Boyue · 博约开发法—AI 编程决策与复杂度治理方法
面向 AI 编程与 Coding Agent 的轻量开发治理方法和 Agent Skill,通过承诺边界、所有权边界与风险自适应验证,帮助团队广泛探索、谨慎承诺,并控制长期维护复杂度。
- 适合谁
- AI 编程开发者、Coding Agent 用户、软件架构师、技术负责人、产品与工程团队
- 使用门槛
- 低,可直接试用
- 支持平台
- Agent Skills、Codex、Claude Code、OpenClaw
- 部署方式
- 本地运行
English | 简体中文
博约开发法 · Boyue
AI 可以让错误的东西更快被做出来。
博约开发法(Boyue)是一套面向 AI 编程 / Coding Agent 的轻量级软件项目决策与复杂度治理 Skill。
它帮助 AI 编程 Agent 在项目开发中做到:大胆探索、谨慎承诺、按风险验证、克制拥有,并主动清理已经不再值得维护的复杂度。
点击主图可前往吾爱分享网图文阅读版,通过配图与博客排版更直观地理解方法论。
项目资源
Boyue 同时维护为一套完整方法论论文和一个可安装的 Agent Skill。中文版导航只保留中文读者实际需要的资源:
- 中文完整版论文: 从实现稀缺到实现丰裕:AI 软件工程中的决策边界与复杂度治理
- 可安装 Skill(唯一执行真源): SKILL.md
- Skill 中文阅读版: docs/SKILL.zh-CN.md
- 实践模板: templates/
- 使用案例: examples/
- 图文阅读版: 吾爱分享网《博约开发法:AI 编程时代的软件项目开发方法》
GitHub 仓库作为完整论文、Skill、模板和案例的长期主仓;吾爱分享网文章则通过配图与博客排版提供更适合普通读者阅读理解的图文版本。两者保持双向链接。
一句话理解
大胆探索,大量试验,谨慎承诺,克制拥有。
“博约开发法”取意于苏轼《稼说送张琥》中的:
博观而约取,厚积而薄发。
放到 AI 软件开发中,可以解释为:
博观管理可能性,约取管理承诺;厚积管理不确定性,薄发管理复杂度。
为什么需要它?
AI Coding Agent 正在显著降低想法、原型、代码修改、测试和 Pull Request 的生成成本。
这当然提高了开发能力,但也会产生一种新的风险:
候选方案越来越容易生成
↓
想法、原型、代码越来越多
↓
越来越多“顺便做一下”
↓
更多复杂度进入生产系统
↓
测试 / 验证 / 迁移 / 兼容 / 运维成本不断增加过去开发很贵,本身就是一道天然过滤器。
AI 时代这道过滤器正在变弱,因此需要人为重新建立两道边界。
两道关键边界
1. Commitment Boundary · 承诺边界
Could Build ≠ Should Invest
“我们能做”不等于“现在值得投入”。
AI 给出的新想法、竞品已有的功能、一个跑通的 Demo、甚至已经写完的代码,首先都只是 Option(候选项),而不是 Roadmap。
对重要候选项只做三种判断:
- COMMIT:证据充分,现在值得投入;
- DEFER:方向可能有价值,但现在不投入,并记录重新评估条件;
- DISCARD:已有足够理由放弃。
2. Ownership Boundary · 所有权边界
Should Build ≠ Should Own
“值得验证和实现”不等于“值得未来几年一直维护”。
一个功能进入生产以后,不只是多了几百行代码,还可能同时增加:
- API 与兼容责任;
- 数据结构与迁移责任;
- 设置项和 UI 状态;
- 权限、安全边界;
- 新服务与基础设施;
- 监控、文档和用户支持;
- 长期依赖升级成本。
所以在长期复杂度进入生产以前,可以问一个简单的问题:
如果未来三年都必须维护它,我们今天还愿意把它加入产品吗?
