SDKWORK:基于字典驱动的人工智能生成架构,重新定义下一代工厂

过去两年，大模型的发展让代码生成、内容创作、Agent 自动执行等领域迎来了爆发式增长。

从 Cursor、Claude Code、Codex 到各种 AI Agent 平台，行业正在经历从“人工开发”向“AI辅助开发”的转变。

然而，当开发者真正将 AI 引入生产环境时，会发现一个共同的问题：

上下文越来越大
Token 消耗越来越高
幻觉问题依然存在
长任务容易中断
无法持续迭代优化
项目规模越大效果越差

本质上，当前大多数 AI 系统仍然建立在「上下文驱动（Context Driven）」之上。

而软件工程的发展历史告诉我们：

规模化生产不能依赖记忆，而必须依赖标准化。

这正是 SDKWORK 提出的核心思想：

从 Context Driven 走向 Dictionary Driven（字典驱动）。

为什么 AI 需要字典驱动？

人类程序员之所以能够参与大型项目，并不是因为记住了全部代码，而是因为拥有统一的规范。

例如：

Java 有统一包结构
数据库有统一数据字典
API 有统一接口定义
微服务有统一服务契约

标准化之后：

即使数百人协作，也能快速理解系统。

而当前的大模型更多依赖：

Prompt + Context

随着项目增长：

Context 越来越大
↓
Token 越来越高
↓
准确率越来越低

SDKWORK提出：

Prompt
    ↓
Dictionary
    ↓
Context
    ↓
Generation

让字典成为AI理解世界的基础。

SDKWORK 十大核心原则

一、字典驱动（Dictionary-Driven）

字典是整个系统的核心。

包括：

业务字典
数据模型字典
API字典
Prompt字典
Agent字典
Skill字典
MCP字典
组件字典

所有生成行为都基于统一定义。

这样能够从源头降低歧义和不确定性。

二、标准化与快速定位（Standardization & Fast Navigation）

AI IDE 的核心并不是写代码。

而是快速找到正确的位置。

优秀开发者每天的大部分时间其实都在：

查找代码
理解代码
分析依赖
跟踪调用链

SDKWORK通过统一索引体系实现：

Symbol索引
语义索引
依赖图谱
调用关系图
项目知识图谱

让定位速度远远快于生成速度。

三、最小幻觉原则（Minimum Hallucination）

对于工程领域而言：

正确比创造更重要。

SDKWORK采用多层约束机制：

Schema约束
类型约束
字典约束
AST约束
Workflow约束

让AI生成过程从：

直接输出

变成：

规划
↓
验证
↓
生成
↓
检查
↓
输出

最大限度降低幻觉。

四、动态上下文加载（Dynamic Context Loading）

大模型并不是拥有无限记忆。

上下文越大：

成本越高
响应越慢
准确率越低

SDKWORK采用动态上下文机制：

仅加载当前任务需要的信息。

例如：

开发一个Controller时：

无需加载整个仓库。

只需要：

当前文件
当前模块
相关接口
相关实体

实现真正的按需加载。

五、幂等循环执行（Idempotent Loop Execution）

未来的软件开发不会是一问一答。

而是持续运行的任务流。

SDKWORK构建：

Plan
↓
Execute
↓
Verify
↓
Fix
↓
Retry

形成稳定的 Loop Prompt 机制。

即使任务中断：

也能从上一次状态继续执行。

六、长期稳定运行（Long-Running Stability）

真正的 AI Agent 不应该工作几分钟。

而应该工作几天、几周甚至几个月。

SDKWORK支持：

Checkpoint
Snapshot
Event Sourcing
Workflow Recovery

实现：

崩溃
↓
恢复
↓
继续执行

而不是重新开始。

七、自我优化进化（Self-Improve Evolution）

优秀程序员会不断复盘。

优秀AI也应该如此。

SDKWORK引入 Self Improve 机制：

执行
↓
评估
↓
发现问题
↓
优化策略
↓
再次执行

持续提升：

成功率
准确率
性能
用户满意度

让系统越运行越聪明。

八、人机协同控制（Human-in-the-Loop）

自动化并不意味着完全无人化。

真正优秀的系统必须支持：

人工接管
人工审核
人工决策
人工修正

AI负责执行。

人类负责方向。

实现真正可控的智能系统。

九、测试评估反馈闭环（Evaluation & Feedback Loop）

没有评估，就没有优化。

SDKWORK将评估能力设计为系统基础设施。

对于代码：

编译通过率
单测通过率
覆盖率

对于Agent：

任务成功率
完成率
耗时指标

对于内容：

用户评分
转化率
满意度

形成完整反馈闭环。

十、AI软件工厂（AI Software Factory）

这也是SDKWORK最终目标。

不是做一个AI编辑器。

不是做一个代码助手。

而是构建一个真正的软件工厂。

从需求开始：

需求
↓
PRD
↓
架构设计
↓
数据库设计
↓
代码生成
↓
自动测试
↓
自动部署
↓
监控优化

形成完整自动化生产流水线。

未来的软件开发将不再是：

人写代码

而是：

人定义规则
↓
AI生产软件

下一代 AI 系统的竞争，不是模型竞争

很多人认为未来竞争的是：

GPT更强
Claude更强
Gemini更强

事实上并非如此。

模型能力最终会逐渐趋同。

真正拉开差距的将是：

数据标准化能力
字典体系能力
工作流能力
评估体系能力
软件工厂能力

未来的 AI 系统竞争，本质上将从：

Model Driven

演进为：

Dictionary Driven
+
Workflow Driven
+
Evaluation Driven

结语

软件工业的发展经历了：

机器语言
↓
高级语言
↓
框架时代
↓
云计算时代
↓
大模型时代

而下一阶段，很可能是：

AI Software Factory 时代

在这个时代里，开发者不再主要编写代码，而是设计规则、定义字典、构建工作流和评估体系。

SDKWORK所探索的，正是这样一种新的可能：

让 AI 从辅助工具，进化为可持续运行、可自我优化、可工业化生产的软件工厂。