斯坦福大学「AI 原生软件开发」第二周课程已公开 @mihail_eric 教授带来的这门「CS146S: The Modern Software Developer」已经进行到了第二周，主题是：高级上下文工程 https://themodernsoftware.dev/ 这周课程分为两节： 高级提示技巧 + RePPIT 框架与 SDD MCP 与工具调用全解：理论、搭建与工具设计 # RePPIT 框架：五步工作流 RePPIT (Research, Propose, Plan, Implement, Test) and spec-driven development 本周的方法论主体，Mihail 用一个自己 vibe code 出来的 Mint（个人记账应用）克隆做现场演示，为它添加"按类目显示消费趋势线"的功能。关键设定是：他自己也没读过这个代码库的代码，以此模拟接手陌生代码的真实场景。 五步各自要点： 1. Research（研究） — 只记录"现状是什么"，明确禁止提出改进建议。产出一份结构化的研究文档：代码库有哪些组件、行为契约是什么、关键代码位置在哪。这份文档有双重作用：既为后续步骤播种上下文（用压缩后的表示替代喂原始代码），也帮人自己建立足够的心理模型去鉴别智能体输出的好坏。 2. Propose（提议） — 基于研究文档，让智能体给出两个相互独立的方案（附权衡分析与开放问题）。为什么是两个？讲师用 PCA 打比方：他要的是"正交的主成分"，强制智能体探索解空间的两个不同方向，更多方案收益递减，剩下的判断空间留给人。人在这两步的参与度最高：作为理解产品需求与系统约束的专家做出选择，这是当前人类杠杆最大的位置。 3. Plan（计划） — 用模板化的设计文档填充：现状、功能性与非功能性需求、设计决策与权衡、技术设计（讲师特意要求带行号，让计划接近代码级别）、测试计划、可观测性、未来考虑。其中最有价值的一节是明确圈定范围外的事项（"不要碰这些，只做范围内的工作"）这是防止智能体跑偏做无关改动的重要护栏。 4. Implement（实现） — 提示词几乎就是一句"执行计划"。真正值得注意的变化是：现代智能体（如 Cursor）会隐式地打开浏览器、造测试数据、通过 CSV 接口上传来验证自己刚写的功能，实现与测试正在合并为一步。若你的智能体没有此能力，可加 Playwright 之类的 MCP server 补足。 5. Test（测试） — 分两层。行为契约（上传 CSV → 看到趋势线）由智能体的浏览器交互直接验证；性能、可读性、安全性等超出行为契约的部分交给 agent 驱动的代码审查（实践中常见四五个专门化智能体各管一域，安全、性能、风格，由协调智能体汇总成一份报告）。 # 上下文管理的三个实操问题 这是现场问答中含金量最高的部分（依据为 LangWatch 对 2,451 个 Claude Code 会话的实证研究）： 何时压缩（compact）？ 在 25 万–45 万 token 之间执行压缩，宁可偏晚也不要太早，压缩过早的代价远高于过晚。原始研究还发现上下文利用率随窗口膨胀急剧衰减：5 万以下时利用率 47.5%，60 万以上时只剩 2.5%；而压缩后 5 步内用户纠错率会升至基线的 2.37 倍（存在"压缩后迷雾期"），所以也不能无节制地压。 何时清空重开？ 演示中讲师做了一次他自认不妥的操作：选定方案后没清上下文，导致落选方案的 token 仍留在窗口里干扰执行。他的原则是倾向于清空，把关键信息写入文件，用压缩表示开新会话。另外不要从臃肿的父会话 fork 子智能体（有人因此一天烧掉 11 亿 token），应让子智能体从干净的小上下文起步。 模型怎么分配？ 前段（研究/提议/计划）用最强的模型，因为思考集中在这里；后段（实现/测试）可以用轻量模型。这是一种直接的工程化降本手段。 # MCP 与工具调用 第二次课覆盖 MCP 的理论、搭建与工具设计。配套阅读勾勒出三个层次： 1. 协议本身：server/client/tool/transport 的基本模型——让智能体以标准化方式调用外部能力。 2. 工程实践：Cloudflare 的企业级方案直面 MCP 落地的四大痛点，供应链风险（本地 server 依赖未审计软件）、授权失控（员工各装各的）、工具 schema 洪水（52 个工具约 9,400 token，Code Mode 把它们收拢成 2 个工具约 600 token，降 94%）以及影子 MCP 检测。其"门户 + 默认拒绝 + 审计日志"的架构是 MCP 企业化的一套参考答案。 3. 工具设计的"人机工学"：为智能体设计工具不是把 REST API 直接包一层——API 的组织逻辑服务人类浏览，而智能体需要的是低歧义、可组合、schema 精简的调用面。这与上一讲的"smart tokens"一脉相承：工具定义本身也占用上下文，也是要经营的成本。 # 生态对比：三条规格驱动路线 阅读材料中的 OpenSpec 与 Superpowers 正是 RePPIT 的工业化对照物，三者共享同一思想内核（先探索、再提案、再计划、后执行、终验证），但形态不同： RePPIT：讲师自用一年半打磨的个人技能集，轻量、可自由改造 OpenSpec（约 6.8 万 star）：以 /explore → /propose → /apply → /verify → /archive 命令固化为目录化的规格产物（proposal.md、specs/、design.md、tasks.md），强调规格随工作演进且团队与智能体对齐 Superpowers（约 30 万 star）：讲师称之为"我讲的框架的强化版"，一整套可组合的技能库（头脑风暴、写计划、执行计划、代码审查、TDD、系统性调试），并强制执行"测试先行、系统化而非临时起意、证据优先于声明"的纪律。讲师特别点出：这个 30 万 star 的仓库本质就是一组 SKILL.md 技能文件，这本身就是"工作流即代码"的绝佳例证。