AI-Native Metabolic Governance V3.0：从“文档债”到“新陈代谢”的架构进化

Wed, 18 Mar 2026 22:54:00 +0800

[!IMPORTANT] 核心痛点：在快速迭代的项目中，由于人工更新文档的成本极高，导致代码与架构文档（README, ARCHITECTURE.md）总是处于“失真”状态。 解决之道：将“文档维护”从人类开发者的心智负担中剔除，移交给具备语义推演能力的 AI Agent，实现架构图谱的“新陈代谢”。

在跟 AI 进行多轮关于文档治理的对话后，我沉淀出了一个关于“AI 原生新陈代谢治理（AI-Native Metabolic Governance）”的 Skill 构思。这不仅仅是一个自动化脚本，更是一种让代码架构“活起来”的治理逻辑。

Skill: AI-Native Metabolic Governance V3.0 (新陈代谢地图治理)

🎯 核心目标 (Objective)

通过“无侵入”感知和 AI 自主驱动，彻底消除文档维护的心智负担。本 Skill 指导 Agent 在代码发生变更时，自主分析物理结构与逻辑意图的变化，自动更新机器可读的寻址地图（Map: .anti_bot_map.md）和人类可读的架构心法（Lore: ARCHITECTURE.md）。

⚙️ 触发时机 (Trigger Conditions)

主动触发: 接收到指令 执行新陈代谢、Run metabolism 或 更新架构图。
被动拦截: 挂载于 git pre-commit 或部署脚本（如 scripts/remote_deploy.py）执行前。

🔄 执行工作流 (AI-Native Workflow)

当触发本 Skill 时，Agent 必须严格执行以下三步：

Step 1: 零侵入发现 (Zero-Intrusion Discovery)

摒弃人工标签: 严禁要求人类开发者书写任何 @identity 类的冗余注释。
AST 物理扫描: 扫描目标域的 src/ 目录，提取所有导出的类名 (Exported Classes)、核心接口 (Interfaces) 和顶层函数 (Top-level Functions)，将其作为天然的 Identity。

Step 2: 语义推演与计算 (Semantic Metabolism)

提取上下文: 获取当前的 Git Diff、最新的 AST 结构，以及旧版的 .anti_bot_map.md。
意图识别: 判断代码变更的性质。
- 是新增模块？ -> 自动为其总结 Role。
- 是文件拆分？ -> 追踪旧逻辑流向了哪个新文件。
- 是废弃删除？ -> 标记为已移除。
计算健康度 (Health Score)：满分 10.0。若存在大量未被文档化的复杂大类，或模块职责严重耦合，酌情扣分。

Step 3: Map 与 Lore 的双向重绘 (Dual-Update)

根据推演结果，覆写以下两个核心文件：

Architecture on Square Uncle