从 1513 星到 11 万星的六天里，REA 到底做了什么？本报告逐层拆开这个逆向工程 Agent 编排层的架构、16 类目标能力边界、证据强度与中美法律红线，并把星标曲线、npm 装机量、fork 比率与代码实现交叉核对，分清真实贡献与注意力泡沫。

REA 6.4.0 编排层实测：36 个依赖零反编译引擎，170 个 MCP 工具零引擎下仅 18 项 target-free 可用，nib 解码得 780 节点 421 边；五元证据模型与 fail-closed 契约让结论可复核，另附三条被实测推翻的判断。

内部信息化系统项目组智能体编码现状调研：梳理初级查询问答、中级任务委派、高级规划协同三个使用层次，提炼从规划先行到自动化测试的五步法最佳实践，剖析算力、模型、推理服务与智能体软件四层基础设施短板及组织瓶颈，并给出三线并行推进建议。

用 Playwright 驱动系统 Chrome，把稿件自动填进知乎专栏编辑器，走通登录、进编辑器、写标题正文、存草稿全链路。复盘安装被拒、浏览器启动即崩、知乎强制登录、Draft.js 拒绝赋值四道坎，还原报错背后的根因与解法，附最小复现矩阵与实测数字。

一套从三路独立分析合并实践中反向提炼的通用工作流程：三阶段七步骤、十条可复制提示词、八条铁律，不依赖任何框架与工具。实测揭示核心真相——需求覆盖满分毫无区分度，差异全部出现在需求没写的地方；「未定义点穷举」不可跳过，并给出按需求规模裁剪用法。

三条独立 SDD 路径分别产出、再合并而成的销售框架合同信息查询规范：需求 26 项覆盖三路完全一致，6 项共识直接采纳、4 项分歧逐条裁决。是只读分组查询，以框架合同为分页单位，含 7 个筛选、16 个展示字段、4 条规则与 2 个权限点，附取证与确认清单。

以真实项目「适老友好计算器」为案例，系统讲透基于 spec-kit 的规格驱动开发：从项目章程、功能规格、实现计划、任务分解，到一致性分析、测试驱动实现与收敛核查，完整八步流程附真实提示词、二十九个任务与九次提交记录，助零经验开发者快速上手 AI 原生开发。

以 Anthropic 的 AI 原生 SDLC 为主线，横评 OpenSpec、spec-kit、mattpocock skills 三大规约流派，拆解计划到维护六阶段与八条元原则，并用同一个适老化计算器跑通三条路径做对照，给出落地路线与三条必避失败路径。

Jev 是 TypeSafe 推出的决策模型：它不生成文本，只对分类、选择、评分、真伪判断返回带校准概率的判定，两周便催生两百多个开源项目。本文梳理快慢分工机制，盘点浏览器操作、上下文压缩、代码审查等热门项目，对比 Open Jev 复刻路线并给出选型建议。

同一作者用同一款老人计算器想法，分别以 OpenSpec、matt-skills、Spec Kit 三种规格驱动工具开发，逐行对比产物：流程文档最重达 1005 行、是最轻版本的 3.3 倍，代码只多 22%。以功能矩阵与五条洞察揭示工具如何反向塑造需求。

以 GitHub Spec Kit 为工具底座，把「写规格→生成计划→拆任务→实现→收敛验证」变成可执行的工作流：七步核心命令、工件地图、质量护栏、宪法门禁、Bug 与想法评估两条分支，以及团队落地清单，一次讲透。

面对 73 万行、3412 个 Java 文件的 onesystem 老系统，本文提出「这不是翻译工程，而是考古工程」的核心判断，给出建知识库、业务考古、规格重建、可对账切片、平行对账绞杀式替换五阶段路线，附 90 天计划与十大陷阱，以数字对账验证替代性。

基于 onesystem 项目真实实践的 AI 原生开发全生命周期指南：讲清代码不再是瓶颈、瓶颈左右移到计划与评审的核心转变，拆解路由立项、调研共识、规格拆票、实现、双轴评审、架构深化六个阶段，附 L1/L2/L3 决策权红线与 10 条反模式改正。

智能体编程阅读清单：精选 Anthropic、OpenAI、Cursor、Stripe 等一线团队与专家的 16 篇原作，按证据强度降序排列。含零手写百万行代码、每周 1300+ PR、成本相差 7.9 倍等硬数字，每篇附摘要与避坑提示，并给出四条上手路线。

73万行遗留Java内管系统的AI原生重写作战手册：先过五道闸门判定路线，再以放大器定律、接缝、表征测试与规格先行推导动作，按战前护栏、代码考古、规格抽取、切片定序、七步循环、数据层与下线七阶段绞杀替换，核心是瓶颈在验收不在生成，附度量止损线与反模式清单。

精选 25 篇 AI 原生软件开发阅读清单：涵盖 OpenAI、微软、亚马逊等大厂官方复盘，一线工程师手记与年度权威调研，以及美团、腾讯、阿里等国内实践。核心结论：AI 是放大器，只有重构工作流才带来阶跃提效，瓶颈已从写代码转向评审与决策，并提醒警惕理解债。

为 73 万行的十年 Java 单体落地 Matt Pocock 技能包：先压缩歧义再动手，以表征测试与垂直切片建起验证能力，而非让 AI 写得更快。结合实测慢 19% 与 GitClear 两亿行证据，给出十二条核心论断、度量方法与 90 天路线图。

一个单文件交互工具，回顾 Jev 决策追踪全过程：以苏黎世到伦敦单程机票任务为例，71 次决策中 32 次执行、39 次因指纹变化被作废，成本仅 0.011 美元。逐步展示发给模型的页面状态、元素表与投机扇出并行应答，附原始 JSON，可键盘翻页审计。

以13年、73万行的自研系统为例，用十条论断戳破AI一键重写的幻觉：AI独立完成率仅约5%，大爆炸重写失败率超七成，胜负不在编码而在认知与验证。报告主张改为行为迁移，以知识图谱、决策日志、特征测试三件套打底，用影子流量验真，并给出90天路线图与十五条反模式。

完整回放 Jev 俄罗斯方块对局 seed 42 的每一步决策：落子 98 块、消行 24 次、得 6614 分。页面把棋盘词化为自然语言喂给模型，逐步展示落点选择的主问题，以及策略、棋盘健康度等投机判断，并附完整输入输出日志，供逐帧细看模型每步思考与置信度。