ailev/FPF · 上手攻略
- 仓库：ailev/FPF
- 链接：https://github.com/ailev/FPF
- 分类：Knowledge Framework
- 作者：Jay
- 更新：2026-10-04
是什么
FPF（First Principles Framework）是一套 AI 原生的声明式模式语言（pattern language）体系，面向系统工程、研究和管理的知识框架。
FPF 的核心思想是：为工程师和 AI Agent 提供一套共享、精确的语言，用来描述系统（System）、方法（Method）、工作（Work）、证据（Evidence）、决策（Decision）、架构（Architecture）和改进（Improvement）。它不替代工程师的专业判断，而是提供一套可追溯、可审查、可推理的共同知识语言，让 AI Agent 的建议有据可查。
作者：Anatoly Levenchuk（AI-agent 协助完成）。许可证：CC BY 4.0（框架内容），第三方内容保留原许可证。状态：持续演化中——已在实际项目和开发计划中使用，同时保持更新。
解决什么问题
- AI Agent 建议缺乏依据：通用 LLM 的建议来自训练数据中的统计规律，无法追溯来源。FPF 为 AI Agent 提供可查验的模式库，让它的每条建议都有出处。
- 人机协作语言不一致：工程师用直觉和经验工作，AI Agent 用概率模型推理，两者对话缺乏共同语言。FPF 提供一套双向可理解的模式语言。
- 复杂系统决策缺少结构化方法：系统工程、管理、研究等工作需要跨学科推理，现有方法分散且难以整合。FPF 试图成为这个跨学科推理的统一语言。
- 知识难以复用和积累：FPF 将工程方法编码为可组合的模式（DPF，Domain Principle Framework），可以在不同项目间复用和扩展。
快速了解结构
FPF 仓库的核心出版物包括：
| 出版物 | 内容定位 | 典型工作问题 |
|---|---|---|
| FPF Core Conceptual Specification | 跨学科实体和关系语言：System、Method、Work、Evidence、Decision、Architecture 等 | 我们实际在讨论什么？声明了什么关系？证据支持什么？ |
| Foundational Thinking DPF Suite | 数学思维、物理思维、计算思维、符号工程的模式语言套件 | 如何进入陌生问题、连接不同推理方式、如何用结果改进工作方式？ |
| Engineering DPF Suite | 工程、运维、维护、组织变革、决策支持等领域的模式语言 | 当前是哪个系统和使用场景？需要哪种架构、接口、能力或变更？ |
| Narrativization DPF | 将来源结构转化为可跟进的叙事，同时保留可追溯性 | 哪些来源结构必须保留？流畅叙事是否虚构了因果、主体或确定性？ |
快速上手
方式一：通过 fpf.tools 在线浏览
无需安装，直接访问：
- 浏览出版物：阅读各模式语言内容
- 搜索：按关键词、引用短语或模式 ID 搜索
- MCP 接入：AI Agent 可通过 MCP Server 接入（远程端点 https://mcp.fpf.tools/mcp，Streamable HTTP，公开读取无需 API Key）
方式二：本地阅读 Markdown 文件
git clone https://github.com/ailev/FPF.git
cd FPF
# 阅读入口
cat FPF-Spec.md # FPF Core 规范入口
cat "Foundational Thinking DPF Suite/README.md"
cat "Engineering DPF Suite/README.md"
cat USING-FPF.md # 如何选择和使用各出版物
方式三：在 AI Agent 中使用 FPF
在项目 AGENTS.md 中添加 FPF 使用指引（参考 USING-FPF.md），让 AI Agent：
1. 根据当前问题检索相关模式
2. 比较不同模式的适用条件
3. 引用精确的来源段落
4. 将模式建议转化为工程师可操作的结论
AI Agent 仍负责：实际情境、专业领域知识、观察、约束、利益、本地历史、系统访问权限，以及任何真实的分配、许可、责任或权威。
核心用法
按工作问题查找模式
FPF 的使用起点是当前工作问题，而非从头阅读整个语料库。
