用 Kiro 构建旧图像恢复工具,让规格约束实现
NECROPSY 尝试从无法打开的文件中恢复图像,通过解码长度与数据区域完整消费等算术条件验证布局。作者介绍了如何让 Kiro 的规格文档成为项目记忆,并明确区分唯一解、多解和失败。
AI 深度解读
文件打不开,不一定是数据坏了,也可能只是读取它的软件消失了。作者为 Kiroween 2026 黑客松的 Resurrection 类别做了 NECROPSY:从陌生文件里寻找图像布局,用字节计算检查候选结果;答案不唯一时,就全部展示,不替用户选。
这篇最有参考价值的,是作者怎样使用 Kiro:把测量结果和设计理由写进规格,让后续任务有据可循,再用属性测试、真实文件和独立实现检查代码。它展示了一条具体的 AI 编程路径,也留下了需要分清的验证边界。
字节能对上,为什么还不能选一张图
NECROPSY 接受布局的条件很明确:数据区域解码后,长度必须恰好等于 row_stride × height,同时必须消耗完整个数据区域,不能留下输入字节。row_stride 是每行占用的字节数,可能包含行尾填充。
这个检查只有通过和失败,没有置信分数,也不让模型判断哪张图更像真的。文件最终进入三种状态:唯一布局通过是 RESOLVED;多个布局通过是 UNRESOLVED_AMBIGUITY;没有布局通过是 FAILED,并展示尝试过的解释及失败原因。
作者用 mystery_d 说明了为什么必须保留歧义:它只有 104 字节,没有文件头,却有 18 种图像布局能完全匹配。
字节计算成立,只能证明布局与现有数据相容,不能保证它就是原作者想保存的图像。
团队也试过按行连贯性给候选排序,希望借相邻行的规律识别正确图像。但在 mystery_d 上,错误图像得分为 0.1646,正确图像为 0.3342,而指标越低代表越连贯。于是这个分数只供展示,不再影响结论。
规格怎样从任务清单变成项目记忆
作者称,所有交付代码都由 Kiro 编写,工作分成五份规格:引擎、UI、验收关卡的对抗测试、真实文件语料和 MCP server。每份都有 EARS 形式的需求、设计和任务;EARS 可以理解为用固定句式,把触发条件和预期行为写清楚。
最关键的安排,是在引擎需求顶部维护 Decision Record。每次测量迫使设计改变,就记录改了什么、依据哪个数字、放弃了哪些替代方案,最后累计 27 条。
其中几条直接关系到结果是否可信:
- 早期解码器填满输出就停止,没有检查剩余输入。一个样本中,宽高均小于 40 的 1,521 组组合竟有 224 组通过,因此增加了完整消耗数据区域的要求。
- 某个文件的正确结果曾依赖策略恰好排在第一位,因此改成每个阶段收集全部通过的布局,再决定结果。
- 行连贯性指标排错了图,因此明确禁止评分决定答案。
这类记录让后续任务能看到旧设计的理由,减少改代码时重新引入已知问题的机会。它比一句「不要猜测」更具体,因为连失败证据也留下了。
作者还设置了两份始终生效的 Steering 文件,以及分别作用于引擎、测试、UI 的三份路径范围文件。解析器必须返回结构化错误,不能向外抛异常;引擎只能使用标准库,没有第三方依赖。
执行权限也被拆开:dev 实现单个任务并提交,reviewer 可以运行测试但不能写文件,spec 只能修改 .kiro/specs/。Hook 则把 Kiro 每次保存文件的事件连同时间、git HEAD 追加到 docs/KIRO-LOG.md,累计 634 行。
如何检查 AI 写的代码和测试
引擎设计列出 17 条正确性性质,包括不抛异常、闭合检查可靠、连贯性评分不能改变结果。它们对应分布在 13 个文件中的 35 个带 @given 的 Hypothesis 测试。
属性测试的作用,是让工具自动生成输入,检查某条约束是否始终成立。一次生成的畸形 TIFF 让「导出的规格能够复现引擎」这条性质失败。作者据此补充决策:违反自身格式规则的文件,只能导出针对该文件的规格,不能把异常结构推广成整个格式的规则。
NECROPSY 恢复文件后,会导出包含 requirements.md、design.md 和 pytest 验收测试的 Kiro 规格,刻意不附带解析器。作者拿 Pillow 测试集里一个 14,313 字节、使用 RLE 压缩的 PCX 验证:新 Kiro 会话只拿到规格文件夹,就写出了通过全部 4 个测试、像素与 Pillow 一致的解析器。这是一次具体实验,还不足以证明其他格式都能如此恢复。
真实文件检查覆盖六个图像解码器测试集中的 81 个文件,来源是 Pillow、libtiff、Go image、ImageMagick、SDL_image 和 imagers。其中 26 个属于支持范围,23 个恢复结果与 Pillow 逐像素一致。另一个仅依据需求文本编写、不共享引擎代码的实现,在全部九个样本上复现了引擎结果。
MCP 集成提供 analyse 和 emit_spec,并打包成 Kiro Power,要求 Agent 报告所有候选且不自行选择。作者在空工作区验证过,Kiro 对 mystery_d 列出了全部 18 个候选。还有一个实际限制:Kiro 会截断超过 30,000 字符的工具结果,因此 analyse 去掉了像素缓冲区,语料中最大的返回结果是 25,890 字符。
我的判断
我认同它把「无法判断」设计成正式结果。恢复文件时,错误但看着合理的图片可能比明确失败更容易误导人。算术关卡、完整消费输入、保留多个候选,都有清晰的失败案例支撑。
把测量写进决策记录也很有用。不过,规格是否减少了返工、比普通任务清单节省多少时间,作者没有给出对照数据。这部分仍是项目经验,不能直接推广成 Kiro 的普遍效率结论。
验证规模也要看准。81 个文件不等于 81 个都能恢复;支持范围内的另外 3 个文件为何没有达到像素一致,原文没说清。独立实现覆盖的也只有九个样本,而且仍基于同一份需求,可能共同继承需求里的错误。
与常规格式解析器相比,这种探索布局的方法更适合结构未知的文件;格式已知时,成熟解析器仍是自然的起点。本文最扎实的价值,是把未知和证据都显式留下。
能拿来做什么
- 给 AI 编程项目的关键规则补上决策记录,写清触发修改的样本、测量结果和弃用方案,让后续会话能理解规则的来由。
- 为前端或 Node 文件解析功能列出可验证约束,例如输入是否完整消费、长度是否匹配、错误是否结构化,再用属性测试寻找手写用例遗漏的输入。
- 让独立实现或成熟解码器检查关键结果,避免只凭同一个 Agent 生成的代码和测试判断正确性。
- 开发 MCP 工具时,为歧义设置明确返回状态,并控制响应体积;可以参考本文移除像素缓冲区的做法,但不要把 Kiro 的 30,000 字符限制当成所有客户端的共同限制。