Reins Engineering

Reins Engineering — 给AI装上缰绳 Image: AI generated

没有缰绳的马

AI编程工具变得很快。30秒完成登录，2分钟搞定支付，三周内交付一个MVP。

三个月后，一切崩塌。

AI"整理"支付逻辑时改变了折扣计算。重构请求修改了公开API的字段名。添加新功能破坏了认证。根据卡内基梅隆大学的研究（MSR 2026），采用AI编程工具后，代码复杂度永久增加41%。Google DORA Report（2025）显示，AI采用率每增加25%，交付稳定性下降7.2%。

问题不在于AI愚蠢。而在于没有缰绳。

围栏只是围栏

业界的回答是"harness engineering"。Linter、格式化工具、CI/CD、项目结构、编码规范。防止代理越界的围栏。

围栏不指明方向。代理在围栏内做什么——覆盖现有逻辑、更改类型、跳过状态转换——linter通过，格式化通过，CI通过。代码到达生产环境时"干净但错误"。

鞍装好了，骑手上马了。但没有缰绳，只能用大腿夹紧，三个月后摔下来。

Reins Engineering是一种工程方法，给AI代理提供确定性契约，当契约被违反时阻止推进。

它由三个要素构成：

1. 确定性反馈

给代理事实，而非意见。不是"这看起来有问题"，而是"第41行：字段名不匹配，期望’user_id’，实际为’userId’"。不给阿谀奉承留任何空间的反馈。根据TDAD研究（arxiv 2026），程序性的"做TDD"指令反而加剧回归（6.08% → 9.94%），而在上下文中提供具体测试文件可将回归减少70%（6.08% → 1.82%）。

2. 契约锁定（Ratchet Pattern）

验证通过后，锁定它。以这种方式编写的验证代码称为 ratchet code。Hurl测试以纯文本声明API行为，每次提交时在CI中运行。通过的 ratchet code 不可删除。代理可以自由修改代码，但不能改变行为。漂移在结构上被抑制。

3. 决策与实现分离

代码中混合的三样东西——用户决策、业务逻辑、实现细节——被分离。决策存在于声明式规范中（OpenAPI、DDL、状态图）。实现由AI自由生成。AI无法将决策误认为细节而覆盖。决策的存续不再依赖模型大小。

演进

Prompt Engineering      → Say it well and it works
Context Engineering     → Give good context and it works
Harness Engineering     → Contain it with structure
Reins Engineering       → Steer it with direction

每个阶段都诞生于前一阶段的局限。仅靠提示词缺乏一致性。上下文无法阻止代理失控。围栏无法防止边界内的漂移。

Reins Engineering不是围栏——是缰绳。它不限制代理的自由，而是确保代理到达目的地。

80 : 20

Reins Engineering并不覆盖一切。它精确地知道自己覆盖的范围。

Deque Systems分析了超过13,000个页面中约300,000个无障碍质量问题（2021）。57%可完全自动化判定，23%需要AI辅助，20%只能由人类判定。无障碍与代码是不同的领域，但它们共享同一结构：“机器能判定的比例是多少？”

透过这个视角审视代码质量：

57% — 棘轮的领域。声明行为，机器无需询问即判定违规。go test、Hurl、yongol check、filefunc validate。
23% — 护具的领域。Linter、格式化工具、CI。机制是确定性的，但验证深度停留在表层。无法捕获行为正确性，但能规范结构与风格，提升AI生成质量。
20% — 人类的领域。业务适配性、用户体验、架构方向。

Reins Engineering不替代护具，而是骑在护具之上。

护具（表层确定性）     23%
+ 棘轮（行为确定性）   57%
──────────────────
                     80%

人类专注于剩余的20%。

为什么更大的模型不是答案

“GPT-6会解决一切。”

