馴服 AI Agent：在中大型專案中建立「永不幻覺」的開發協議

在 AI Agent 已全面進入 production workflow 的開發環境中（如 Antigravity、Cursor Agent mode），真正的瓶頸不再是生成能力，而是上下文污染與系統一致性。AI-native 開發的核心，不是提升 AI 能力，而是設計 AI 的認知邊界（cognitive boundaries）。當專案使用 Astro 5 + Vue 3 + Laravel 12 + Filament v3 這樣複雜的全端技術棧時，AI 極易因記憶漂移而虛構 API 格式、破壞商業邏輯或使用錯誤套件語法。

Prompt Engineering 的時代已經結束。解決方案是建立一套結構化的 AI System Design Stack，讓 AI 從「容易幻覺的助手」轉變為「遵守明確邊界的可靠執行官」。

AI System Design Stack：三層控制架構

1. Execution Boundary Layer（行為控制層）—— Agent Runtime Governance

這一層定義「AI 能知道什麼、不能做什麼」，是防幻覺的基礎。

建立 AI Execution Control Plane（原 .antigravity 升級版）：

text

.ai-control-plane/
├── core/                  # 技術邊界
│   └── TECH_STACK.md
├── contracts/             # 介面合約
│   └── API_CONTRACT.md
├── domain/                # 商業規則
│   └── BUSINESS_LOGIC.md
├── guardrails/            # 禁止與防護
│   └── FORBIDDEN_PATTERNS.md
└── scoring/               # 評分機制
    └── SCORING_SYSTEM.md

核心文件範例：

• TECH_STACK.md：嚴格鎖定版本與禁止語法
• BUSINESS_LOGIC.md：使用字典 + Mermaid 流程圖定義訂單狀態機、權限規則等

實戰指令模板：

• Reference Discovery：要求 AI 先閱讀所有規則文件並找出相似參考
• Plan First：強制先輸出執行計畫，確認後才產生程式碼

2. Efficiency Layer（效率控制層）—— AI Development Efficiency Model (AIDEM)

AIDEM 定義了如何在 Context、Contract、Execution、Model 四個層面控制 AI 系統，最大化輸入/輸出比（I/O Ratio）。

Layer	Purpose	核心機制	預估節省
Context	輸入控制	.ai-control-planeignore + 精準 Pinning	20-40%
Contract	規則控制	模組化 Markdown + 精煉指令	10-25%
Execution	行為控制	Plan First + Diff Mode + One-Shot	15-30%
Model	算力分配	模型路由 + Clear History	30-50%

綜合應用可降低 40%~70% Token 消耗，讓中大型專案的 AI 開發從「燒錢」變成「可控」。

3. Schema Layer（資料控制層）—— Contract-first Architecture

AI 系統最大問題不是邏輯錯誤，而是 schema ambiguity（結構不確定性）。

spatie/laravel-data 正是 Schema Layer 的實戰參考實現。它提供單一真理來源（SSOT），讓 Model → DTO → API → 前端 TypeScript 形成嚴格一致的合約鏈。

PHP

#[TypeScript]
class OrderData extends Data
{
    public function __construct(
        public string $order_no,
        public int $amount_cents,  // 分為單位
        // ...
    ) {}
}

Controller 簡化為一行，AI 只需閱讀一個檔案即可完全理解輸出結構。搭配 laravel-typescript-transformer，前後端型別自動同步，大幅壓縮幻覺空間。

這是 Schema-level Control 的具體落地：AI 需要的是確定性，而不是模型自由度。

從 Prompt-Driven 到 Boundary-Driven

在 AI-native 開發時代，系統的穩定性不再主要來自 code quality，而是來自schema consistency（資料一致性） 與 execution boundary design（執行邊界設計）。

• Execution Boundary Layer 解決行為一致性
• Schema Layer 解決資料一致性
• Efficiency Layer 確保可規模化

三層結合，構成真正可控、可觀測、可維護的 AI 開發系統。這也正是全端工程師從 Commodity 層 升級到 Leverage 層 的結構性路徑。

立即行動：

1. 建立 .ai-control-plane/ 並填入核心規則文件
2. 導入 spatie/laravel-data + TypeScript Transformer
3. 在最容易出錯的模組先建立 BUSINESS_LOGIC.md，並套用 AIDEM 流程

Prompt 時代已過，Boundary-Driven 時代才剛開始。當 AI 再次出現幻覺時，別急著在聊天視窗糾正它——去完善你的認知邊界設計。這才是生產級、規模化 AI 輔助開發的正確心法。