束缺失，强模型也只是更自信地猜。

一个实用原则是"三层上下文"：

1. 任务上下文：这次要做什么、为什么做、完成标准是什么。
2. 工程上下文：现有代码模式、技术栈、测试命令、目录边界、依赖约束。
3. 反馈上下文：运行结果、错误日志、失败测试、人工审查意见。

Agent的工作质量，取决于这三层是否形成闭环。只给任务不给工程上下文，容易写出不符合项目风格的代码；只给工程上下文不给完成标准，容易做多或做偏；只写代码不反馈测试结果，错误就无法收敛。

可以把Agent工作流压缩成一个简单状态机：

Understand -> Explore -> Plan -> Implement -> Verify -> Summarize
    ^                         |         |
    |                         v         v
    +------ clarify <----- failure --- review

真正的上下文工程，就是让每个状态都有清晰输入和输出。Explore阶段输出影响面，Plan阶段输出修改路径，Verify阶段输出测试证据。这样，模型不是一次性"生成答案"，而是在工程反馈中逐步收敛。

1.2 上下文工程 ------ Agent.md

所有AI编程工具都有上下文窗口，可以理解为模型的工作记忆。窗口大不等于效果好，关键是上下文密度。高密度上下文包含当前任务所需的事实、约束和验证方式；低密度上下文则充满过期文档、无关代码、重复日志和泛泛要求。上下文工程的目标，是让token花在决策点上。

可把上下文分成四类：

类型	内容	例子	维护方式
全局上下文	仓库级规则	技术栈、启动命令、测试命令、代码规范	根目录 AGENTS.md / Agent.md
模块上下文	局部业务规则	订单状态机、支付回调约束、权限模型	模块目录 README 或 design doc
任务上下文	本次需求和验收	目标、范围、非目标、验收标准	issue、spec、prompt
反馈上下文	执行结果	测试失败、日志、截图、review意见	Agent运行记录、CI、报告

Agent.md适合承载全局上下文。它不需要写成项目百科，而要写成Agent工作手册，重点回答"在这个仓库里怎么安全地做事"。一个更干货的模板如下：

Agent Guide

Project:
- Runtime: Node.js 20, pnpm
- Framework: Next.js + NestJS
- Package manager: only pnpm, do not use npm/yarn

Commands:
- Install: pnpm install
- Dev: pnpm dev
- Type check: pnpm typecheck
- Unit test: pnpm test
- E2E: pnpm e2e

Architecture Rules:
- API types live in `packages/contracts`
- Frontend must not import server-only modules
- Database writes must go through `OrderService`, not repository directly

Coding Rules:
- Reuse existing UI components in `src/components/ui`
- Do not add dependencies without explaining why
- Keep public API backward compatible unless spec says otherwise

Verification:
- For API changes: run unit tests + contract tests
- For UI changes: run typecheck + screenshot check
- For migrations: include rollback notes

Known Pitfalls:
- `order.status = PAID` does not mean fulfillment completed
- `tenantId` must be included in all order queries

模块级上下文可以更贴近业务。比如订单模块可以维护：

Order Module Notes

State Machine:
CREATED -> PAID -> FULFILLED -> CLOSED
CREATED -> CANCELLED
PAID -> REFUNDED

Invariants:
- paid orders cannot be deleted
- refund must create an audit record
- all queries must include tenantId

Tests:
- state transitions: `pnpm test order-state`
- export behavior: `pnpm test order-export`

上下文不是一次性文档，而是运行时策略。做任务时，可以按以下顺序收集信息：

1. 读全局规则：确认命令、技术栈、禁止事项。
2. 搜索入口：用关键词找到路由、组件、服务、测试。
3. 读相邻实现：优先模仿同类功能，而不是凭空设计。
4. 找验证口：确认测试文件、类型检查、启动方式。
5. 写任务状态：记录已确认事实、待确认问题、风险点。

一个可直接给Agent的任务上下文模板：

Task:
实现/修复：

Background:
当前行为：
期望行为：

Scope:
In:
- 
Out:
- 

Constraints:
- 不改动：
- 必须复用：
- 兼容要求：

Acceptance Criteria:
- [ ] 
- [ ] 

