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。

深读《Jev 在野》论文：发布一周内 1,865 个新仓库、305 次既有接入，合计 2,170 个公开项目、43,750 星。拆解 8 大类 18 子类、三接口与六种决策目的，点破「19.6% 项目吃掉 63.0% 星」的错配，附七个在野案例与本地实测。

Laya 不是聊天模型，而是单次前向即返回答案与概率的类型化决策器。从安装部署到跑通客服分流、批量处理与大模型输入护栏三大场景，实测意图分类四条全对、概率超 0.92、单条约 90 毫秒；俄罗斯方块上却概率均匀如抛硬币。附五套模板与排错速查表。

13年、73万行的Java遗留系统如何现代化？本报告断言「推倒重来」才是最大风险，正解是AI加速的绞杀者迁移：五阶段十八至三十个月路线图，用大厂案例证明AI能把理解与翻译成本压低六到九成，但最后业务规则仍须人工验证；先行为锁定再动代码，配四线考古与六道门禁。

真机部署实录：在代理受限的苹果芯片上跑通开源决策模型 Laya，借镜像源绕过下载封锁，用零依赖协议层让页面零改动、与云端 Jev 双后端并存，热身推理仅 72 毫秒。但开箱棋力近乎随机，判别力实验锁定根因为缺语义先验，并给出三条路线与排错清单。

Laya 玩俄罗斯方块只得几百分，而 Jev 能拿几万分。本文用三组受控实验分离接口与能力：即便候选只给两个、信息完整进入模型，它仍以熵 0.995 近乎抛硬币地选走最差落点。根因是 421M 编码器缺语义先验，截断只是次因，并给出微调等三条对策路径。

迪奥戈·阿尔梅达在播客复盘 Jev 的发布：AI 能力虽强却进不了真实工作流，RLHF 的模式丢弃偷走校准，杨立昆论断的结论没错前提却错了。他主张让小决策取代大提示词、让代码消费模型输出、把智能装进程序，以「每美元智能」为北极星，9 张卡片读懂机器原生 AI。