规范驱动开发落地经验谈：为什么 AI 编程的关键不在模型，而在协作方式

44 0 0

文章摘要

AI辅助编程领域已历经三次关键演进：最初的“氛围编程”采用指令式交互，通过与AI反复迭代生成可运行代码；随后的规划模式让AI先起草执行计划供人工审核，能及早发现意图对齐问题，但人机交互仍属战术性和指令式，且计划执行后不保留，代码成为后续迭代的主要上下文。规范驱动开发（SDD）作为最新演进方向，借助AI模型的长时专注能力，通过构建人机共同理解实现意图对齐，规范的核心作用是促进对话而非充当操作手册。

SDD的技术价值包括支持智能体长时独立执行、优化Token用量与上下文管理，但其对企业最重大的影响在于文化层面——跨职能团队协作构建规范与执行上下文，远优于个人埋头优化提示词或追求更强大的模型。当前软件交付的瓶颈已从代码编写效率转向意图表达的精准性，仅靠审核AI输出的模式无法实现规模化落地。不过企业落地SDD面临诸多挑战：主流工具多以开发者为中心，阻碍产品、业务等角色参与；单仓库聚焦不适配企业多微服务架构；与现有需求管理系统集成不足；协作模式模糊易引发流程混乱；规范风格与粒度差异大增加选择难度；规范到实现的对齐验证机制不完善；遗留系统的落地路径不清晰，直接全面生成规范存在上下文窗口超限、审核负担过重等问题。

企业可通过务实路径推进SDD落地：对接现有产品需求清单降低跨角色参与门槛；多仓库编排分离业务上下文与技术实现细节，让智能体自动拆解跨仓库任务；引入角色专属智能体自动应用领域约束；规范风格优先保障沟通效率而非过度追求验证；遗留系统采用增量式探索，在每次变更时逐步完善对应区域的规范。长期来看，成熟的SDD实践需将规范作为一等工程界面，所有代码变更均需经过规范环节，通过反馈循环持续优化指导智能体的框架，质量工作重心从验证代码实现转向验证框架的健壮性，最终实现人类聚焦战略性问题、智能体规模化执行多工作流的AI原生交付模式。