软件工程过去二十年的主旋律是 continuous。CI 改变了集成，CD 改变了发布，每一次"连续化"都是把一个离散的、依赖人力的环节变成自动的流。

但有一个环节一直没被碰过：生成。

代码是人写的，文档是人写的，测试报告是人整理的，配置文件是人翻着文档一行行填的。这些工程产物，每一个都是手工制作的。AI agent 的出现让我们第一次可以问：如果这些产物都可以从意图自动生成，“手工制作"还应该是默认模式吗？

Ida (Intent Driven Agent) 是围绕这个问题建立的一套工程方法论。它的关注点是有明确技术规格、可被客观验证的工程产出——代码、文档、测试、配置、报告。组织协作和流程博弈不在讨论范围内。

五条核心原则

一、意图是源，产物是派生

人提供目标与约束，一切工程产物——代码、文档、测试、报告、镜像、配置——都是目标的投影，不是独立维护的一等公民。上游意图变了，下游产物自动再生成。

这意味着对"源代码"的理解需要上移一层：真正的"源"不再是代码文件，而是人脑中的意图。代码只是意图的一种编译产物。

二、目标必须合格

不是任何一句话都能成为 Ida 的输入。合格的目标需要满足四个性质：

  • 可理解 — agent 能将其拆解为具体动作
  • 可达 — 在当前能力范围内可以完成
  • 可验证 — 完成后能客观判断对错
  • 可分治 — 能拆成小步，平滑推进，每步有可见进展

把模糊的需求加工成合格的目标，是人的第一项工作。这不是降低门槛，恰恰相反——它要求人想得更清楚、表达得更精确。

三、生成是持续的对话

生成过程不是点火后只能旁观的火箭。人可以在任何阶段修正目标、追加约束、对中间产物给出反馈。Agent 也应在关键节点主动暴露状态、请求确认。

意图本身是可以迭代的。好的意图往往是在人与 agent 的多轮交互中逐渐成型的。

四、人与 agent 各司其职

人负责意图的质量，agent 负责产出的质量。

人的工作是定义目标、设定约束、审查产出、做架构决策。Agent 的工作是理解意图、规划路径、生成产物、维护一致性。

这不是"AI 替代人"的叙事，而是分工——就像编译器没有替代程序员，而是让程序员在更高的抽象层上工作。

五、约束是护栏

约束定义了 agent 可以行动的通道——问题空间中允许的路径包络。没有约束的 agent 是危险的，就像没有护栏的高速公路。

实践场景

抽象原则好不好，要看它怎么落地。Ida 文档给出了三个典型场景。

NPI：新机型引入

传统做法：工程师手动编写 baseline 配置、构建镜像、跑验证、写报告，整个流程串行且依赖个人经验。

Ida 的方式：人定义意图——“这个机型需要支持 bookworm，内核用 BSK 6.1，需要通过启动验证和硬件兼容性测试”。Agent 据此生成配置、构建镜像、执行验证、产出报告。验证失败？Agent 根据失败信号调整配置，重新生成。人审查最终产物，做 accept/reject 的决策。

配置、镜像、测试报告——全部从同一个意图派生，任何上游变化都触发下游再生成。

Kernel Patch Backport

上游内核有关键修复，需要回移到内部的多个内核分支。传统做法是逐个分支手动 cherry-pick、解决冲突、编译验证、提交 review。分支越多，重复劳动越多。

Ida 的方式：人定义意图——“将上游 commit abc123 回移到 5.15、6.1、6.6 三个分支，确保编译通过且相关测试不回归”。Agent 对每个分支尝试 backport，解决冲突，跑编译和测试。遇到语义冲突无法自动解决的，暴露给人决策。三个分支并行推进，每个独立可验证。

人的判断力用在刀刃上——审查冲突解决方案，而不是花时间在机械的 cherry-pick 上。

Oncall 诊断

凌晨三点，告警响了：某个集群的机器批量出现内核 panic。

Ida 的方式：人定义意图——“这批机器出现 panic，需要定位根因和影响范围”。Agent 自动收集 crashlog、匹配已知问题模式、查询受影响机器的共性（同一批次硬件？同一个内核版本？同一个配置变更？）、生成诊断报告。

Oncall 工程师做的是判断和决策——确认根因、决定修复方案、批准执行——而不是在半梦半醒中手动敲命令收集信息。

几个关键推论

  • 产物是可再生资源 — 重新生成的成本趋近于零，不需要珍惜每一行代码
  • 人的价值在判断力 — 不在重复性的产出劳动
  • 反馈回路比生成本身更重要 — 测试结果、CI 信号、用户反馈、监控告警，都是驱动再生成的 signal
  • 承认边界 — 目标不可验证的、无法分治的问题，不应该硬塞给 agent

我的理解

Ida 不是一个产品或框架，而是一种工程观。它的核心洞察很朴素：当生成成本趋近于零时，工程师的时间应该花在最有杠杆的地方——想清楚自己到底要什么。

这套思路和"编译器让程序员在更高抽象层工作"是同一个逻辑。汇编时代，程序员管理寄存器和跳转指令；高级语言出现后，程序员描述逻辑，编译器负责翻译。Ida 把这个逻辑再推一层：程序员描述意图，agent 负责生成产物。

有意思的是"目标必须合格"这条原则。它拒绝了"AI 什么都能干"的幻觉——agent 不是万能的，人需要把模糊需求加工成可理解、可达、可验证、可分治的目标。这个加工过程本身就是工程能力的体现。

工具会迭代，模型会更新，但这个判断不会过时：人最不可替代的能力，是定义意图。