可逆计算

AGE（Attractor Guided Engineering）是我在开发 nop-chaos-flux 过程中形成的一套 AI 原生工程方法论。 与一般的Harness方法论不同，AGE的思想来源

简介 Trellis 是一个第三方开源模板 (@mindfoldhq/trellis)，目标是"让 AI 编码代理在 14+ 平台上有一致的工程流程"。 OpenSpec 是一个类似的第三方开源框架

起点 OpenProse、Natural-Language Agent Harnesses（NLAHs）和 Attractor-Guided Engineering（AGE）都在试图解决同一个问题：A

一、引言 CodeStable 是一个流行的AI开发工程模板，它的 README 把自己定义为： CodeStable 的核心命题是： AGE 选择的核心命题不是如何约束，而是更底层的控制原理： AG

一、核心命题对照 维度 RMSP Agent 范式 AGE 方法论 nop-chaos-flux 实践 核心诊断 当前 Agent = 撰写产物（authoring artifact），结构不变 当前

Agent Skill 已经是 AI Agent 工程中最容易被接受的实践之一：把可重复任务封装成可发现、可调用、可注入上下文的能力包。 这当然有价值。诊断 bug 可以有 skill，审查代码可以有

一、为什么需要这个类比 AGE 已经有一套核心语言： 状态空间 → 吸引子 → 轨迹 → 控制 这套 AGE 基础语言，精确刻画了 AI 大规模开发中的一个核心问题：当 AI 以高频、高幅度、无持续记

在我此前的两篇文章中已经介绍了AGE的基本理论概念以及它和Spec-Driven开发以及Harness Engineering的区别。 为了便于实际落地AGE的实践，我新建了一个新的模板项目attra

一、为什么一谈 AI 工程，大家先想到 Harness 当前讨论 AI 辅助开发时，最常见的说法是： guardrail verification review feedback loop agent

nop-chaos-flux 是一个基于 React 19、Zustand 5 和 Vite 8 构建的低代码运行时框架。它受百度 AMIS 启发，但基于创新的设计原理从零开始独立实现，包含 JSON

前提：设计思想的源头 Flux 的核心设计思想并不是在实现过程中逐步发现的，而是早在 AMIS 理论研究阶段就已经确立。nop-entropy/docs/theory/amis/ 下的两篇文章——为什

引言 nop-chaos-flux 是 Nop 平台的渲染层——一个基于声明式 DSL 驱动的低代码运行时，用于在浏览器中渲染和执行由 Schema 描述的应用页面。它的 DSL 表面形态与百度 AM

1. 引言 — 为什么需要又一个低代码框架？ 百度 AMIS 是一个非常优秀的设计。它功能强大、文档丰富，被广泛用于各种企业级应用，在低代码渲染领域有着深远的影响力。然而，AMIS 的发展历史很长——

在关系型数据库查询中，我们经常需要根据关联集合来判断主表记录是否符合条件。例如： 查找"至少有一个角色是管理员的用户" 查找"所有订单都已完成的客户" 查找"没有任何未读消息的用户" 传统SQL需要写

引言：一个正在发生的范式转移 2026年，我们正站在 AI 发展的一个重要拐点上。当一些系统开始以“Agent Operating System”而非“聊天机器人框架”自我定义（例如最近发布的 Ope

开篇：两个误解，一个真相 Nop平台（官网：https://nop-platform.github.io/) 是一个基于可逆计算理论从零开始构建的新一代低代码开发平台。它的核心理念是通过DSL（领域特

在落地可逆计算理论和Nop平台的过程中，我反复观察到一种现象：一些核心设计思想，程序员听完之后觉得“确实有道理”，但他们事前绝不会自己想到。 这种“想不到”不是因为智力不够或知识不足，而是因为日常编程

引言 领域驱动设计（DDD）是 Eric Evans 在 2003 年提出的一套软件设计方法。二十年来，它被广泛讨论，也被广泛误解。多数教程会给你一份模式清单——实体、值对象、聚合根、限界上下文——然

讲解视频：Nop入门：使用NopReport导出Excel图表_哔哩哔哩_bilibili Nop平台内置了一个非常精简的中国式报表引擎NopReport，它可以实现商业报表引擎如FineReport

Nop平台为开发自定义DSL（Domain Specific Language，领域特定语言）提供了一系列基础设施，核心机制是通过XDef元模型（Nop平台的元模型语言）定义XML格式的语法结构，然后