Skeleton Coding
一种AI辅助编程方法，开发者提供行为规格的同时用高层类代码格式指定程序结构（骨架），从而约束AI编程智能体的输出空间，提高生成代码的准确性和可维护性。
时间轴 (近 90 天)
Skeleton Coding 是一项研究，其核心思想是开发者在提供行为规格的同时，用高层、类代码的格式指定程序结构（骨架），以缩小候选程序空间。
论文将AI辅助编程建模为控制问题，并证明骨架可以将开发者需要提供的测试数量指数级减少。
在四个模型和三个基准测试上，表现最佳的骨架规格相比最佳端到端行为规格，平均测试误差降低了48.4%。
即使智能体可以查询完整的参考实现，加入骨架后平均测试误差仍相对降低高达27.0%。
骨架显著缩小了小模型与大模型之间的平均差距，幅度约为52.4%。
使用骨架使实现成本降低了15–26倍。
骨架平均减少代码侵蚀（code erosion）24.7%。
骨架不是要取代测试，而是与测试互补——结构决定候选空间，测试在其中做选择。
论文的实证覆盖四个模型和三个基准测试，但骨架的编写本身需要开发者投入认知成本。
全部知识事实 (9)
Skeleton Coding 是一项研究，其核心思想是开发者在提供行为规格的同时，用高层、类代码的格式指定程序结构（骨架），以缩小候选程序空间。
50%待验证论文将AI辅助编程建模为控制问题，并证明骨架可以将开发者需要提供的测试数量指数级减少。
50%待验证在四个模型和三个基准测试上，表现最佳的骨架规格相比最佳端到端行为规格，平均测试误差降低了48.4%。
50%待验证即使智能体可以查询完整的参考实现，加入骨架后平均测试误差仍相对降低高达27.0%。
50%待验证骨架显著缩小了小模型与大模型之间的平均差距，幅度约为52.4%。
50%待验证使用骨架使实现成本降低了15–26倍。
50%待验证骨架平均减少代码侵蚀（code erosion）24.7%。
50%待验证骨架不是要取代测试，而是与测试互补——结构决定候选空间，测试在其中做选择。
50%待验证论文的实证覆盖四个模型和三个基准测试，但骨架的编写本身需要开发者投入认知成本。
50%