AGE（Attractor Guided Engineering）是我在开发 nop-chaos-flux 过程中形成的一套 AI 原生工程方法论。
https://github.com/entropy-cloud/nop-chaos-flux是一个完全由 AI 主导开发的大型前端框架型项目。
与一般的Harness方法论不同，AGE的思想来源是数学物理中的动力系统受控收敛图像，因此，它的引入相比于一般基于经验积累的方法论总结，带有明显的创新性。AI大模型在直接阅读AGE相关的文档和实践时，经常会抓不住重点，频繁的回落到自己更熟悉的工程语言中，比如：
- 把吸引子理解成边界、护栏或更强的约束；
- 把 skill 理解成知识组织的主载体；
- 把信息形式问题理解成"是否统一 spec"；
- 把 plan 理解成执行清单或审批页；
- 把 logs、bugs、history 理解成事后留档，而不是系统收敛机制的一部分。
但真正的重点并不是这些。
1. AI 是高频随机扩张力，系统必须具备内生收敛力
AI 在工程系统中更像一种高速、带随机性的扩张力量。若要让它持续参与系统演化而不导致整体漂移，收敛力就不能寄希望于模型自身，而必须内在于 Agent + 文档 + 代码 + 验证/审计/记忆机制 组成的整体系统之中。也就是说，真正让系统稳定收敛的，不是 AI 自发的方向感，也不是个别人脑中未外化的架构判断，而是 这个扩展认知系统所提供的结构性地形。
2. 通用 skill 不能替代项目特定的吸引子
通用 skill 最多掌握任务类型或领域内的通用知识，但通常缺少对"这个项目为什么这样设计"的理解，尤其缺少对项目定位、架构取舍、设计哲学、宏观原则、历史包袱和当前基线的把握。因此，它不足以形成项目特定的吸引子。当系统只能拿到大量缺乏权威层级、proof relation 和 precedence 约束的信息时，信息增多反而会放大冲突并增加系统不稳定性。真正需要的，不是通用架构套话，也不是某种八股化目录结构，而是该项目自身特定的设计思想、语义权威链和长期收敛方向。
吸引子引导的实质，不是"把架构写清楚"，而是把项目特定的设计思想、宏观原则、权威关系、证明链、历史否定空间，组织成一个能持续塑造后续演化趋势的系统结构。也就是说，吸引子不是一份文档，而是一个被多种仓库制品共同承载的稳定收敛拓扑。
3. 信息本体不依赖形式，但形式影响智能计算效能
信息本身与形式无关，同一语义可以存在于文档、代码、测试、DSL、日志等不同载体中。但形式会显著影响智能计算的效率、稳定性和歧义率。因此，问题不在于是否必须采用统一 spec，而在于信息组织方式是否贴合领域逻辑。相比将知识拍平成固定格式的平面列表，更好的做法通常是按领域概念、语义关系和权威层级独立整理，并通过链接建立拓扑结构。领域特定的表达，更有潜力实现高效的信息组织与语义传递。
重点不是"形式统一"，而是"结构服从于领域"。
4. Plan 是局部收敛闭环，必须接受外部审计
Plan 的作用不是充当会话中的临时草稿，而是作为某一轮局部变更的验证闭环与收敛机制：这次为什么要动、边界在哪里、什么才算真正闭合、还剩哪些后续义务。正因为如此，Plan 本身以及 Plan 的执行结果都应接受强制性的外部审计，避免"实现者自己定义完成、再自己宣布完成"的自我验证陷阱。至于 Plan 的具体结构，不必绝对统一，可以根据项目复杂度、任务风险和 AI 当前可靠性动态调整，例如是否引入 skill 选择审查、closure gate 强度如何设定等。
5. 轨迹是核心对象，轨迹挖掘是未来收敛力的生成机制
动力系统视角中，一个极其关键但常被忽略的对象是轨迹。大多数实践仍然停留在任务驱动：任务完成了，脚手架似乎就没有用了，历史是否保存也无所谓。这正是常见的盲点。
仅仅关注单次任务是否完成是不够的，更重要的是持续记录系统演化轨迹。轨迹的意义不只是记录过去发生了什么，而是从系统历史中持续提取趋势性信息和周期性信号，例如：
- 哪些误解在反复出现；
- 哪些局部正确在累积成方向错误；
- 哪些审计误报在浪费系统预算；
- 哪些设计债会周期性回潮；
- 哪些临时修补总会重新长成结构性问题。
这些轨迹信息不应在任务结束后被丢弃，而应被进一步蒸馏为倾向性的审计提示词、校准规则、规范性文档补丁或约束性文档增量，从而形成越来越强的收敛力量。相比当前普遍仍停留在任务驱动的实践，轨迹挖掘代表的是从"完成任务"转向"塑造长期受控演化"的升级。
结论
AI 负责扩张，项目特定吸引子负责定向，Plan 负责局部闭环，轨迹挖掘负责持续增强收敛力，而这一切都应建立在符合领域语义拓扑的信息组织之上，而不是依赖通用 skill 或固定模板。
吸引子引导解决的是系统长期往哪里演化，轨迹挖掘解决的是系统如何从自己的历史中持续生成更强的收敛力；这两者加起来，AGE 才真正超过了一般的 skill、guardrail、workflow、review-agent 叙事。
参考：