AI 最適合幫你做的架構工作，不是「給我一個最佳設計」，而是「把資深架構師的思考流程變成可重複的對話範本」——多方案 trade-off、產出 ADR、模擬「這個設計半年後會怎麼爛掉」。 前提是：決策權與「why」的真實性，永遠由人覆核。
核心方法：Context pack → 多候選 → trade-off → ADR → 定期重驗
不要空泛地問「幫我設計系統」。收斂的實務框架是：
- 餵 context pack：需求、限制條件、最近 3–5 份 ADR、相關程式碼一起給。
- 要求 2–3 個候選架構，每個都要有明確 trade-off，而非單一答案。
- 用固定七維度做結構化 trade-off：實作複雜度、維運複雜度、擴展性上限、交付時程、團隊技能匹配、資料一致性保證，以及可逆性——多篇來源特別強調「可逆性」是最常被忽略卻最重要的維度（多難遷移離開這個決定？）。
- 輸出比較表 + 當前情境推薦 + 明確觸發點（什麼情況該換方案）。
- 讓模型草擬 ADR，人做最終決定。
Best practices
- ADR 模板：Title（祈使句）／Status／Context／Decision／Alternatives considered／Consequences／Revisit trigger（把決策設計成「預設可逆」而非「預設永久」）。2026 年的新用法：ADR 從「給新人看的歷史文件」變成 AI coding agent 的可執行約束——agent 生成程式碼前先讀 ADR，配 PostToolUse hook 驗證、CI fitness function 擋違反架構的 PR。
- Pre-mortem：用「假設現在是 12 個月後，這個系統在生產環境已經失敗了，走一遍每個失敗原因」的句式，聚焦資料遺失、級聯故障、規模效能懸崖、維運壓垮團隊；用「可能性 × 影響」排序只看前 5 個，最後把失效模式轉成 load test／chaos engineering 的實際測試案例。
- 多個窄範圍 agent 取代單一萬能架構師：DDD 專家、Trade-off Analyst、特定框架的 Code Reviewer 分工——呼應 Agentic Workflow 的原則。
- C4 圖表可自動生成，但風險不在「畫不出」而在「圖是否反映真實系統」——要從程式碼／IaC 掃描生成，而非純靠人類描述。
最重要的邊界條件（可佐證）
一篇分析 980 份 ADR、橫跨 109 個 repo 的研究（arXiv:2602.07609）給出關鍵發現：LLM 對「程式碼可推斷」的架構決策違規偵測準確率高，但對「隱含的、依賴部署設定或組織知識」的決策，準確率明顯下降。 換句話說，AI 治理架構在「程式碼看得見的決策」上好用，碰到「只存在於人腦或組織慣例裡的決策」就會失準。
另一個具名陷阱：agent 生成的 ADR 可能「正確記錄了 what，卻編造了 why」——因為它沒參與真正的討論。Context 與 Consequences 必須由人覆核。
工具與案例
- Cloudflare 的 AI code review 系統是目前最扎實的公開量化案例：CI-native 編排、最多 7 個專職 agent + 協調 agent，30 天跑 13 萬次審查、break-glass 僅 0.6%，但官方明確承認「難以驗證跨系統影響、難偵測細微並行 bug，還不是人類的替代品」（Cloudflare）。
- Anthropic 自述新程式碼 80% 由 Claude 撰寫、自動 reviewer 攔截約 1/3 歷史事故 bug（VentureBeat 轉述，廠商自述）。
- 學術：LLM 在 ATAM 式架構評估任務中比人工（學生）更準、更省力（arXiv:2603.28914，但對照組是學生非資深架構師）。
主張 vs 可佐證
- 可佐證：Cloudflare 量化數字（一手）；LLM 對「程式碼可推斷 vs 組織知識型」決策的能力落差（980 ADR 實測）。
- 廠商自述：Anthropic 80%／94% 準確率、Catio「31 個 agent」——無獨立第三方評測。
- 主張／口號：「幻覺是數學可證明的架構限制」（未取得原始論文）、「prompt 措辭造成 5.9 倍程式碼增長」（無一手連結）、「AI 不取代架構師、但用 AI 的架構師取代不用的」（意見）。
- 最常見失敗模式是 over-engineering：為一個單一 agent 就能解決的問題硬蓋多 agent 系統；架構應匹配問題的實際複雜度，而非匹配 AI 能生成的複雜度。
架構決策要先把需求講清楚：見 Spec-Driven 與 Problem Framing；pattern 語彙見 Design Pattern 高級詳解；決策本身的紅隊化見 決策與紅隊思考。