五种工作模式
博约开发法不是新的瀑布式流程。一个真实项目可以同时处于多个模式。
| 模式 | 作用 | 常用实践 |
|---|---|---|
| 博观 Explore | 扩大可能性空间,减少认知盲区 | 用户研究、竞品调研、Option Map、AI Spike |
| 约取 Select | 防止候选项自动变成承诺 | PRFAQ、Non-goals、Commit / Defer / Discard |
| 厚积 Shape | 按错误代价降低关键不确定性 | PoC、Prototype、ADR、Benchmark、演练 |
| 薄发 Deliver | 只让最小完整价值进入长期系统 | MCVS、Vertical Slice、Walking Skeleton |
| 反馈 / 退役 | 判断已有复杂度是否仍值得拥有 | 使用证据、简化、Retirement Review |
五条核心原则
- Explore broadly without committing broadly.
广泛探索,但不要广泛承诺。
- Prototype freely; own selectively.
大胆原型,谨慎拥有。
- Options are cheap; commitments are expensive.
候选可以丰富,承诺必须珍贵。
- Shape according to the cost of being wrong.
错误越昂贵、越难逆转,越应该充分塑形。
- Deliver the smallest coherent change worth owning.
只让最小、完整且值得长期维护的变化进入系统。
这个 Skill 会做什么?
可安装的 SKILL.md 会让 AI 编程 Agent 在适当的时候自动:
- 判断当前任务属于 Explore / Select / Shape / Deliver / Evidence 哪一种模式;
- 对低风险、容易回滚的小改动直接执行,不制造额外流程;
- 当任务突然扩大 Scope 时触发 Commitment Boundary;
- 当 Public API、核心数据、权限、长期配置、服务和依赖进入生产时触发 Ownership Boundary;
- 面对不确定的 AI 能力时优先做 Disposable Spike / PoC,而不是直接造生产架构;
- 避免把成功的 Prototype 自动升级成长期 Production Ownership;
- 用最小完整价值切片和 Vertical Slice 交付;
- 在成熟项目中主动寻找可以简化或退役的复杂度。
它不会使用“AI 必须强 10 倍”“必须删掉 80% 想法”这类没有依据的固定数字规则。
快速例子
小而可逆的修改
“把这个按钮文字改短一点,卡片间距加 4px。”
博约开发法不会要求写 PRFAQ 或 ADR。
判断:低风险、可逆、不增加长期 Ownership → 直接修改并验证。
开发过程中突然膨胀 Scope
原任务:
“增加报告导出。”
Agent 又提出:
“既然做导出,要不要顺便做定时导出、云盘同步、模板市场和公开 Export API?”
这些都只是 Option。
博约开发法会先执行:
COMMIT / DEFER / DISCARD
而不是把 AI 生成出来的所有想法都变成开发任务。
高不可逆架构决策
“把内部扩展接口正式开放成第三方 Public API。”
一旦外部开发者依赖,兼容与迁移义务可能持续很多年。
博约开发法会提高 Shaping 深度,先验证契约边界、版本策略和长期 Ownership,再决定 Production Surface。
AI 能力不确定
“模型能不能稳定从几十页技术文档里抽取结构化结果?”
