BlackBoxApproach: 当AI不断出错时构建应用
概念验证研究。github.com/amiune/theblackboxapproach
AI在生成代码方面非常出色。它也擅长在你要求修改一个按钮时重写整个项目。BlackBoxApproach 是我们解决这一问题的实验。
它试图解决的问题
人类与AI的决策。 每个框和数据字段都追踪来源：human_defined、ai_defined 或 mixed。一旦你确认了某事，AI就无法将其降级回猜测。
伪代码作为中间层。 框使用混合伪代码（CALL、IF、自然语言）：足够结构化以分解系统，但又不至于在你准备好之前陷入实现细节中。
模块化边界。 逐步细化一个黑盒子。祖先部分是只读的上下文；只有选定的子树可以改变。可视化工具会生成提示，以确保这一点，因此“修复支付流程”不会重写你的认证层。
可读的人类视图。 一个原生的macOS可视化工具显示框树、来源徽章和合同。比数十个分散的规格文件更简单。
它是如何工作的
每个应用程序项目都会获得一个blackboxes/文件夹：YAML框、共享数据结构、一个LLM在明确调用时遵循的技能文件，以及一个来源日志。ChatGPT（或类似）会返回结构化的文件更新；应用程序会写入这些更新，跟踪git差异，并在你有未提交的更改时阻止新的AI编辑。
不是低代码。不是“自然语言编程”。带有合同、意图和审计追踪的递归黑盒子分解。
状态
早期的原型。macOS应用程序 + 项目模板。方法比UI更重要。目标是通过有纪律的AI辅助开发，保持对人类的可理解性。