AI 辅助工程应追踪架构决策的认识状态与时效有效性
软件工程
2026-01-30 v1 人工智能
摘要
本立场论文论证，AI 辅助软件工程需要显式机制来跟踪架构决策的认识状态和时效有效性。LLM 编码助手生成的决策速度快于团队验证速度，但没有广泛采用的框架来区分猜测与已验证知识、防止通过保守聚合来防止信心膨胀，或检测证据过期。我们提出了三个负责任 AI 辅助工程要求：(1) 认识层次以分离未验证的假设和经验证的主张、(2) 以 G"odel 析取元为基础的保守保证聚合，防止弱证据来增大信心、(3) 自动证据衰减跟踪，以在导致故障之前表现过期假设。我们将这些要求形式化为首要原则框架 (FPF)，其聚合语义基于模糊逻辑，并定义一个五元组不变量，任何有效聚合算子都必须满足。我们的回顾性审计应用 FPF 标准到两个内部项目发现，20-25% 的架构决策在两个月内具有过期证据，验证了对时效责任的需要。我们概述了研究方向，包括可学习的聚合算子、联邦证据共享和 SMT 基于主张验证。
引用
@article{arxiv.2601.21116,
title = {AI-Assisted Engineering Should Track the Epistemic Status and Temporal Validity of Architectural Decisions},
author = {Sankalp Gilda and Shlok Gilda},
journal= {arXiv preprint arXiv:2601.21116},
year = {2026}
}
备注
18 pages, 6 figures, 13 tables. Position paper