97.9%采纳率，胶水编程：业务需求出码最佳实践

一句话概括

探讨如何通过”胶水编程”方式结合AI代码生成，实现业务需求到可采纳代码的高效转化，达到97.9%的代码采纳率。

天猫品牌行业前端团队在中后台业务场景下实践”胶水编程”，核心主张是”别让AI写代码，让它抄代码”。将团队已有的开发规范、代码模式、领域知识喂给Agent，让它组装而非创作。试点业务域半年前采纳率仅50%，当前达到97.9%。

胶水编程需要四层物料支撑Agent编码，每层解决一个独立的决策维度：

开发规范（规矩层）：仓库级编码约束，通过AGENTS.md文件静态注入system prompt。由业务视角（20+域）和技术视角（5种工作台）交叉决定，通过云端域配置系统自动识别并下发。例如业务域A要求用@internal/admin-components，业务域B要求接口地址必须以/开头。
代码模式（骨架层）：从团队已有项目中提炼的可复制代码骨架，是胶水编程的核心。一个典型列表页样板间包含index.tsx、Form.tsx、Table.tsx、services.ts、constants.ts。采用两层继承设计：架构组统一维护5个工作台级样板间（默认兜底），域前端负责人可选fork扩展。
领域知识（知识层）：通过knowledge MCP Server统一接入，覆盖内部私有组件文档（占60-70%）、经验知识（20-30%）、开发规范（5-10%）。判断标准：模型能从公开资料获取的不需要放入。
任务规格（方案层）：具体需求的施工图，通过SPEC/Plan文件交付。按需求复杂度特征拆分为6种模板（基础、表单联动、多弹窗、状态流转、复杂校验、复杂列表），消除方案质量波动。

核心认知只有一条：别让AI写代码，让它抄代码。把团队已有的开发规范、代码模式、领域知识喂给Agent，让它组装而非创作——这套方法我们叫”胶水编程”。SPEC管意图，物料管执行，两者叠加才是完整的可控编码。

胶水编程的核心主张：与其优化SPEC让AI写得更好，不如直接给它好的东西来抄。胶水编程针对的正是”怎么做”这一层：SPEC管意图，物料管执行，两者叠加才是完整的可控编码。

四层物料按加载方式分为两类：静态注入的物料每次Agent编码时全量加载，确保关键规则始终在场；动态检索的物料由Agent在编码过程中按需拉取，避免上下文过载。

代码模式是胶水编程的核心——给AI看一份500行的标准列表页，比写50条规则有效得多。它是从团队已有项目中提炼出的可复制代码骨架——不是文档，不是规则描述，是一套实际的、可运行的代码文件。

传统假设是把AI当作作者：给它足够好的需求描述，它就能写出好代码。胶水编程的假设是把AI当作装配工：它不应该”写”代码，而应该”抄+改”代码。当知识的消费者从人变成Agent，“口头传递”这条路径断了——Agent只能消费被显式外化的知识。

我们投资的不是脚手架，而是知识资产。加载物料的工程机制会变——今天是AGENTS.md静态注入，明天可能是模型原生支持长期记忆——但团队的代码模式、领域知识、开发规范不会因为模型升级而过时。模型会换代，脚手架会扔掉，但团队知识只会越积越厚。90%抄，10%写。这才是AI编码真正的护城河。