Convergence vs. Generation

Convergence vs. Generation（收敛 vs. 生成）

本比较把两种工程取向抽象为“生成式”与“收敛式”。它主要来自 Qwen 的约束驱动实验与本库综合，用于分析质量控制方式；不是已经被跨项目验证的普遍“范式转移”定律。

维度	生成式（Generative）	收敛式（Convergent）
核心假设	模型越强，产出质量越高	约束越严，产出偏差越小
逻辑起点	模型一次性产出结果	Harness 驱动多轮迭代
错误处理	寄希望于下一代模型的幻觉减少	将报错回灌（Feedback），带错纠正
成功判据	语义相似度、肉眼观察	自动化判据（协议、产物、环境）
典型代表	Vibe Coding、简单 Copilot	约束驱动工程、Qwen 实验

核心差异

1. 质量的来源

• 生成式：更依赖模型单轮能力与提示质量，验证环较弱。
• 收敛式：把测试、约束、反馈与重试作为显式控制环，通过不断排除无效路径提高交付稳定性。Qwen 实验把这一思路概括为“质量由闭环收敛出来”；该表述目前应视为工程方法论主张。

2. 人类/Harness 的角色

• 生成式: 人类是“提示词工程师”，通过调整输入来寻找最佳输出。
• 收敛式: Harness 是“控制系统”，通过注入硬约束（如 像素事实）和分层验收，强制系统向目标状态逼近。

3. 长程任务的鲁棒性

生成式逻辑在长程任务中容易因错误累积而“翻车”；收敛式逻辑通过每一阶段的“当场截断”和“残局重续”，能够支撑数小时甚至数天的连续自动化交付。