不要先设计整套生产架构。
先做 Disposable AI Spike,验证:
- 成功率;
- 失败类型;
- 结构化输出稳定性;
- 延迟;
- 成本;
- 长上下文表现;
- 非 AI 替代方案。
实践工具箱
方法论参考
模板
案例
安装
Boyue 按 Agent Skills 结构组织,仓库根目录包含 SKILL.md,其余资料通过相对路径按需加载。
兼容 Agent Skills 的 CLI 安装器可以直接安装仓库:
npx skills add wuaishare/boyue各技能市场的同步状态与许可证边界统一记录在 DISTRIBUTION.md。
OpenAI 官方说明目前 Skills 遵循 Agent Skills 开放标准,并支持 ChatGPT、Codex 与 API;不同宿主产品的安装和工作空间管理方式会有所不同。
ChatGPT
可以在 ChatGPT 的 Skills 页面通过创建/上传方式添加 Skill。官方说明:
- https://help.openai.com/zh-hans-cn/articles/20001066
使用 ~/.agents/skills 的环境
例如部分 Desktop Commander / Agent Skills 本地环境可以直接:
git clone https://github.com/wuaishare/boyue.git ~/.agents/skills/boyue之后开启新会话,或等待宿主刷新 Skill 列表。
其他兼容 Agent Skills 的工具
把仓库 Clone / Copy 到对应宿主要求的 Skill 目录即可。具体安装路径以宿主产品说明为准。
可以这样直接调用
通常 Skill 应在合适上下文中自动触发,也可以显式要求:
使用博约开发法判断这个新功能是否应该进入 Roadmap。在实现这个架构变化以前,先用 Commitment Boundary 和 Ownership Boundary 做一次判断。用博约开发法设计一个 Disposable AI Spike,先验证这个模型能力。对这个成熟模块执行 Retirement Review,找出可以安全删除或简化的复杂度。设计哲学
Boyue 必须保持轻量。
它不应该把一个 CSS 小改动变成产品委员会。
流程和治理深度只应该在以下情况增加:
- 决策越来越难回滚;
- 错误后果越来越高;
- 长期 Ownership Surface 明显扩大。
Prototype 可以是 Disposable,Production 必须是 Deliberate。
方法论原创与出处
“博约开发法”方法论由 吾爱分享网 原创提出并持续完善。
完整资源:
转载、引用或改编该方法论文字时,请保留 吾爱分享网 与原文链接作为出处。
本项目同时借鉴和引用 Double Diamond、Set-Based Design、Shape Up、YAGNI、Working Backwards、Spike / PoC、Walking Skeleton、Tracer Bullet、Vertical Slice 等已有产品设计与软件工程实践;Boyue 不声称这些成熟实践由本项目发明。
开源许可
仓库代码与 Skill 文件采用 MIT License。
关于“博约开发法”方法论文字的转载与改编,请同时遵守上述出处与署名说明。
源码获取
获取代码
复制仓库地址、使用 GitHub CLI,或下载当前默认分支源码包。
openclaw skills install @wuaishare/boyue前往 Smithery 选择目标 Agent 或客户端完成安装。
GitHub Releases
v0.2.3
最新 GitHub Release 发布于 ,当前页面已同步版本入口、更新说明和可下载资产。
相关入口
近期 Release
Boyue v0.2.3
v0.2.3Improve bilingual documentation presentation: use matching English/Chinese covers, adopt professional horizontal language navigation, split the paper index by language, and keep English/Chinese reading paths cleanly separated.
Boyue v0.2.2
v0.2.2This release separates the English and Simplified Chinese README experiences and gives each language its own 1600×900 project cover. The default English README now contains English-only navigation and uses the dedicated English cover; the Chinese README keeps …
