超越人类可读：重新思考 Agent 时代的软件工程规范

语义密度原则：压缩不总是好事，零信息 token 才是优化目标 (2026-04)

概要

当代码的主要消费者从人类变为 LLM Agent 时，六十年来的软件工程规范需要重新审视。本文提出语义密度优化原则——消除零信息 token，保留高语义价值 token——并通过控制实验发现：激进的压缩反而增加了 67% 的总会话成本。此外提出了 Program Skeleton（程序骨架） 概念用于 Agent 导航。

Overview

语义密度原则

语义密度 = 携带任务相关含义的 token / 总 token 数

高密度 token：描述性命名、类型注解、docstring、业务逻辑表达式、带诊断上下文的错误消息
零信息 token：结构化样板代码、冗余访问修饰符、框架脚手架

核心论点：优化目标不是 token 最小化，而是语义密度最大化。压缩高信息 token 是反生产力行为——减少了输入 token 但增加了推理 token。

七类受压规范的分类法

文件拆分与项目结构：Agent 应按部署边界拆分，而非认知限制
命名规范：有意义的命名价值增加，VerifyOrderByAvailableAmount 是压缩文档
抽象深度与仪式代码：Java Spring Boot 一个端点 8+ 文件 170 行仅 18 行业务逻辑（8:1 比率）
反模式重新评估：800 行文件 = 1 次 tool call vs 15 文件 = 15 次 tool call
SOLID 原则：SRP 认知论据弱化；DRY 在 Agent 可靠更新时意义减弱
日志格式：见实验部分
Git 提交信息：Agent 受益于丰富的提交信息，节省重读 diff

Program Skeleton（程序骨架）

提议新文件类型 CODEMAP.md：包含模块拓扑、入口点、调用链、函数签名，不含实现体。是损失性语义压缩，一次性提供导航地图。

Key Contribution

语义密度原则 + 压缩悖论的实验验证
Program Skeleton 概念：为 Agent 高效导航而设计的新软件工件
仪式代码-逻辑比（Ceremony-to-Logic Ratio）作为非正式度量
七类规范分类法：系统分析人类中心规范在 Agent 压力下的成本效益变化

Experimental Results

日志格式控制实验（200 个电商日志事件，claude-sonnet-4-6）：

格式	文件 token	会话 token	耗时	正确率
A — Human-Readable	8,072	18.9k	1m36s	5/5
B — Structured	7,106 (-12%)	24.0k	5m24s	5/5
C — Compressed	6,695 (-17%)	31.6k	7m00s	5/5
D — C + Decoder Tool	6,695 (-17%)	28.3k	4m05s	5/5

压缩悖论：Format C 减少 17% 输入 token，但增加 67% 会话总成本。原因： - 压缩后模型需在推理阶段解码缩写，产生"推理税" - Tool 调用引入额外开销（5-7 次调用），固定开销超过选择性解压节省

关键洞察：最优的人类和机器表示共享高语义密度。分歧在于结构组织——人类需要小文件和视觉格式，机器需要整合访问和导航索引。

agentic-coding — 本文直接为 agentic coding 提供软件工程实践指导
rethinking-se-for-agentic-ai — 同主题，软件工程在 Agent 时代的重构
swe-agile — 敏捷开发流程在 Agent 编程范式下的演变