Central OSS 设计哲学

解决什么问题

AI原生项目开发中常遇到几类具体痛点：模块拆分后无法独立调试，排查问题需拉起整套依赖；实验代码与核心代码混在一起，改了实验逻辑导致核心功能出错；人类与AI Agent协作时职责模糊，Agent随意修改核心接口；经验零散记录在注释或聊天记录里，换人后需重新踩坑；新用户接入时需反复配置环境，门槛过高。这些问题看似独立，实则都源于缺乏统一的设计哲学——在快速迭代与可维护性、人机协同与人工干预之间没有明确的权衡框架。

技能如何工作

本技能提炼Central OSS开源训练框架的六维度设计哲学，提供可落地的方法论：

1. 可调试性优先：要求每个模块可独立import、构建、测试，核心功能仅依赖轻量基础库（如PyTorch），关键算子提供至少3种optimizable实现（基础/平衡/极致），降低调试门槛。
2. 可维护性保障：通过物理隔离（如playground与experiments目录分离）划分实验与核心代码边界，明确修改影响范围，防止污染扩散。
3. AI原生协作：定义人类与Agent的分工规则——人类负责抽象决策（如架构设计、接口规范），Agent专注具体实现；通过agent.md模板强制记录Agent的操作边界与经验。
4. 经验沉淀：建立可检索的经验文档库，将实验结论、调试技巧、接口设计理由强制归档，实现知识复用，减少重复试错。
5. 用户友好设计：采用配置驱动的接入方式，提供可视化配置工具与运行前校验，降低新用户的环境配置成本。
6. 定位与权衡：明确项目的适用场景（如学术快速迭代优先），接受80%-90%效率换取10倍上手便捷的取舍，提供决策树帮助选择合适工具。

关键步骤包括：设计模块边界与接口规范→实现optimizable接口与隔离机制→集成Agent协作工具与经验沉淀流程→通过独立调试、协作效率、知识复用等测试验证效果。

适用边界与注意点

本技能适用于AI原生项目的架构设计、开源框架开发、人机协同编程等场景，尤其适合需要平衡快速迭代与可维护性的项目。但需注意：

• 不适合成熟工业项目的全流程重构，其更侧重学术快速迭代的定位，工业项目需额外增加性能基准测试与迁移指南。
• 多实现共存的设计会增加一定的维护成本，需根据项目实际需求权衡，非关键算子无需强制提供3种实现。
• 经验沉淀需要团队配合执行，若团队无强制归档的习惯，技能的效果会打折扣。