Boyue v0.2.1
v0.2.1Boyue v0.2.1 增加官方 Skill 中文阅读版 docs/SKILL.zh-CN.md,根目录 SKILL.md 继续作为唯一执行真源。 SKILL.md 触发 metadata 增加中文语义,并升级至 0.2.1。 将吾爱分享图文版主图纳入仓库 assets/boyue-cover.webp,中英文 README 顶部展示并链接回图文阅读版。 完善论文、Skill、中文说明与图文文章之间的导航。
Boyue v0.2.0
v0.2.0博约开发法 v0.2.0 本版本把 Boyue 从单一 Skill 仓库扩展为「方法论论文 + 可安装 Agent Skill」双核心项目。 新增 中文完整方法论论文:从实现稀缺到实现丰裕 English full conceptual paper paper/ 论文导航页 CITATION.cff GitHub 引用元数据 CHANGELOG.md GitHub 与吾爱分享图文文章的双向链接 更新 README / 中文 README 增加论文、Skill、图文阅读版统一导航 SKILL.md 版本升级至 0.2…
Boyue v0.1.0
v0.1.0首个公开版本:可安装的博约开发法 Agent Skill。包含中英文 README、Commitment / Ownership 两道边界、风险自适应 Shaping、MCVS 交付模式、7 个治理模板与 4 个真实使用案例。 原创方法论:https://www.wuaishare.cn/12793.html
下载资产
AI Share Review
安全审查与 AI 评测报告
报告绑定当前审计快照、提交与内容指纹;仓库内容变化后必须重新审查。
本站审查指数 = 100 − 语义风险分,仅用于本站内部相对风险表达;它不是安全概率,也不是第三方认证。请同时阅读风险等级与各独立证据源。
安全概要
该快照是以 Markdown 方法论、模板和参考资料为主的 Agent Skill,未见捆绑可执行代码、凭据访问、数据外传或持久化指令。唯一确认的可执行建议是文档中的未固定版本 npx 安装命令,若用户执行会引入上游最新发布物变更的供应链风险。SkillSpector 的文本扫描覆盖充分,但整体结果因二进制图片未参与静态模式扫描及少量引用解析歧义而为部分完成;依赖漏洞扫描不适用,不能据此推断不存在依赖漏洞。
审查引擎与证据覆盖
各扫描器负责不同证据面;“覆盖不可用”不等于“确认无风险”。最终结论由多引擎证据、AI 语义裁决与确定性策略共同产生。
v2.11.14 个静态告警 · 文本覆盖 100% · 部分覆盖
v0.74.0文件系统扫描已完成;依赖漏洞覆盖不可用
v8.30.10 个 Secret 告警
v2.5.1未观察到可扫描的包/锁文件;漏洞覆盖不可用
v5.5.0公共索引暂未提供该仓库的补充治理证据;不影响核心安全门禁
扫描器供应链信息
sha256:a744afa570a9c693c1a0e4bd348a166e6e8745571af5a0bbd309357dc63c4753 官方资产sha256:1caada5e0e2091909357c7525d3aa76f4b660b13821bc143b190c7483e31cc11 官方资产sha256:b40ab0ae55c505963e365f271a8d3846efbc170aa17f2607f13df610a9aeb6a5 官方资产sha256:75c44d6332f892a1e56286f4105a98ed751ae28d215ca0a8b65cc00d84103054 官方资产sha256:bac6371a4f810d6bdd0b65d63c3311906bdfe3ba0d76a5ea743ce24ced170fcf 官方资产发现与语义裁决
三个命中位置均向用户展示相同的未固定版本 npx 安装命令。该命令不是核心 Skill 的自动执行指令,但文档明确建议执行;若执行,CLI 包的未来上游更新可能改变所运行内容。因此供应链风险成立,但范围限于用户选择执行安装步骤,未发现 Skill 自行下载或执行代码的证据。
DISTRIBUTION.md:17; README.md:180; README.zh-CN.md:234命中内容只是规划文档中的“创建可安装核心 Skill”任务标题及拟创建文件列表。上下文未要求创建 cron、启动项、状态文件或跨会话机制,也没有可执行实现,不能构成持久化行为。
docs/superpowers/plans/2026-08-27-boyue-skill.md:45-48安全建议
