Mise en Place for Agentic Coding: Deliberate Preparation as Context Engineering Methodology
本文提出“ Mise en Place"（MEP），这是一种三阶段准备方法论，通过将领域知识外化并结构化规范以支持高效、并行的智能体编码，从而对抗快速“氛围编程”的低效性，并由此引入“语境流畅性”作为关键开发者技能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
以下是用通俗语言和日常类比对这篇论文的解读。
核心问题：“氛围编程”与真正的烹饪
想象一下，你想建一座房子，但不是先画蓝图，而是直接往施工队手里递砖头，大喊：“建个酷点的！”这就是作者所说的“氛围编程”（vibe coding）。目前，这种模式在 AI 编程代理中非常流行：你输入一个快速的想法，AI 吐出代码，你修正错误，然后循环往复。
论文认为，这就像“不做准备的烹饪”。如果你开始煎牛排，却还没切洋葱、称量香料或磨快刀具，你就会花一半的时间在厨房里慌乱地四处寻找东西。结果呢？做饭时间变长，味道不一致，甚至可能在找盐的时候把牛排煎糊了。
在 AI 编程的世界里，这种“四处乱跑”发生在 AI 编写的代码不完全符合你的愿景时。你最终花费更多时间修正 AI 的错误，而不是真正构建产品。
解决方案：“备料”（Mise en Place）
作者提出了一种源自专业厨房的解决方案，称为“备料”（Mise en Place，法语意为“各就各位”）。在高档餐厅里，厨师在开火之前，会将所有食材称量好，将所有工具归位，并将所有食谱烂熟于心。一旦开始烹饪，过程就会顺畅且迅速。
论文建议，我们需要为 AI 编程做同样的准备。在让 AI 编写第一行代码之前，你必须花时间准备好“厨房”。作者将这种准备细分为三个具体步骤：
1. 情境奠基（“食谱与理念”阶段）
- 是什么： 你不仅要写下你想构建什么，还要写下“为什么”构建以及它应该呈现何种感觉。你将你的“直觉”和专业知识转化为 AI 可以阅读的文档。
- 类比： 想象你正在雇佣一名副厨。与其只说“做汤”，不如递给他们一个活页夹，上面写着：“我们要为学生做汤。它需要简单但要有深度。不要使用辛辣食材，因为我们的受众很年轻。这是这道菜的历史。”
- 为何有效： AI 没有你的“直觉”。如果你不写下来，AI 就会猜测，而且很可能猜错。
2. 协作规范（“菜单设计”阶段）
- 是什么： 你与 AI 进行对话，将你的想法转化为详细的设计。你告诉它要包含什么，但同样重要的是，你告诉它不要包含什么。
- 类比： 这就像与厨师坐下来设计菜单。你说：“我们要三道菜的套餐，但为了节省时间跳过开胃菜，并确保甜点是无麸质的。”你设定了界限，这样厨师就不会浪费时间制作五道菜的套餐或无法食用的甜点。
- 为何有效： 它阻止了 AI 过度设计或构建错误的功能。
3. 任务分解（“流水线”阶段）
- 是什么： 你将大项目拆解为 AI 可以逐个（或同时）完成的微小、独立的任务。
- 类比： 与其告诉一群厨师“做整顿晚餐”，不如给他们一份具体的工作清单：“你切胡萝卜”，“你烧水”，“你装盘鱼”。因为工作清晰且独立，你可以让四名厨师同时工作而不会互相碰撞。
- 为何有效： 它允许多个 AI 代理并行工作，而不会感到困惑或互相干扰。
现实世界测试：黑客马拉松
作者在竞争激烈的编程活动（“黑客马拉松”）中测试了这种方法，参赛队伍只有 5 小时来构建一个可运行的应用程序。
- 设置： 当其他队伍立即开始编码（“氛围”方法）时，作者花了2 小时进行准备（“备料”方法）。
- 结果： 作者的团队使用了四个同时工作的 AI 代理。由于准备非常清晰，这些代理在大约 20 分钟的实际编码时间内就构建了整个应用程序。
- 结果： 代码几乎完美运行。错误极少，几乎没有时间浪费在修复重大的架构错误上。作者的团队完成了一个完整的教育平台，而其他队伍仍在为基本错误挣扎。
新技能：“情境流利度”
论文总结道，在 AI 时代成为一名优秀的开发者，不仅仅关乎如何编写代码或如何输入好的提示词。它关乎一种新技能，称为“情境流利度”（Context Fluency）。
- 类比： 将 AI 代理想象成一位非常有才华但非常死板的实习生。如果你给实习生一个模糊的任务，他们就会做出一件模糊的工作。如果你给他们一套清晰、详细且结构化的指令，他们就会成为超级员工。
- 技能： “情境流利度”是指将你混乱的人类想法转化为干净、结构化的环境的能力，让 AI 能够立即理解并执行。这是布置舞台的艺术，让 AI 能够呈现一场精彩的演出，而无需你四处奔跑去修理灯光。
总结
论文认为，速度源于准备，而非匆忙。 通过花时间提前组织思路、定义规则并分解任务（备料），你可以让 AI 代理工作得更快、更聪明，从而避免日后因修复它们的错误而头痛。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。