agentleFS
LinuxSuRenLinuxSuRen/my-dsh-skills/skills/ai-debt-ledger/SKILL.md

ai-debt-ledger

Skill2 starsChanged 39 days agoMITView on GitHub

AI 债务台账:AI 改动提交时自声明元数据登记、技术/认知/意图三重债分类、赎回条件与期限、静态分析差分只看新增问题。防 AI 引入的债务长期沉淀(实证 22.7% 存活)。

The file

Files
SKILL.md

AI 债务台账

研究基线:30 万条 AI commit 实证中,AI 引入的问题 22.7% 在仓库最新版本仍然存活——AI 债务不会"很快被修掉",不登记就等于永久持有。债务管理分三步:引入时登记、分类、按期赎回。

1. 引入时登记(成本最低的时刻)

  • AI 参与的改动提交时自声明,元数据进 commit message trailer,不另设流程:

    Ai-Source: claude/glm
    Ai-Scope: 80% (核心逻辑人工编写,样板与测试 AI 生成)
    Ai-Brief: <一句话任务/prompt 摘要>
  • 自声明的价值在后续可差异化处理:review 时识别 AI 高发缺陷画像(未用构造、调试残留、重复块、fail-soft 吞错),排查时可按来源检索;不必追求精确,模糊登记优于不登记。
  • 纯人工小改动不强制;AI 占比很高的提交却匿名混入,是台账失效的主因。

2. 三重债分类(比传统技术债多两类)

类型载体典型表现登记形式
技术债代码smell、重复、未用构造、硬编码调试残留、缺测试DEBT: 注释 + 台账条目
认知债人AI 大改后团队心智模型流失——拓扑图/README/AGENTS.md 未跟上,代码已不是任何人脑中的样子文档更新任务条目
意图债记录为什么这么改的 rationale 缺失——代码在但决策链不在,半年后无人敢动设计决策一句话进 PR 描述或台账
  • 判别信号:改动合并后没人能口头讲清"这段为什么是这样"→ 至少欠了认知/意图债;即使代码本身干净。
  • 认知债的偿还物是文档而非代码:拓扑、端口、职责边界按 arch-dev-workflow 的架构师习惯更新。

3. 台账形式

  • 单文件 docs/ai-debts.md(或 issue 打 ai-debt 标签),每条含五要素:位置、类型、来源(commit/PR 链接)、赎回条件、期限。
  • 只登记"确定要还的":模糊的不安感不进台账,先在评审里说清(见 ai-code-review-gate 的 IMPORTANT 级)。
  • 台账条目数是健康信号:持续增长不赎回 = AI 产出速度超过了组织的消化能力,应当放慢合并节奏而不是加快。

4. 赎回机制

  • 触碰即赎回(童子军军规):因任何原因打开含 DEBT 标记的区域时,顺手赎回该条或更新它。
  • 周期盘点:随里程碑/大版本清点台账——过期的条目要么赎回、要么显式降级为"接受";禁止无声续期。
  • 大改动前清障:AI 批量重构某区域前,先赎回该区域在册债务,避免债上叠债、新旧问题无法归因。
  • 赎回完成的条目从台账删除并在 commit 里引用台账条目链接,形成闭环。

5. 静态分析差分(提交门禁)

  • 提交前对本次 diff 跑静态分析/lint,只看本次新增的告警,存量告警不阻塞也不在此修——否则门禁会被历史欠账淹没而失去公信力。
  • 新增告警:要么修掉,要么作为技术债登记后放行;禁止"下次一起清"的口头债。
  • AI 代码的高发画像优先扫:未使用导入/变量、调试打印残留、重复代码块、空错误分支。

6. 检查清单

  1. 这批 AI 改动提交带了 Ai-Source trailer?
  2. 新增静态分析告警清零或已登记?
  3. 大改后拓扑/README/AGENTS.md 同步了(认知债)?
  4. 关键取舍在 PR 描述里留了一句话理由(意图债)?
  5. 台账里有没有该赎回/该显式接受的过期条目?

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.