用最小充分原则遏制 AI 代码过度工程化

是什么 这条推文把“模型写错了”重新定义为“模型写得过多”：配置改动被扩成框架，修 Bug 被包上适配器层，短期测试全绿，长期却让维护者穿过多层间接逻辑。配图中的 AGENTS.md 将这种风险落成编码代理的执行约束。

核心设计 总原则是“最小充分方案”：先明确目标、非目标、验收标准和保持不变项，再直接读相关代码、优先做根因修复。规划阶段可用强推理，执行阶段降到中低强度；默认单线程、技能按需启用，拒绝无关框架、兼容层、第二套实现和过度前瞻设计。测试只服务当前变更，已有测试足够就不新增。

关键洞察 防止过度工程化的关键不是让模型少思考，而是把思考集中在边界与证据上。“不可逆操作先确认”“发现扩 scope 就退回小计划”等规则，能把代理从自动堆叠拉回可审查的交付节奏，也适合作为项目级代理规范。

边界与风险 “最小”不等于草率；复杂故障、公共接口变化和安全修复仍可能需要抽象或更多测试。若机械压低推理预算、禁止测试，反而会漏掉回归。应按验收标准和风险等级投入，而非把克制变成新教条。