Verification:
- 命令：
- 手工检查：

上下文压缩也很重要。长任务中，不要让早期探索结果无限堆积，可以定期把工作状态压缩成：

Confirmed:
- Export endpoint is `POST /api/orders/export`
- Existing permission helper is `canExportOrders(user)`

Changed:
- Added async export task when count > 5000

Open:
- Need confirm whether finance role can export refunded orders

Verify:
- pnpm test order-export
- pnpm typecheck

高质量上下文有三个特征：短、准、可验证。短，意味着不把无关信息塞进窗口；准，意味着过期规则及时删除；可验证，意味着每个重要约束都能落到命令、测试、截图或人工检查上。上下文工程最终不是文档工作，而是把AI编程从"凭感觉生成"变成"按证据执行"。

2、Spec ------ SDD 规范驱动开发，把不确定性压到前面

AI编程最大的风险通常不是"写不出来"，而是"写出来的不是你真正要的"。SDD的核心价值，是把需求、边界、接口、验收标准前置，让AI在明确契约下实现，而不是在模糊描述里发挥。

Spec不是形式主义文档，而是AI协作的源头上下文。它越清晰，后面计划、任务拆解、代码生成、测试验证就越稳定。

2.1 SDD 核心理念

SDD，Spec-Driven Development，强调先写规格，再写代码。它与"先让AI生成一版看看"的区别在于：Vibe Coding追求快速产出，SDD追求可控交付。原型阶段可以随意一点，但进入团队研发、核心业务、多人协作或高风险改动时，必须把不确定性提前暴露。

SDD可以理解为四段式：

Specify -> Plan -> Tasks -> Implement
  规格       方案      任务拆解     编码与验证

每一段都有明确产物：

阶段	产物	主要问题	人的职责	AI的职责
Specify	需求规格	要做什么，边界在哪	定义业务目标和取舍	整理规格、发现歧义
Plan	技术方案	怎么做，影响哪些模块	审查架构和风险	找代码、给方案、列风险
Tasks	任务清单	先做什么，如何验收	确认优先级	拆分步骤和验证点
Implement	代码和测试	是否满足规格	review和验收	实现、测试、修复

SDD的第一个原则是"Spec是契约，不是说明书"。说明书可以宽泛，契约必须可判断。比如"导出体验要好"不是契约，"点击导出后3秒内出现任务创建反馈，任务完成后可下载xlsx文件，失败时展示失败原因"才是契约。

第二个原则是"先定义非目标"。很多需求跑偏，不是因为目标没说，而是非目标没说。比如：

Non-goals:
- 本期不支持导出历史归档订单
- 本期不改造现有订单查询接口
- 本期不支持自定义字段选择

非目标能显著降低AI过度实现的概率。Agent很容易"顺手"重构、补抽象、加配置、改接口；非目标就是刹车。

第三个原则是"验收标准要能变成测试"。可以用Given-When-Then写法：

Given 当前用户是 finance 角色
And 订单列表筛选条件为 status=PAID
When 用户点击导出
Then 系统创建一个异步导出任务
And 导出的文件只包含 PAID 订单
And 文件字段顺序与 `docs/order-export-fields.md` 一致

这种格式的好处是，它天然接近测试用例。AI可以据此生成单元测试、集成测试或E2E测试，人也能快速判断有没有遗漏。

第四个原则是"Spec随代码一起演进"。规格不是写完就锁死。实现过程中发现旧接口不支持、性能成本过高、权限规则冲突，都应该回到Spec修改，而不是在代码里偷偷绕开。否则代码和规格很快分裂，后续Agent再基于旧Spec工作时会继续犯错。

一个最小可用Spec模板：

Spec: Order Export

Goal:
让管理员和财务人员按当前筛选条件导出订单。

Users:
- admin
- finance

Rules:
- 只导出当前筛选条件命中的订单
- 超过 5000 条时创建异步任务
- 导出必须记录 audit log

API Contract:
POST /api/orders/export
Request: { filters: OrderFilters }
Response: { taskId: string, status: "pending" }

