核心主张与贡献
CMP 提出评价软件设计取舍的共同标准:获取正确修改所需充分上下文的成本。
本文为中文版,根据英文原版改写,而非逐句直译。
上下文成本驱动的软件设计(Context-Cost-Driven Software Design),以获取正确修改所需充分上下文的成本来评价设计。它的核心标准是上下文最小化原则(CMP):
对于一个系统现实中必须支持的那些修改,如果完成正确修改所需的充分上下文获取成本更低,这个设计就更好。
本系列提出的核心贡献,是评价软件设计取舍的共同标准。熟悉的设计原则可以放在这个标准下解释、比较,也可能在特定场景中被否定。说明模块化有助于理解,只是论证的起点;真正要回答的是,某个边界、抽象或架构在什么条件下值得采用。
五条相互衔接的主张
- 面对现实的修改需求评价设计。 软件在持续修改中演进。评价结构之前,先说明系统必须支持哪些修改。
- 正确修改需要充分上下文。 修改者必须掌握足以判断目标行为、约束是否保持、修改是否完整的事实。更便宜但不充分的上下文不满足这个标准。
- 获取上下文有成本,设计可以改变它。 上下文成本为原本诉诸不同原则的设计选择提供共同的比较依据。
- 设计改变上下文的获取方式。 减少、迁移、索引和检查描述了这种变换。类型、契约、测试或索引可能增加文本,却让必要知识更容易找到、理解或验证。
- 更好的选择取决于修改模式。 一种结构可能值得为反复发生的集成变更付出,却给小型、稳定的工具增加无用成本。脱离实际要支持的修改,没有普遍胜出的架构风格。
这是一条推导链:修改提出问题,正确性要求充分上下文,获取上下文产生成本,设计改变这些成本,而现实的修改模式决定这种改变是否划算。
评价标准、解释机制与设计选择
上下文成本驱动的软件设计是整体视角,CMP 是核心评价原则。深度与广度描述上下文成本如何增长,上下文变换与上下文路由解释设计如何改变获取过程。边界、局部性、测试、语言特性和架构风格,则是通过这些机制接受评价的具体设计选择。
传统设计知识提供了有价值的机制与例子。CMP 提出的贡献,是让它们的取舍可以放在共同的基础上讨论。遵循 SOLID、DRY 或 Clean Architecture 本身不足以证明一个设计合理:需要说明它降低了哪些必要上下文的获取成本,增加了什么代价,以及对哪些修改有效。
这个标准怎样改变设计判断
相似代码可能表达不同知识
两个表单的校验代码可能相似,但各自服务于独立变化的业务规则。抽出共享校验器可以减少重复,也可能迫使每次修改都要理解两套策略,以及区分它们的各种开关。在 CMP 下,如果规则独立变化,保留分开的实现可能更合理。如果两个表单表达的是同一个必须同步变化的不变量,让它拥有统一归属、让调用方可发现,反而能降低遗漏风险。判断依据是共享知识与修改闭包,不能只看文本是否相似。
接口需要承担真正的边界作用
增加接口看起来能改善关注点分离。但如果调用方仍须阅读实现、装配和错误处理细节才能改对,接口只是增加遍历,没有形成可信的停止点。直接调用可能成本更低。如果更强的契约让调用方能停下来,并支持现实中确实需要的变化,判断又会反转。要比较的是两种设计各自要求的充分上下文,而不是接口数量。
架构选择取决于修改形状
如果一个功能的界面、行为和持久化通常一起变化,垂直切片可以让修改更局部。如果业务策略相对稳定而外部集成经常变化,分离策略与适配器可能更有价值。两者都有适用条件;需要比较实际获取路径,包括验证和跨功能不变量。架构名称本身不能决定胜负。
常见误读
- Token 优化: Token 可以是观察智能体工作的一项数据,但不是设计目标。消耗更少,也可能只是遗漏了必要上下文。
- 上下文检索算法: 检索处理已有材料;软件设计还决定改对究竟需要什么知识,以及当前材料能否可靠地表达这些知识。
- 传统原则的另一种说法: 解释传统原则的好处只是论证的一部分。比较它们的成本、指出何时应该偏离某项原则,才是贡献不可缺少的部分。
- 代码量或信息量最小: 比较受充分性与正确性约束。增加显式类型、测试和文档,可能让设计更好。
当前契约、配置与职责归属应当让当前行为可以理解。历史记录可以解释取舍,也可能提供必要的溯源信息;但如果每次都要重建旧 PR 的来龙去脉才能发现今天生效的规则,这种设计成本就值得检查。能明确表达的当前适用条件,应尽量进入持续维护的材料;真正必要的历史和领域复杂性仍须保留。
还需要验证什么
本系列提供设计论证与实例,尚未建立普遍校准的度量,也没有证明每次依据 CMP 的修改都能改善结果。比较设计需要可比的任务与正确性标准,并考虑修改者能力和工具的影响。文件数、Token 数和工具调用数都只是局部观测,不能单独证明上下文充分。
检查是否理解到位
读完后,可以尝试用具体例子和相应章节回答:
- CMP 对评价软件设计贡献了什么?
- 评价标准、解释机制与设计技术之间有什么区别?
- CMP 在什么情况下支持偏离传统设计规则?什么条件会让判断反转?
- 为什么代码更多、智能体阅读的 Token 更多,设计却可能更好?
- 比较架构时,哪些对未来修改的假设决定了结论?
有用的回答应保持正确性与充分性要求,说清增加和避免的获取成本,并指出修改模式。只总结成“模块化让智能体节省 Token”,就遗漏了这里提出的核心贡献。这些问题是阅读检查,不代表已经完成独立理解效果评估。