不会。问题不在于模型智能——而在于介质。代码作为介质无法区分决策与实现。任何模型读代码时都看到决策和细节混在同一段文本中。

一个4.5B的本地模型（Gemma4），配合确定性反馈+示例上下文，可以将SSOT编辑到零错误。前沿模型编辑原始代码则产生漂移。差异在于结构，而非智能。

不要换模型。加上契约。

证据

yongol是Reins Engineering的实现。它用287条规则交叉验证10个声明式规范（SSOT）的一致性并生成代码。

ZenFlow基准测试——一个多租户工作流自动化SaaS。32个端点，14张表，47个Hurl请求。11/11阶段通过。添加功能没有减速。现有测试从未失败。

使用本地4.5B模型成功生成了可工作的后端。成本$0。离线运行。缰绳弥补了模型规模留下的差距。

不是AI审查自动化——是代码审查自动化

业界的主流方法是AI审查自动化。一个LLM生成代码，另一个LLM审查它。一个醉汉问醉酒的朋友"我醉了吗？“的结构。前沿模型的阿谀屈服率为58%。LLM-as-Judge的虚假通过率为36%。概率性生成乘以概率性验证，精确度退化。

Reins Engineering是代码审查自动化。LLM生成，确定性代码验证。validate不会阿谀奉承。go test不会产生幻觉。覆盖率测量不会撒谎。通过就是通过，失败就是失败。

AI审查自动化:    LLM → LLM验证 → 阿谀 → 虚假通过 → 漂移
代码审查自动化:  LLM → 代码验证 → 事实 → 通过/失败 → 收敛

在AI代理每秒生成数十行代码的时代，人类无法阅读所有代码。但将审查交给AI意味着阿谀替代了验证。当代码代行机器可验证的部分时，人类可以专注于机器无法判定的决策——业务适配性、用户体验、架构方向。

人工审查不会归零。**人工审查的痛苦减少了。**代码能审查的交给代码，只有人类才能审查的留给人类。

没有缰绳的围栏只是围栏

AI已经足够强大。缺少的是方向。

围栏建得越高，代理在里面漂移得越快。握住缰绳，代理就会跑向目的地。

Reins Engineering——面向AI代理的结构化确定性验证。

独立收敛

Reins Engineering不是一个人得出的结论。互不相识的人撞上了同一堵墙，抵达了同一个原则。

episteme — 由UIUC研究人员构建的AI代理认知控制平面。在不可逆操作之前，强制在文件系统层面创建Reasoning Surface。与ratchet相同的原则，不同的实现。

MagLab — 由KAIST自旋电子学研究人员构建的物理研究流水线。声明：“LLMs only reason and plan. They do not compute numbers, fabricate citations, or generate figure data.” 所有数值输出由确定性工具产生。

Manifesto — MEL (Manifesto Expression Language)，用于声明式定义前端状态转换。核心原则：“Agent proposes, World verifies.” 代理只提出意图；状态转换由确定性验证。

NEKOWORK — 一个安全门，在合并之前用确定性规则扫描AI生成的代码差异。无论代码由Claude Code、Cursor还是Codex生成都有效。LLM不做判断。

oh-my-kamisama — 指挥 Claude、Codex、Gemini 的多 CLI 指挥官(conductor)。它读取真实的 git diff 而非 worker 的说辞(“diffs beat claims”)，只有项目测试通过后才宣布完成。每次运行都以可审计的产物留在磁盘上——而非转瞬即逝的聊天记录。

五个项目可以用同一句话总结：生成可以是概率性的。验证必须是确定性的。

yongol — AI编程SaaS的龙骨 — Reins Engineering的实现。
Hurl阻止Vibe Coding漂移 — Hurl + ratchet锁定API行为。
Ratchet Pattern — 确定性验证与棘轮锁定的理论。
IFEval-Exploiting Ratchet Code — 利用阿谀偏差的反馈循环。
dry4go — Robert C. Martin（Uncle Bob）的Go结构性重复检测器。通过AST归一化 + Jaccard相似度确定性地检测DRY违规。

References

Cursino, D. et al. (2026). “Speed at the Cost of Quality? The Impact of AI Coding on Software.” MSR 2026. arxiv.org/abs/2511.04427
Google Cloud (2025). DORA Report 2025. cloud.google.com
Wang, Z. et al. (2026). “TDAD: Test-Driven Agentic Development.” ACM AIWare 2026. arxiv.org/abs/2603.17973
Karpathy, A. (2026). “From Vibe Coding to Agentic Engineering.” thenewstack.io
Deque Systems (2021). “Automated Testing Study Identifies 57 Percent of Digital Accessibility Issues.” deque.com
Anthropic (2026). “Demystifying Evals for AI Agents.” anthropic.com