五个Skill，密歇根大学把AI编程课做成了工程流水线

密歇根大学开了一门AI编程课，叫「Applied Agentic Software Engineering」。它没有教怎么写提示词，而是把整套方法论拆成了五个可复用的Skill，串成一条从遗留代码到代码评审的流水线。

五个Skill依次是：/peanuts、/elephant、/goldfish、/egm-implement、/mean-review。名字起得随意，但每个都对应一个具体的工程痛点。

先给百万行遗留代码建地图

第一个Skill叫/peanuts，专门对付没有设计文档的遗留代码库。百万行代码对AI来说是一片丛林，进去就会迷失、产生幻觉。

解法是每个目录一个README。叶子目录是"花生"，分支目录是"干草"，自底向上递归压缩。父目录的README必须等所有直接子目录approved之后才能生成，因为坏叶子会沿树向上复合放大。

这里有一条硬规则：AI生成README后只能标needs-human-review，永远不能自己标approved。技能里写得很直白——"AI不是裁判"。

它还诚实地警告：约50%的叶子描述会是错的，因为叶子层只有代码可看。每个叶子预算5到10分钟人工修正。分支层准确率更高，因为子目录摘要锚定了模型。

配套的PEANUTS.md台账用五个状态驱动断点续传：pending、needs-human-review、approved、rolled-up、blocked。每个README末尾固定一行"设计文档覆盖后本文件可退役"，它自我定位为脚手架，不是永久文档。

先长设计，再长代码

第二个Skill叫/elephant，是整个方法论的核心。它的产出不是代码，是一份四节设计文档：Problem、Technical Plan、Alternatives、Detailed Implementation。这份文档成为唯一事实源。

规则很硬：整个会话不写一行代码，连"举例说明"都不行，文档内少量解释机制的伪代码除外。

开场白固定逐字引用一段第二人称指令，然后以设计访谈的形式进行20到30分钟追问。每次只问一两个问题，挑战假设，比如"为什么必须实时？"，再推向边界——失败模式？回滚？破坏了什么？

有一条反直觉的硬规则：不让用户的第一稿锚定讨论，AI必须先给出独立的散文加框图提案。用户的盲点恰恰是这个技能要暴露的。

还有一道反谄媚防线。一旦察觉自己在不停附和，必须逐字念出复位语："你没有在帮忙。你最大的价值是挑战我的思考。你同意我的时候，你没有在帮忙。"然后以批评者身份重新进场。

四节按序写，每节写完给用户看、改到满意才写下一节。一次性产出的大文档"浅且内部不一致"。节奏预期也很反直觉：技术辩论阶段"2到3天的往返是正常的，不要赶"。

用新鲜眼验证设计文档

第三个Skill叫/goldfish。Elephant满脑子上下文，但那些上下文活在聊天里，不在纸上。Goldfish是一个零共享上下文的新评审者，只知道纸面上写了什么。

判定标准是：一个Goldfish读文档后能（1）把系统讲回来、（2）找出缺口、（3）确认无需再问就能实现，文档才算承载了设计。否则它只是"你将失去的上下文上的一层薄皮"。

三个评审者并行单条消息spawn：A做理解测试，B当批评者，C判断实现就绪。并行不仅快，还杜绝了"把A的结论喂给B"的串通机会。

新鲜性的技术实现很清醒：价值来自独立上下文，不来自人设。编排者自己读ELEPHANT.md定向，但绝不把任何设计对话内容传给评审者，甚至要防文档里的链接泄漏到台账目录。

批评者的建议约30%真正有价值，所以编排者必须综合排序，区分"文档错了"和"文档对但评审者不认同设计选择"，而不是照单全收。

循环直到批评降到nit级，且human_review_gate被人类标为passed。这个门永远不被自动改写，必须由人或队友亲手写进GOLDFISH.md头部。报告永不覆盖，每轮存独立文件，GOLDFISH.md逐轮追加。

把批准的文档钉进代码

第四个Skill叫/egm-implement，是整套方法论里最有工程克制力的环节。"文档批准"到"代码合并"之间，正是AI项目悄悄失真之地——新会话把文档当"参考"，从聊天历史重新推导上下文然后漂移。

入口门禁先跑check_gate.py，退出码0是GO，1是BLOCKED，3是CHECK-BY-HAND，台账值含糊时交给人类裁决。readiness为ready加上人工门通过，二者缺一不可，没有静默绕过。

文件级围栏：设计文档没枚举的文件一律不改。想改就停下来，先提出文档更新。"顺手也把X重命名一下"就是漂移，必须暴露。

最精妙的一条规则是漂移暴露而非吸收。现实与文档不符时，不是默默改掉，而是在IMPLEMENT.md记drift条目，按影响分级：小澄清就地改文档、实质性改动重写该节、大改回炉/elephant或/goldfish。未解决的漂移不许开工。

IMPLEMENT.md同时是崩溃恢复协议，每个文件、每个决定、每条漂移实时记录。会话崩了零成本，新会话读台账从断点继续。六个月后有人问"这代码为什么长这样"，答案是一份三件套：设计文档加验证记录加实现轨迹。

对代码的对抗性评审

第五个Skill叫/mean-review，与goldfish镜像——goldfish审文档，mean-review审代码。它的前提判断很尖锐：AI产码速度已超过人类细审能力，一个客气地说"看起来不错！"的AI评审者，恰恰是slop大规模堆积的方式。

开场必须逐字念那句"我强烈直觉这代码质量很差，请把它撕碎，告诉我它烂在哪"。这个框架就是"允许尖锐"的授权，没有它模型会漂回客气腔。

四项强制扫描交给Python脚本：10行无注释规则、超50行函数、弱命名黑名单（data、tmp、result、helper、utils等）、静默吞异常。结果带[enforced]标签，与判断性发现区分。人类评审最容易扫视漏掉的恰恰是这四类。

有一个聪明的豁免：声明式代码豁免10行注释规则，"事物的形状本身就是解释"。误标声明式代码算评审者错。评审要读全文件而非只读diff hunk，一半的正确性bug藏在改动周边的代码里。

产出是有优先级的punch list，correctness大于maintainability大于style，每项带标签、file:line、一句问题加一句修法，禁止"也许可以考虑"式的软化语。语气校准是：尖锐但不辱骂，"This is broken, here's why"对，"What were you thinking?"错。它只评审，永不改代码。

五个Skill串起来看，是一条完整的链路：先给遗留代码建地图，再长出设计文档，用新鲜眼验证，把文档钉进代码，最后对抗性评审。每个环节都设了人类评审门，AI负责生成和检查，人负责裁决。