Edge Cases:
- 无权限：403
- 无数据：生成空文件，保留表头
- 任务失败：前端展示失败原因

Acceptance:
- [ ] 权限正确
- [ ] 字段顺序正确
- [ ] 大数据量走异步
- [ ] 有审计日志

SDD并不是要让所有需求都写成长文档，而是按风险匹配规格粒度。低风险任务可以写轻量Spec；涉及数据、权限、支付、迁移、对外API、跨团队协作时，Spec必须更完整。衡量标准很简单：如果AI实现错了，返工成本越高，Spec就越要前置。

2.2 SDD 工程实践，提示词精确度

SDD落地的关键，是把"提示词"升级成"规格生产流程"。不要直接让AI写代码，可以先让它按固定模板输出Spec，并要求它列出歧义点。

推荐流程：

1. 用户给出原始需求。
2. Agent整理为Spec草案。
3. Agent列出必须澄清的问题和默认假设。
4. 用户确认或修改。
5. Agent生成Plan和Tasks。
6. 用户确认后再实现。
7. Agent按Acceptance Criteria验证。

一个可复用的SDD启动提示词：

你先不要写代码。请根据我的需求产出一份Spec草案，包含：
1. Goal
2. Background
3. In Scope / Out of Scope
4. User Stories
5. Business Rules
6. API/Data Contract
7. Edge Cases
8. Acceptance Criteria
9. Open Questions

要求：
- 对不确定内容不要擅自决定，放到 Open Questions。
- 对低风险细节可以给出 Default Assumption。
- Acceptance Criteria 必须可测试。

当Spec确认后，再进入Plan：

基于已确认Spec，请先不要改代码。
请阅读相关代码后输出技术方案：
- 影响文件和模块
- 数据流变化
- 复用的现有模式
- 需要新增/修改的测试
- 风险和回滚方案
- 不建议采用的方案及原因

Plan确认后，拆Tasks：

Task:s
- [ ] 找到现有导出/任务队列实现，确认复用方式
- [ ] 增加 export API 的权限校验
- [ ] 增加导出任务创建逻辑
- [ ] 实现字段映射和xlsx生成
- [ ] 前端增加导出按钮和任务状态提示
- [ ] 补充权限、字段、大数据量测试
- [ ] 运行 typecheck/test 并记录结果

提示词精确度可以用"六要素"检查：

要素	差的写法	好的写法
目标	优化登录	减少登录失败后的重复输入
范围	做完整一点	只改登录页和登录API，不改注册
约束	代码优雅	复用现有 Form、Toast、AuthService
数据	支持筛选	支持 status、createdAt、tenantId
边界	注意异常	401跳登录，403显示无权限，5xx可重试
验收	能用就行	给出3个测试用例并全部通过

SDD实践中最容易踩的坑：

1. 只写功能，不写非目标，导致AI扩大范围。
2. 只写正常流程，不写异常流程，导致线上边界失败。
3. 只写UI，不写数据契约，导致前后端理解不一致。
4. 只写实现任务，不写验证任务，导致交付不可判断。
5. Spec确认后继续口头改需求，却不更新Spec。

可以把Spec质量用下面的清单审一遍：

Spec Review Checklist:
- [ ] 是否说明了用户和业务目标？
- [ ] 是否明确 In Scope / Out of Scope？
- [ ] 是否有 API 或数据结构契约？
- [ ] 是否覆盖权限、空数据、错误、并发/大数据量？
- [ ] 是否定义了可测试的验收标准？
- [ ] 是否说明不允许改动的兼容边界？
- [ ] 是否能直接拆成开发任务？

最终交付时，也让Agent按Spec回填结果：

Delivery Report:
- Implemented:
- Changed Files:
- Acceptance Criteria:
  - [x] ...
- Verification:
  - `pnpm test order-export`: passed
  - `pnpm typecheck`: passed
- Risks:
- Follow-ups:

