主题: 附录 A. 通往第一卷的桥梁
难度等级: 中等
预计学习时间: 3–5 小时（包括复习第一卷相应部分）
前置要求: 熟悉第一卷中的 SDD（规范驱动开发）基础知识
了解工件结构：mission.md、tech-stack.md、roadmap.md
具备 requirements.md、plan.md、validation.md 格式的基础使用经验
对教学项目 AgentClinic 及其领域模型有所了解
学习目标: 准确定义第一卷中哪些章节是阅读第二卷的必备前提，并评估自身的知识缺口。
解释 SDD 各方言（作者版、Spec Kit、Kiro）之间的差异，并能在不同方言间进行工件的心智迁移。
使用领域映射图，将第一卷中的 AgentClinic 教学组件与第二卷中的生产场景相对应。
描述第二卷在第一卷基础之上新增了哪些层次和概念。
基于桥梁表和自身的准备程度，制订个人的第二卷最低限度阅读路线。
概述: 附录 A 充当了课程第一卷（理论教学）和第二卷（应用生产导向）之间的中央导航枢纽。它将所有「桥梁」汇总在一起：第一卷中第二卷阅读所必需的先决知识清单；SDD 各方言之间的关系（Spec Kit、Kiro、作者版）；将 AgentClinic 教学代码与具体生产场景相关联的领域映射图；以及第二卷在基础流程之上构建的新层次概览。读者若未掌握本附录，在后续章节中可能会面对大量陌生术语而感到困惑。
关键概念: 桥梁（bridges）：将第二卷中抽象的生产场景与第一卷教学项目的直接延续相关联的连接性表格与说明。桥梁保证了工件、术语和示例的连续性。
最低先决条件（minimum prerequisites）：第一卷中必不可少的概念与技能集合，缺乏这些就无法有意义的阅读第二卷。包括：项目宪章结构、功能规范格式、合并准入事实（EARS、Given/When/Then）、重新规划、遗留代码支持、代理可替换性、团队评审、Qwen Code 钩子、SDD 反模式与实践考核。
SDD 方言（sdd dialects）：规范的三种呈现变体：教材的作者版方言（requirements.md、plan.md、validation.md）、GitHub Spec Kit 与 AWS Kiro。第二卷使用作者版方言，但通过工件的心智重命名，各章节的思想可在方言间无损迁移。
AgentClinic 领域映射图（domain map）：第一卷教学代码（Hono 路由、SQLite 迁移、反馈表单）与第二卷衍生的生产场景（node_not_ready、appointment_latency、high_memory_usage、rate_limit_breach 等）之间的对应关系表。便于在任何一章阅读时快速恢复上下文。
第二卷的生产层次：第二卷在第一卷基础之上新增的概念层次，包括：AgentClinic-production 实验框架、从遗留代码恢复规范、受控缺陷、生产宪章、对抗性验证（LLM 决斗）、规范变异测试、影子规范、Specification CI、文件仲裁、分层预算、anti-Goodhart 指标、与生产 API 的集成、生产反模式。
考核路线的主要案例：对于考核路线，推荐使用 high_memory_usage（部署后 SQLite 读取峰值）作为主要案例。其余生产实体有助于理解本地可运行示例，无需单独的证据包。
练习题: 名称: 先决条件自我审计
问题: 使用「第二卷阅读必备的最低限度」表，编写个人清单。对每一行进行标记：（a）熟练掌握，（b）模糊记得，（c）不熟悉。计算各类别所占比例。
解决方案: 1. 打开附录 A 中的先决条件表。2. 创建三列：「熟练」、「模糊」、「不熟悉」。3. 对 10+ 项中的每一项确定自身水平。4. 若「不熟悉」比例超过 30%——返回到第一卷的相应部分（链接位于右列）。5. 对「模糊」项目——重读相应章节的简要总结。
难度: beginner
名称: SDD 方言间工件的心智迁移
问题: 已知：团队使用 GitHub Spec Kit。在第二卷中遇到描述 requirements.md 和 validation.md 工作的章节。请为从作者版方言迁移到 Spec Kit 编写工件重命名心智图。
解决方案: 工件对应关系：requirements.md → /speckit.specify；plan.md → /speckit.plan + /speckit.tasks；validation.md → /speckit.analyze + 检查列表。算法：阅读第二卷章节时，将 Spec Kit 命令心智替换为作者版文件命名。章节思想并不严格绑定于格式，可无损迁移。
难度: intermediate
名称: 将生产症状映射到教学代码
问题: 在阅读课程第二部分时遇到生产症状 rate_limit_breach。使用 AgentClinic 领域映射图，确定：（1）第一卷中哪个教学组件是该场景的源头，（2）它涉及哪部分领域，（3）为什么该症状出现在反馈表单的上下文中。
解决方案: 1. 根据领域映射图：rate_limit_breach →「反馈表单（第 12 部分）」。2. 涉及 AgentClinic 的评论/反馈领域。3. 反馈表单接收 POST 请求；在流式发送相同请求时触发限流器，这模拟了真实攻击或负载测试。这展示了教学组件如何过渡到防御滥用的生产场景。
难度: intermediate
名称: 构建个人最低限度路线
问题: 依据「第二卷新增内容」表以及练习 1 的自我审计结果，制订第二卷章节的阅读顺序。从第 0 部分（实验框架）开始，然后根据自身缺口按优先级分配其余部分。
