在AI生成程式碼中透過ADRs和契約強制執行不變數

Zarar Siddiqi在2026年6月30日發表了一篇文章，探討如何在AI生成程式碼中強制執行不變數。不變數源於領域驅動設計，是指系統必須始終滿足的規則，以確保有效狀態。然而，大型語言模型（LLM）生成的程式碼可能看似正確，卻悄悄地違反了這些隱含約束。因此，需要將不變數編碼到AI無法忽略的地方。

文章提出了兩種方法：架構決策記錄（ADR）和RFC 2119關鍵字。ADR用於記錄架構決策，並將其視為不變數。為了有效使用ADR，需要識別何時記錄決策、實際記錄，並指導AI代理將其作為不變數對待。作者透過一個ADR自動建議技能來識別架構轉折點，例如“X vs Y”比較、引入新依賴等。該技能不編寫記錄，而是提醒使用者使用/adr命令。命令會建立包含上下文、決策、選項和後果的ADR檔案，並維護索引頁面。

為了強制AI代理查閱ADR，作者新增了一個確定性鉤子（check-adrs.sh），在程式碼生成停止時執行。它會檢查修改的檔案是否在ADR的範圍內，以及該ADR是否在會話中被開啟過。如果沒有，則阻止程式碼透過。

對於行為需求，使用RFC 2119關鍵字（如SHALL、MUST）結合Gherkin場景（given/when/then）來指定規則。例如，“系統在訂單完成時SHALL建立履行記錄，每條記錄MUST有唯一識別符號”。作者使用OpenSpec工具自動生成規範，並在實現偏離時重寫，以保持規範與程式碼同步。同樣，需要確保AI代理在生成程式碼前查閱規範。

總之，ADR和RFC 2119規範從不同角度解決相同問題：ADR固定架構決策，規範固定行為。兩者都需要確定性檢查來確保代理實際查閱，而不是依賴提示。這些檢查是淺層的，只驗證規則是否被諮詢，而更深層的語義判斷仍需要人工和測試。將更多不變數從文本提示轉移到可強制執行的檢查，可以減少對模型記憶的依賴，保持程式碼庫的穩定狀態。