Agentic Coding

核心用法

Agentic Coding 是一套将 AI 代理输出转化为可审查、可合并代码的执行框架。其核心是 PACT 循环（Problem-Acceptance-Change-Trace）：

1. Problem Framing — 重述目标与假设，确保理解对齐
2. Acceptance Design — 在编辑前定义可验证的成功标准
3. Change Set — 生成最小有效 diff，避免大范围重写
4. Trace and Test — 提供测试证据与残余风险评估

用户需在 ~/agentic-coding/ 目录维护四份持久化文档：memory.md（偏好配置）、contracts.md（已接受的任务契约）、evidence.md（测试证据）、handoffs.md（交付说明与回滚提示）。

显著优点

• 契约驱动：强制"无契约不编码"，消除模糊需求导致的无限迭代
• 证据链完整：要求"先证失败、再证修复"，避免虚假信心
• 审查友好：微 diff 策略 + 交付包格式，降低 CR 认知负担
• Xcode 专项优化：针对 Swift/iOS/macOS 开发绑定具体 target、模拟器与测试命令
• 隐私安全：全部数据本地存储，零网络外泄

潜在局限

• 认知开销：小型探索性任务可能显得流程过重
• 协作摩擦：需团队接受契约评审文化，与"vibe coding"即兴风格冲突
• 工具依赖：深度集成 Clawic 生态，迁移成本待观察
• AI 幻觉未根除：仅约束输出格式，不保证逻辑正确性

适合人群

• 负责生产 feature、风险重构、回归修复的资深开发者
• 需要向团队/审查者交付"可辩护"代码变更的工程师
• 在 Xcode 生态中追求确定性的 iOS/macOS 开发者
• 对 AI 生成代码持审慎态度、强调验证优先的技术负责人

常规风险

• 僵化应用：对原型或 spike 过度使用 PACT 会拖慢探索速度
• 契约质量依赖：若 acceptance criteria 定义模糊，后续步骤失效
• 证据伪造：AI 可能生成看似合理但未实际运行的测试输出（需人工核验）
• 平台锁定：记忆路径与协议格式与 Clawic 强绑定

Agentic Coding：契约驱动的AI辅助编程规范

Agentic Coding是一套面向生产环境的AI辅助编程方法论，通过严格的契约先行（Contract-First）模式，将"氛围编程"（Vibe Coding）的探索性转化为可交付、可验证、可回滚的工程实践。

核心用法：PACT执行循环

该技能强制要求每个任务遵循PACT循环：

• Problem framing：精确定义目标与假设
• Acceptance design：编写验收条件（必须先于代码）
• Change set：生成最小可用差异（micro diff）
• Trace and test：提供可复现的验证证据

用户需在~/agentic-coding/目录维护四份核心文档：contracts.md（已接受的任务契约）、evidence.md（测试证据与快照）、handoffs.md（交付说明与回滚提示）以及memory.md（持久化偏好）。

显著优点

1. 质量门控内置化：将"验收标准"从文档注释提升为执行前置条件，杜绝"先写再改"的债务累积
2. Xcode原生适配：针对Swift/iOS开发明确约束——必须在编辑前绑定具体Target、模拟器/设备及测试命令
3. 确定性交接：每个周期输出标准化交付包（变更说明、影响范围、验证结果、风险清单、回滚路径），大幅降低Code Review认知负荷
4. 失败证据化：强制"先证失败、再证修复"（red-green loop），避免"应该修好了"的虚假信心
5. 零外部依赖：纯Markdown文档技能，无网络调用、无敏感数据外泄、无执行代码

潜在局限

1. 认知开销：相比直接提示生成代码，契约撰写和证据收集显著增加前期投入，不适合快速原型或探索性任务
2. 工具链耦合：深度依赖Clawic Hub生态（clawhub install/sync/star），跨平台迁移成本未明
3. 规模边界：单契约单目标的设计原则意味着大型重构需拆分为多个顺序契约，可能增加协调复杂度
4. 自动化盲区：虽要求"验收先于代码"，但契约本身的正确性仍需人工校验，无法防止"错误的正确"

适合人群

• iOS/macOS开发者：需处理Xcode发布分支热修复、回归测试、Swift功能交付
• 代码审查者：希望AI输出具备"Reviewer-Ready"结构，减少反向澄清
• 技术债务管理者：正在进行高风险重构，需要可回滚的安全网
• 合规敏感团队：无法接受"黑盒生成"模式，要求变更可追溯、证据可审计

常规风险

• 契约漂移：用户可能为求快而弱化验收条件，导致形式合规实质放水
• 证据造假：AI可能生成看似合理但不可复现的"验证结果"，需人工抽查
• 过度自信：S+安全评级仅针对技能本身，不覆盖AI生成的业务代码质量
• 锁定风险：长期使用可能形成对Clawic Hub工作流的依赖，迁移时需重新适配