这样，SDD就不只是"写文档"，而是把需求、实现、测试、交付报告串成同一条线。AI生成速度越快，这条线越重要；否则团队只会更快地制造返工。

3、MCP & Skills ------ AI编程的工具与能力层

当AI进入真实研发流程，它不能只靠聊天窗口。它需要读取文件、搜索代码、运行命令、访问设计稿、查询日志、检查CI。MCP和Skills分别解决两个层面的问题：MCP让Agent能标准化使用工具，Skills让Agent按团队沉淀的方法完成任务。

3.1 MCP 工具

MCP，Model Context Protocol，可以理解为模型和外部工具之间的标准接口。它把"资源读取"和"工具调用"抽象出来，让AI客户端可以用统一方式连接文件系统、Git、数据库、浏览器、Figma、日志平台、内部系统等能力。

对AI编程来说，MCP最直接的收益是减少复制粘贴，让模型接触实时事实。比如：

场景	没有MCP	有MCP
查代码	用户手动贴片段	Agent搜索仓库并打开文件
查设计	用户截图描述	Agent读取Figma节点和变量
查数据库	用户转述schema	Agent查询只读schema
查错误	用户贴部分日志	Agent检索完整trace
验证页面	用户肉眼看	Agent打开浏览器截图检查

一个MCP Server通常会暴露三类能力：

Resources: 可读取的上下文
- file://src/order/service.ts
- docs://payment/refund-policy
- db-schema://orders

Tools: 可执行的操作
- search_code(query)
- run_tests(pattern)
- query_logs(traceId)
- get_figma_node(nodeId)

Prompts: 可复用的任务提示
- review_api_change
- generate_migration_plan

工程上接入MCP，不建议一开始就追求"大而全"。更好的顺序是从低风险、高频场景开始：

1. 代码检索：搜索文件、读取文件、查看diff。
2. 文档检索：读取架构文档、接口文档、业务规则。
3. 只读查询：数据库schema、日志、监控、CI结果。
4. 本地验证：运行测试、类型检查、lint。
5. 高风险操作：发布、写数据库、改配置，必须加确认和审计。

MCP设计时要重点关注权限。一个好用的工具不只是"能做事"，还要"做事边界清楚"。建议按风险分级：

tools:
  read_file:
    risk: low
    approval: never
  run_tests:
    risk: low
    approval: never
  query_prod_logs:
    risk: medium
    approval: on_sensitive_query
  deploy_service:
    risk: high
    approval: always
  execute_sql:
    risk: high
    approval: always
    allowlist:
      - SELECT

MCP工具命名和返回格式也会影响Agent效果。工具名要表达语义，不要只暴露底层API。比如 getOrderExportSpec(orderType) 比 httpGet(url) 更容易让模型正确使用。返回结果要结构化，避免把大段无关文本塞回上下文：

{
  "status": "failed",
  "command": "pnpm test order-export",
  "summary": "2 failed, 18 passed",
  "failures": [
    {
      "test": "finance can export paid orders",
      "reason": "expected 200, received 403",
      "file": "order-export.test.ts"
    }
  ]
}

落地MCP时，可以用这份检查清单：

MCP Checklist:
- [ ] 工具是否有明确名称和描述？
- [ ] 输入参数是否有schema和示例？
- [ ] 输出是否结构化、可被Agent继续使用？
- [ ] 是否限制了访问范围？
- [ ] 高风险操作是否需要确认？
- [ ] 是否记录调用日志和调用人？
- [ ] 失败信息是否能指导下一步？

MCP不是让AI"拥有更多权限"，而是让AI在明确权限内接触事实、调用工具、获得反馈。没有治理的工具调用会放大风险；有边界、有审计、有验证的MCP，才是企业AI编程的基础设施。

MCP商店-引用

3.2 Skills 从"工具调用"到"业务Context 封装"

MCP解决"能调用什么工具"，Skills解决"遇到某类任务应该怎么做"。工具调用是能力点，Skill是工作流。一个好的Skill会把任务识别、上下文获取、执行步骤、验证方式和注意事项封装起来，让Agent复用团队最佳实践。