解决方案: 1. 必须从第 0 部分开始——它将 AgentClinic 转为生产模型并确定最低限度路线。2. 若对遗留代码支持存在缺口——从第 1 部分（规范恢复）开始。3. 若验证存在缺口——优先阅读第 4 部分（LLM 决斗）和第 5 部分（变异测试）。4. 若关注 CI/CD 集成——阅读第 7 和第 11 部分。5. 以第 13 部分（生产考核）结束。路线格式：带有「必修」、「建议」、「选修」标记的章节列表。
难度: advanced
案例研究: 名称: 团队从 Spec Kit 迁移到第二卷的作者版方言
场景: 开发团队已在日常工作中使用 GitHub Spec Kit，并决定学习本课程的应用卷以改进生产流程。第二卷使用作者版 SDD 方言编写。
挑战: 工件存在误解与混淆的风险：团队习惯了 /speckit.specify、/speckit.plan 和 /speckit.analyze 命令，而课程使用 requirements.md、plan.md 和 validation.md。若不能进行正确的心智迁移，教学材料可能显得与实际工作流不相关。
解决方案: 使用附录 A 构建工件对应心智图。团队创建了速查表：requirements.md → /speckit.specify；plan.md → /speckit.plan + /speckit.tasks；validation.md → /speckit.analyze + 检查列表。在阅读第二卷的每一章时，团队同步记录概念在其真实 Spec Kit 流程中如何表达。
结果: 团队成功完成了应用卷全部 13 部分，理解毫无损失。此外，他们发现某些思想（如对抗性验证和影子规范）可自然地作为 /speckit.analyze 之后的额外步骤集成到其 Spec Kit 流程中。
经验教训: SDD 方言可互换——思想比文件格式更重要。
提前创建工件对应图可节省阅读课程的时间。
第二卷的实践概念（决斗、变异测试、Specification CI）适用于任何方言。
相关概念: SDD 方言
工件的心智迁移
Spec Kit
Kiro
名称: 基于 AgentClinic 教学代码诊断 high_memory_usage
场景: 学生学习第二卷考核路线，并以主要案例 high_memory_usage 为工作对象——教学项目 AgentClinic 部署后 SQLite 读取峰值。
挑战: 需将抽象的生产症状与具体教学代码（第一卷第 12 部分的 SQLite + 评论迁移）相联系，并应用 SDD 循环进行诊断：从通过恢复/精化规范发现症状，到验证修复。
解决方案: 1. 根据附录 A 中的领域映射图：high_memory_usage →「SQLite + 评论迁移（第 12 部分）」。2. 学生重读第一卷第 12 部分以恢复上下文：迁移与评论读取的结构。3. 在第二卷（第 2 部分——规范缺陷诊断）中，学生分析了迁移规范中的缺陷如何导致次优 SQL 查询。4. 使用第 5 部分（规范变异测试）的概念——检查规范是否捕获了大规模读取场景。5. 整理包含合并准入事实的证据包。
结果: 学生成功完成考核路线，展示了第一卷教学代码是生产思维的充分基础。证据包包括：根据高负载场景更新的规范、确认规范完整性的变异测试，以及优化前后的指标。
经验教训: 附录 A 中的领域映射图对于在两卷之间快速切换上下文至关重要。
主要案例 high_memory_usage 非常适合考核，因为它涉及规范、代码和指标。
需要返回到第一卷第 12 部分是流程的正常组成部分，而非知识缺口的标志。
相关概念: AgentClinic 领域映射图
规范缺陷诊断
规范变异测试
证据包
学习建议: 在阅读第二卷任何章节之前先从附录 A 开始——它建立了上下文，避免因陌生术语产生的挫败感。
务必将「第二卷阅读必备的最低限度」表作为清单来使用——在继续之前返回到第一卷中不熟悉的部分。
维护并行词汇表：遇到第二卷的生产实体时，根据领域映射图记录其对应的教学组件。
若您的团队使用 Spec Kit 或 Kiro——创建一份物理的工件对应速查表，并在阅读时随手参考。
对于考核路线，聚焦于 high_memory_usage 作为主要案例——这将节省时间并保证足够的深度。
第 0 部分（AgentClinic-production 实验室）是必修的入口点；它确定了哪些工件需要手动填写、哪些示例可本地运行、哪些属于完整实施路径。
阅读反模式（第二卷第 12 部分）时，请注意章节页脚中指向第一卷的引用块。
附加资源: 第 0 部分. agentclinic-production 实验室：第二卷的入口点：将基础版 AgentClinic 转为教学生产模型。
第一卷第 6 部分 — 宪章创建：mission.md、tech-stack.md、roadmap.md 结构介绍。
第一卷第 7 部分 — 功能规范：requirements.md、plan.md、validation.md 格式。
第一卷第 9 部分 — 功能验证：合并准入事实、EARS、Given/When/Then。
第一卷第 20 部分 — sdd 反模式：在第二卷第 12 部分中扩展的基础反模式。
第一卷附录 a — sdd 方言：Spec Kit、Kiro 和作者版方言的详细比较及对应表。
第一卷附录 b — agentclinic 领域：实体的完整描述：代理患者、病症、治疗、预约、评论。
摘要: 附录 A 是课程两卷之间的导航桥梁。其核心功能包括：（1）通过包含 10+ 概念的表格确定第一卷的必备先决条件；（2）通过工件的心智重命名实现 SDD 各方言间的可移植性；（3）通过 AgentClinic 领域映射图将第二卷的每个生产症状与第一卷的具体教学组件相关联；（4）概述第二卷新增的生产层次。为有效学习：从第 0 部分开始，进行先决条件自我审计，使用 high_memory_usage 作为主要考核案例，并在遇到不熟悉的生产实体时始终参考领域映射图。