- 将安装说明中的 CLI 包固定到经验证的具体版本,并在发布流程中记录或校验该版本的完整性;同时保留仓库提交或发布标签作为 Skill 内容的可复核来源。
- 在采用前按宿主环境审查安装命令及其下载内容。核心 Skill 本身不需要外部运行时,但文档中的 npx 和 git 安装路径会产生网络、进程和文件系统影响。
- 将部分扫描覆盖的限制纳入后续审计:二进制图片未接受静态模式扫描,且依赖清单不存在,因而 Trivy 与 OSV 没有可用的依赖漏洞覆盖。
AI 评测详情
这是一个结构清晰、双语支持良好且适合 AI 辅助开发场景的方法论 Skill。它以可逆性、错误后果和长期所有权为核心,提供了从探索到退役的一致工作框架,并配套模板和示例。其主要改进空间是进一步提供更明确的最小输出格式和可操作的决策记录示例,以降低不同 Agent 或团队之间的解释差异。
核心规则、五种工作模式、完成检查和相对路径资源相互一致;大多数本地模板与参考链接已被解析并分析。少量扫描器引用解析歧义属于元数据或列表文本误判,但仍建议持续做链接和发布一致性检查。
Skill 明确区分低风险可逆修改与高影响决策,减少不必要的流程负担。中英文 README、示例、模板和显式调用提示使不同用户较容易开始使用。
风险自适应塑形、Commit/Defer/Discard 和 Maintain/Simplify/Retire 机制可适用于产品、架构、AI 能力验证和成熟系统治理,不依赖固定的任意数值门槛。
根目录 SKILL.md 具备名称、描述、许可证、兼容性和版本元数据,并使用相对路径组织可按需读取的参考资料与模板,符合常见 Agent Skill 组织方式。
两道边界、最小完整价值切片和原型可弃置原则直接应对 AI 加速生成方案时的范围蔓延和长期复杂度风险。方法论有效性仍取决于团队是否收集实际证据并落实决策记录。
优势
- 以承诺边界和所有权边界将“能做”“值得投入”和“值得长期维护”清晰分离。
- 对小型可逆修改提供快速路径,同时对高后果、难逆转的工作要求与风险相称的验证。
- 提供模板、参考资料、案例和中英文入口,形成较完整的落地工具链。
局限
- 核心指导偏原则性;在没有团队既定规范时,输出的篇幅、证据门槛和决策记录粒度仍可能因执行者而异。
- 安装与分发文档包含多个外部平台状态和兼容性声明;这些状态无法仅凭该快照独立验证,且会随时间变化。
- 依赖漏洞扫描没有可用覆盖,因为快照中未观察到语言或包清单来源;这不是依赖安全状况的证明。
改进建议
- 为每种工作模式定义简短的最小输出契约,例如问题、证据、风险、决定、复查触发条件和下一步,以提高跨 Agent 的一致性。
- 增加一两个端到端示例,展示如何从 Option Map 或 Spike 证据形成 Commit/Defer/Discard 决定并进入交付或退役。
- 在发布检查中自动验证相对链接、版本、许可证和各分发说明的一致性,并为安装 CLI 固定版本。
报告信息
ASR-AFA24D450037C052971dc1b732607f67c8bff93b413221ea5e4ac389552c582cf42c1e0e75b7fc2b72eae1f4a3eb4a652a9762adab204ffa175d48ddgpt-5.6-terraSkillSpector 2.11.1 · Trivy 0.74.0 · Gitleaks 8.30.1 · OSV-Scanner 2.5.11 次生成 · 0 次结构修复2026-09-07T20:24:57+00:00ai_share_skill_auto_review_v2-beta安全审查用于降低安装与使用风险,不构成绝对安全保证。静态扫描、第三方扫描器和 AI 语义判断均可能存在遗漏或误报。
在分享中学习,在实践中提升。
资源档案
继续比较
相关资源
同专题 · 编程开发 · 工作流
Symphony
Symphony 是一个开源项目,旨在将项目工作转化为隔离的自动化执行流程,让团队能够专注于管理工作而非监督编码代理。该工具目前处于低调的…
同专题 · 编程开发 · 文档 / 资源包
Harness Engineering
OpenAI 提出的 agent-first 工程方法论,核心是让工程师把重心转向边界、仓库可读性、guardrails、验证与反馈回路。
同专题 · 编程开发 · CLI / 命令行
Openharness
Openharness 是一个 GitHub 开源项目,下面整理其核心功能、安装方式、使用场景与项目边界,便于快速判断是…
同专题 · 编程开发 · 在线平台
Archon
Archon 是一个 GitHub 开源项目。首个面向 AI 编码的开源测试框架构建工具。让 AI 编码变得确定且可重复…

社区讨论
讨论与评分
先沉淀真实使用经验,评分作为可选信号补充。