当前问题 → 检索模式（查看声明的 Situation 和 Question） → 检查适用性 → 使用模式的区分、约束、检查、结果和停止/重新打开条件 → 产生最小有用结果，或诚实阻塞
模式组合使用
大型问题通常需要多个模式协同。例如"改变组合规则"（MP）连接反例、保留信息、操作和证明；"在资源限制内获得答案"（CP）连接分解、重用子计算、搜索边界和结果恢复。
数学思维 DPF Suite 示例
数学思维出版物包含 20 个模式和它们之间的方法连接。从 MP-FRAME 开始——当你有工作问题但尚不知道需要什么数学时使用。
典型工作问题 → 对应出版物
- "这个架构选择对吗？" → Engineering DPF Suite
- "证据是否支持这个结论？" → FPF Core（Evidence / Claim 相关模式）
- "如何把这个问题数学化？" → Foundational Thinking DPF Suite → Mathematical Modeling
- "如何让 Agent 的推理可审查？" → Narrativization DPF
典型适用场景
| 场景 | FPF 价值 | 关键出版物 |
|---|---|---|
| AI Agent 辅助系统工程决策 | 让 Agent 引用 FPF 模式而非凭空建议 | FPF Core + Engineering DPF Suite |
| 架构评审和 Trade-off 分析 | 结构化描述系统、接口、配置和能力 | Engineering DPF Suite |
| 团队知识积累和传承 | 将经验固化为可复用的模式语言 | Engineering DPF Suite |
| AI 生成内容可追溯性 | 检查叙事是否虚构了因果和确定性 | Narrativization DPF |
| 跨学科问题建模 | 连接数学、物理、计算等多种推理方式 | Foundational Thinking DPF Suite |
| 管理与工程协调 | 让工程师和管理者使用共同语言 | FPF Core |
坑与注意
- "AI-native"不等于"AI-only"：FPF 强调人类专家的不可替代性——AI 产出的结论不是自动成为事实、证据、许可或决策，每种关系都需要独立建立依据。
- 模式语言需要工程判断：FPF 提供语言和结构，但不替代专业领域知识。工程师需要判断哪个模式在当前情境下适用。
- Eternal Alpha 状态：FPF 仍在持续演化，出版物的结构和内容可能发生破坏性变更，不适合作为稳定系统的唯一决策依据。
- 模式编号不规定项目顺序：各模式的文件顺序和编号不构成通用工程流程，实际依赖关系在具体结果和工作中，而非模式语言中。
- 工具和服务生态分散：FPF Core 和 DPFs 本身是知识框架，但配合使用的工具（MCP Server、fpf.tools）属于额外生态，需另行了解。
- 数学思维套件门槛较高：Foundational Thinking DPF Suite 中的 Mathematical Thinking 和 Mathematical Modeling 部分对数学基础有要求，非数学背景用户慎入。
与同类对比
| 维度 | FPF | 传统工程方法论（如 TOGAF、Zachman） | 普通 LLM 建议 |
|---|---|---|---|
| 目标 | AI 原生模式语言，人机共享推理语言 | 企业架构框架，人类使用 | 通用语言模型 |
| 知识组织 | 可组合的 Pattern（DPF），可溯源 | 框架结构（视图、矩阵） | 训练数据统计 |
| AI Agent 集成 | 设计时考虑 AI 读取和引用 | 不考虑 | 依赖 Prompt 工程 |
| 许可证 | CC BY 4.0（开放） | 商业框架为主 | 各服务商不同 |
| 演进速度 | 活跃演化（Eternal Alpha） | 相对稳定 | 依赖模型更新 |
| 适用范围 | 系统工程、研究、管理 | 企业 IT 架构 | 通用 |
FPF 的差异化优势：专为 AI Agent 可读、可引用而设计的知识框架，区别于传统企业框架（人类专用）和通用 LLM（无出处）。CC BY 4.0 开放，可自由集成到项目中。
一句话推荐结论
FPF 是一套 AI 原生系统工程知识框架，通过可溯源的模式语言让人和 AI Agent 共享推理依据，适合需要 AI 辅助做架构决策、Trade-off 分析或复杂系统工程工作的团队；注意其 Eternal Alpha 状态和数学套件的高门槛，fpf.tools 提供免安装在线试用。