可以把Skill理解成"可执行的经验文档"。它不是一句"请写高质量代码"，而应该像下面这样具体：

Skill: implement-admin-list-page

When to use:
- 新增后台管理列表页
- 修改已有列表页的筛选、表格、批量操作

Context to collect:
- 路由配置
- 同类列表页实现
- API contract
- 权限配置
- UI组件库用法

Steps:
1. 找到最相似的已有列表页
2. 复用页面布局、Table、FilterForm、Pagination
3. 对齐API字段和前端类型
4. 增加空状态、加载态、错误态
5. 补充权限控制和测试

Verification:
- pnpm typecheck
- pnpm test admin-list
- 浏览器检查桌面和移动端布局

Skill与普通文档的区别，在于它面向Agent执行。它要告诉Agent"先看哪里、复用什么、避免什么、如何验证"。尤其在企业项目里，很多关键知识不是框架通用知识，而是团队约定：按钮权限怎么配、错误码怎么翻译、审计日志怎么写、租户ID从哪里取、哪些服务不能直接调用。

一个成熟Skill通常包含五个部分：

部分	作用	示例
Trigger	什么时候使用	"涉及支付回调时使用"
Context	需要收集什么	API文档、状态机、日志样例
Procedure	怎么执行	先补测试，再改服务，再验证
Constraints	禁止/必须事项	不直接写DB，必须记录audit
Verification	如何验收	单测、集成测试、回放日志

以"修复线上Bug"为例，Skill可以这样设计：

Skill: production-bugfix

Procedure:
1. 收集错误信息：traceId、版本号、时间范围、用户影响面
2. 查最近变更：git log、release notes、相关PR
3. 定位代码路径：日志关键词、接口路由、服务方法
4. 先写复现测试：用失败用例锁定问题
5. 做最小修复：避免顺手重构
6. 跑回归验证：相关测试 + 类型检查
7. 输出风险说明：影响范围、回滚方式、是否需补数据

Rules:
- 不在未复现前做大范围重构
- 不修改无关格式
- 涉及数据修复必须单独出脚本和回滚方案

Skills和MCP的组合方式是：Skill编排流程，MCP提供工具。比如生产Bug修复Skill可能调用日志MCP查trace，调用Git MCP查最近变更，调用文件系统MCP读代码，调用测试工具运行回归。没有Skill，Agent可能会随意调用工具；没有MCP，Skill只能停留在建议。二者结合后，AI才像一个遵守团队流程的工程助手。

设计Skill时要避免两个问题：

1. 太抽象：只写"遵守最佳实践""保证安全可靠"，Agent无法执行。
2. 太僵硬：把文件路径、字段、流程全部写死，项目一变就失效。

更好的写法是"稳定规则写死，可变信息让Agent查证"。例如：

Stable Rules:
- 所有订单查询必须带 tenantId
- 支付回调必须幂等
- 对外API字段不能删除，只能兼容新增

Dynamic Lookup:
- 具体路由请搜索 `orderRoutes`
- 同类测试请搜索 `*.order-export.test.ts`
- UI组件优先参考最近3个月新增的后台页面

Skill也需要版本化和复盘。每次Agent在某类任务上失败，都应该反向更新Skill：是少了上下文？少了禁止事项？验证命令不完整？工具返回不清晰？这样Skill会从"经验记录"变成"组织能力资产"。

最终，一个团队的AI工程体系可以这样分层：

Model      : 通用推理和生成能力
Context    : 项目事实、任务目标、约束和反馈
Spec       : 需求契约和验收标准
MCP        : 工具与外部系统连接
Skills     : 可复用任务工作流
Verification: 测试、CI、截图、审查

这套分层的重点不是追求复杂，而是让AI每次工作都能回答四个问题：我该看什么？我该按什么规则做？我能调用什么工具？我怎么证明做对了？能稳定回答这四个问题，AI编程就从"尝试一下"进入了工程化阶段。

参考资料：
Agent.md
trae 2026 企业级AI编程实践手册
千问云-SDD编程
awesome-design-md
ai编程工具