在AI之前，实施能力是稀缺的。一个糟糕的需求可能会浪费几个工程师的时间。有了AI，这种能力扩大了很多。一个糟糕的需求现在可以非常便宜地产生数百个错误的变更。因此瓶颈就上移了：朝着问题定义、上下文、约束、决策和验证的方向。 如果方向错误，那么所有这些额外的速度只会让你以十倍的速度到达错误的地方。

事实上，你最终不得不要处理项目所围绕的不确定性。为什么不在变更仍然便宜的时候处理它呢？修改蓝图要比重建整个建筑的部分便宜得多。这篇文章的目标是为你提供尽可能多地减少不确定性的工具，在实施之前。本文介绍了一个实践框架，正是通过6个步骤做到了这一点。 每个步骤都会产生一个简短的文档，使得决策对人类和代理都变得明确、持久且可用。这是一个关于理解、决定和达成一致的共享记录。

结果是一致性。人类和AI代理都从同一个方案中工作：对问题和预期解决方案的清晰、共享的理解。这可以防止猜测、返工和意外。软件开发中最难的问题很少是纯技术的。它们关于沟通和一致性：将一个模糊的问题转化为正确解决方案的关键组成部分。让代理参与其中会使这些风险更大。 一个工程师走错方向一天可能会造成有限的损害。同一个工程师部署整个代理队伍可能会造成更多的损害，更快。

并不是每个决策都值得相同的分析量。决策越难以逆转，越应该在做出该决策之前消除不确定性。选择按钮标签是高度可逆的。选择数据契约、系统边界或集成架构可能不是，并且弄错了是昂贵的。 那就是 scrutiny 应该归属的位置。

关键实体：公司：Towards Data Science

常见问题解答：为什么在Agentic AI时代问题定义更为关键？

Agentic AI极大地扩展了实施能力，这意味着一个糟糕的需求现在可以非常便宜地产生数百个错误的变更。瓶颈上移到问题定义、上下文、约束、决策和验证，以防止快速朝着错误的方向前进。

FAQ Q：为什么在Agentic AI时代问题定义更为关键？

FAQ A：Agentic AI极大地扩展了实施能力，这意味着一个糟糕的需求现在可以非常便宜地产生数百个错误的变更。瓶颈上移到问题定义、上下文、约束、决策和验证，以防止快速朝着错误的方向前进。