AI 辅助编程版图与 CSF 定位图谱
从"技术对抗/符号规训"到"人与AI对等的协作消熵"演进脉络
1. 自主智能体流派 (Autonomous Agent)
代表： Devin, Swe-agent, OpenDevin
方法论： ReAct (感知-规划-执行-反馈), 沙盒运行, 多Agent协同
认知预设： 认为 AI 犯错是因为"能力不够、工具不全"，试图通过技术对抗硬顶 LLM 的缺陷，追求完全脱手的长时间自动化。
2. 规范驱动流派 (SDD / TDD)
代表： Augment Cosmos, Kiro, GitHub Spec Kit
方法论： 契约式编程, 行为规范 (Specs), 自动化测试套件, 形式化验证
认知预设： 属于"软件工程的"延伸。认为 AI 犯错是因为"没有标准、胡乱发挥"，试图用刚性的符号系统把 AI 锁死在确定性轨道上。
3. CSF 协作规范框架
定位： 人与 AI 对等的人机协作规范框架
方法论： 基线-log分离, 任务滑动窗口, 三元组激活器, W-协议
核心预设： 承认 AI 活性，不进行技术对抗或符号阉割。通过硬性物理隔离控制 AI 读什么，用"目的"作为最小变量激发 AI 的主动性。
CSF 的三大基础认知（基本假设）
自然语言表达承载的信息量，远高于符号系统。
（自然语言能激活 LLM 最大的语义范围，符号系统则会导致语义层截断）
AI 的价值来自 "智能"（活性）。
（尝试让他如机械一般可靠、消除其活性，就是在消除他的价值）
语义稀释是不可逆的自然规律。
（伴随时间，一个表达承载的信息量不可避免地增长，AI 对其掌控力变弱）
传统"软件工程的"规训路径 (SDD)
输入端：符号化约束
用严格的 Specs、类型定义、API 契约限制输入，试图在供应侧消除歧义。
执行端：单向填空
AI 扮演机械执行的"代码生成器"，丧失了主动分析和意图理解的活性。
验证端：技术语言对账
依赖自动化测试（TDD）和编译检查，无法检出业务认知层面的隐蔽偏差。
CSF：人与 AI 对等协作框架
基线-log 分离（物理消熵）
核心解决 AI 读了太多不必要信息的顽疾。只读无污染的最新基线，从物理上避免注意力溢出。
滑动窗口与三元组（抬头/低头平衡）
窗口同时承载宏观和具体目的。用正确的自然语言信息，在消费侧激活 AI 的活性与主动性。
W-协议（业务语言放大）
强制将技术实现翻译回业务语言，利用跨语言翻译放大误解的规律，用人类直觉进行拦截。
CSF 理论深度探讨与实践社区
微信扫码加入星球，共同演进 CSF
"CSF 的本质是：承认 AI 具有非程序性智能（活性），不再试图用机器逻辑阉割 AI，而是通过硬性的物理隔离（基线-log分离）和目的引导（滑动窗口），建立一个人与 AI 对等、安全传导变化的协作框架。"
© 2026 CSF (Collaboration Specification Framework) · github.com/huidev2025/CSF