一、标准答案参考SDDSpec-Driven Development中文叫规格驱动开发是在正式编码之前先把需求变更的目标、范围、系统行为、设计约束和任务拆分通过文档规格文档确定下来再让AI按照这些文档去开发能够把模糊需求变成稳定的工程上下文从而减少AI自己猜需求、误改历史逻辑和实现跑偏的问题。二、有哪些常见的SDD框架现在围绕AI编程的SDD实践已经出现了一批框架比较常见的有几类GitHub Spec Kit适合做新项目把规格变成可执行的开发入口让开发者围绕产品场景、验收标准和实现计划推进编码Kiro Specs更像内置在AI IDE里的规格工作流围绕requirements.md、design.md、tasks.md来组织需求、设计和任务Tessl更偏激进一些强调spec-as-source把规格作为更核心的源头代码更像由规格生成出来的产物OpenSpec强调在已有项目里管理一次次变更把变更的原因、范围、行为、设计和任务沉淀成可追踪的工程上下文。这些工具的侧重点并不完全一样有的更适合从零开始做新项目有的更适合IDE内置体验有的是更激进一些的“规格即源码”OpenSpec比较适合用于对已有的系统做修改在实际体验中我自己使用比较多的也是OpenSpec。三、一个基于OpenSpec的SDD开发流程示例OpenSpec是一个规格驱动开发框架需要先安装再使用安装的时候可以选择自己使用的Coding Agent支持绝大多数常见的Coding Agent用起来非常方便。如上图所示OpenSpec的核心流程是explore → propose → apply → archive分别对应需求分析然后生成需求的规格文档按照规格文档来实现编码最后把规格文档进行归档作为团队资产沉淀下来。这里给个具体例子比如你要做一个“实现暗黑模式”的需求如果只是对AI说帮我实现暗黑模式它就会直接开始编码而且会做出很多默认假设主题状态放在哪里、是否跟随系统主题、历史配置怎么兼容这些都是实现细节如果AI做的假设和我们的要求不一致那就很可能会影响我们的系统实现。所以在基于OpenSpec的SDD开发流程里不是直接让AI写代码是先进行Explore先让AI分析清楚当前系统的实现搞清楚主题机制、状态管理、页面范围、兼容要求这些细节。需求探索清楚以后再进入Propose阶段这个阶段还不是写代码主要是把需求分析的结果变成规格产物就是特定结构的文档proposal.md为什么做范围是什么不做什么specs/系统行为要新增、修改、删除什么design.md关键技术方案和取舍tasks.md把实现拆成可执行、可检查的任务这些文档生成后一般需要人工来检查这些文档是不是符合预期也可以对文档进行修改只有和 AI 对需求的「目标、边界、行为、方案、任务」确认达成一致后才进入Apply开发阶段。在Apply阶段AI开始进行编码这里比较简单就是按照tasks.md的内容进行实现如果AI遇到技术细节就会自己去看design.md遇到行为边界就回看specs/。最后是Archive归档阶段当实现完成、测试通过后把上面那几个规格文档都会保存下来作为团队资产方便后续的人了解这个需求。四、SDD和TDD有什么区别TDD是Test-Driven Development测试驱动开发重点是先写测试再写具体实现用测试的结果来给代码开发提供反馈。SDD在流程中更靠前它关注的是先定义需求、系统行为、边界、设计约束和任务拆分再进入实现。五、SDD适合什么场景不是所有场景都适合用SDD如果是很小的需求例如改个脚本或者一个很独立的函数修改那就直接和AI对话交流就够用了。SDD适合的场景已有项目里的功能迭代需要避免误改历史逻辑跨模块变更比如同时改前端、后端、数据库、权限需求容易变化且需要保留决策过程团队协作场景需要让人和AI对同一份规格达成一致SDD不适合的场景这种没必要硬套SDD反而会增加流程成本一次性脚本没有什么讨论价值的简单改动需求边界非常明确、实现成本很低的任务。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
字节面试官:别再直接让 AI写代码了,去学习一下 SDD 规格驱动开发
