--- name: iterative-quality-convergence description: 用户要求持续自评、打磨到满意，或连续纠偏暴露同类质量差距时使用；整体诊断真实产物，按根因成批修复质量差距并复核，不替代验证、Review 或交付合同。 --- # 迭代质量收敛 ## 定位 探索“AI 能否像高标准的人类开发者一样，看到结果仍不够好时主动继续改进”。这是独立的探索性工作模式，不是新的生命周期阶段，也不以增加修改轮数为目标。 高质量不能由 AI 的主观满意证明。先建立任务特定标准，再整体观察、按根因成批改进并重新验证。优化目标是在达到相同质量门槛的前提下，缩短从当前产物到可交付结果的总时间；修改轮数、代码量与忙碌程度都不是收益。 大型、多阶段任务若已有[验收合同方法](../acceptance-contract-governance/SKILL.md)产出的验收契约，直接把其中的必须项、代表性场景和阶段门作为质量模型输入；本方法不另建一套完成标准。 用户明确要求把持续优化作为独立、跨轮或跨上下文任务，且下一步需要根据每轮证据重新选择时，按[项目知识治理](../project-knowledge-governance/SKILL.md)读取项目 loop 合同与对应执行记录；设计与执行状态分离，不取代本方法或开发生命周期，普通单批收敛不创建。 ## 进入条件 显式调用项目质量迭代宏，或说“自己评审并继续优化”“直到满意为止”“别等我逐个指出问题”等，均进入本方法。无需精确关键词：当前授权任务中，同一质量维度连续被纠偏，说明零散修补未收敛时，也应主动进入并说明目标。需要 AI 自主发现并修复多处质量差距的优化，使用本方法；目标清楚的一次局部修改直接走原流程，不增加持续循环。单纯询问观感或引用宏名称不触发实施；已有循环中的询问只补充判断，不取消原目标。 开始前确认： - 目标、目标用户、成功条件、非目标和禁止边界； - 当前可运行、可渲染、可读取或可比较的真实产物； - 能证明质量变化的观察入口、参考标准或指标； - 时间、风险或迭代预算，以及必须交给用户判断的偏好。 无法观察真实结果时不得假装收敛；先补观察条件，或明确停止。 ## 建立质量模型 只选择当前任务最重要的三至五个维度，并为每个维度写出可观察标准。候选维度包括： - 功能与状态行为是否正确； - 用户任务是否顺畅、清晰且完整； - 真实数据、边界状态和不同环境下是否仍成立； - 信息、视觉、交互或内容是否一致并达到参考水平； - 实现是否保持单一路径、清晰 owner 和必要复杂度； - 结果是否真正增强预期用户价值。 不要用一个伪精确总分覆盖不同性质的差距。审美偏好、产品选择和技术正确性分别判断。 “达到顶级产品水准”需展开为当前任务的可观察标准，参考真实产品或用户提供的材料；未取得参考时说明证据边界，不宣称精确复刻或客观超越。由 AI 自设标准时保留用户原目标，不能把“精致”缩成“没有溢出”。用现有设计或任务记录保存基线、标准和当前最大差距，不另建评分系统。 ## 执行粒度与效率约束 - **先整体诊断，再选择批次。** 在同一次基线观察中覆盖关键质量维度与代表场景，列出高价值差距、共同根因和验证入口。证据足够后立即实施，不把已看见的问题留给下一轮才调查，也不重读未变化的事实。 - **以最小完整修复为单位，禁止默认单点微调。** 按共同根因、同一责任域、依赖关系与可共同验证的范围分组；已知且兼容的改动成批闭合。最大差距决定优先级，不限制一批只能改一个点。若尺度、结构或状态模型已经错误，直接替换错误路径，不能用一串局部调参代替必要返工。 - **只有不确定性才需要小实验。** 根因未明、参数相互干扰或回退代价高时，先用能区分假设的最小实验；结论明确后成批执行。不能为了少做一轮把互相冲突的方案同时实施，独立差距也不强行混成不可归因的大改。 - **验证由风险和新证据触发。** 同一批共享准备、运行入口与适用检查；独立读取可批量执行。有依赖的修改、外部写入与审批保持顺序。无需每个参数改动都全量构建、逐区截图或重走全部阶段；只有结果会改变下一步决策时才设置中间检查点。批次结束复核全部受影响的必需标准，不能以提速删掉真实视觉检查、关键边界或最终 Review。 - **禁止预设优化轮数。** 不承诺“做三轮”、按轮数凑进度或等待用户逐项指出下一点。每次继续都须由剩余的具体差距、未决假设或回归驱动；证据显示当前粒度或方案无效时立即重新判断，不再机械重复同类微调。 ## 收敛执行 1. 从真实入口整体观察，对照任务目标、质量标准和适用参考，建立一份可复查基线与差距列表；区分缺陷、范围内质量改进、主观偏好和新需求；新需求不得借优化扩张进入当前任务。 2. 选择当前影响最大、证据最强的差距组，明确本批要闭合的完整范围、保留的行为、验证入口和尚未解决的不确定性。沿现有设计与 owner 执行，普通批次不新增独立计划或长日志。 3. 成批完成已确定且兼容的改动。新事实改变目标、结构或必要边界时返回正确阶段；否则不为每个小改重新论证方案。 4. 用同一真实入口复核受影响场景，确认差距缩小、原行为保留且无更大回归；验证失败按证据修正，不能用文档自评代替结果。 5. 更新原任务记录中的“差距组 → 本批改动 → 变化证据 → 剩余问题”，仅为仍存在的高价值差距选择下一批。 视觉产物先检查完整画面的构图、比例、层次，再检查材质、控件与交互。使用包含本批改动的实际构建，覆盖受影响的主要尺寸、主题和关键状态；相同构建中未受影响且仍有效的证据可复用。截图必须实际打开复核，几何断言、测试通过和发布成功均不能证明审美完成。 进度说明围绕已关闭的差距、剩余风险和下一项验证，不把“第几轮”当作成果。若效率仍低，检查时间是否花在重复读取/启动/全量检查、串行处理独立工作，或缺少判断所需的关键证据；调整执行方式，不通过降低质量标准加速。没有前后可比的实测时，不宣称已提速多少倍或达到了最高速度。 ## 停止条件 满足任一条件时停止： - 所有必需维度达到明确标准，且没有仍值得处理的高价值差距； - 下一轮预期收益低于实现、验证或回归成本； - 需要用户偏好、产品方向、范围扩张或高风险授权； - 达到约定预算，或真实环境无法继续观察。 仍有必需标准未达成且可继续处理时，不得以“边际收益不足”、首次可用或等待用户逐项点评结束。偏好需要用户选择时先完成不依赖选择的工作；真实阻塞说明缺什么及已完成什么。无预算不等于无限重做：必需标准成立、没有高价值差距后进入既有验证和交付，宏本身不追加提交、发布或外部写入授权。 最终输出质量标准、已闭合差距组与改进证据、停止原因、仍需用户判断的偏好和残余风险。不得只用“看起来不错”“测试通过”或“没有 finding”宣称达到高标准。