发布时间:2026/6/5 13:21:06
一、标准答案参考SDDSpec-Driven Development中文叫规格驱动开发是在正式编码之前先把需求变更的目标、范围、系统行为、设计约束和任务拆分通过文档规格文档确定下来再让AI按照这些文档去开发能够把模糊需求变成稳定的工程上下文从而减少AI自己猜需求、误改历史逻辑和实现跑偏的问题。二、有哪些常见的SDD框架现在围绕AI编程的SDD实践已经出现了一批框架比较常见的有几类GitHub Spec Kit适合做新项目把规格变成可执行的开发入口让开发者围绕产品场景、验收标准和实现计划推进编码Kiro Specs更像内置在AI IDE里的规格工作流围绕requirements.md、design.md、tasks.md来组织需求、设计和任务Tessl更偏激进一些强调spec-as-source把规格作为更核心的源头代码更像由规格生成出来的产物OpenSpec强调在已有项目里管理一次次变更把变更的原因、范围、行为、设计和任务沉淀成可追踪的工程上下文。这些工具的侧重点并不完全一样有的更适合从零开始做新项目有的更适合IDE内置体验有的是更激进一些的“规格即源码”OpenSpec比较适合用于对已有的系统做修改在实际体验中我自己使用比较多的也是OpenSpec。三、一个基于OpenSpec的SDD开发流程示例OpenSpec是一个规格驱动开发框架需要先安装再使用安装的时候可以选择自己使用的Coding Agent支持绝大多数常见的Coding Agent用起来非常方便。如上图所示OpenSpec的核心流程是explore → propose → apply → archive分别对应需求分析然后生成需求的规格文档按照规格文档来实现编码最后把规格文档进行归档作为团队资产沉淀下来。这里给个具体例子比如你要做一个“实现暗黑模式”的需求如果只是对AI说帮我实现暗黑模式它就会直接开始编码而且会做出很多默认假设主题状态放在哪里、是否跟随系统主题、历史配置怎么兼容这些都是实现细节如果AI做的假设和我们的要求不一致那就很可能会影响我们的系统实现。所以在基于OpenSpec的SDD开发流程里不是直接让AI写代码是先进行Explore先让AI分析清楚当前系统的实现搞清楚主题机制、状态管理、页面范围、兼容要求这些细节。需求探索清楚以后再进入Propose阶段这个阶段还不是写代码主要是把需求分析的结果变成规格产物就是特定结构的文档proposal.md为什么做范围是什么不做什么specs/系统行为要新增、修改、删除什么design.md关键技术方案和取舍tasks.md把实现拆成可执行、可检查的任务这些文档生成后一般需要人工来检查这些文档是不是符合预期也可以对文档进行修改只有和 AI 对需求的「目标、边界、行为、方案、任务」确认达成一致后才进入Apply开发阶段。在Apply阶段AI开始进行编码这里比较简单就是按照tasks.md的内容进行实现如果AI遇到技术细节就会自己去看design.md遇到行为边界就回看specs/。最后是Archive归档阶段当实现完成、测试通过后把上面那几个规格文档都会保存下来作为团队资产方便后续的人了解这个需求。四、SDD和TDD有什么区别TDD是Test-Driven Development测试驱动开发重点是先写测试再写具体实现用测试的结果来给代码开发提供反馈。SDD在流程中更靠前它关注的是先定义需求、系统行为、边界、设计约束和任务拆分再进入实现。五、SDD适合什么场景不是所有场景都适合用SDD如果是很小的需求例如改个脚本或者一个很独立的函数修改那就直接和AI对话交流就够用了。SDD适合的场景已有项目里的功能迭代需要避免误改历史逻辑跨模块变更比如同时改前端、后端、数据库、权限需求容易变化且需要保留决策过程团队协作场景需要让人和AI对同一份规格达成一致SDD不适合的场景这种没必要硬套SDD反而会增加流程成本一次性脚本没有什么讨论价值的简单改动需求边界非常明确、实现成本很低的任务。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】