最近半年,AI辅助编程的讨论风向变了。评论区里反复出现的不再是"AI写的代码不能用",而是另一种懊恼:代码没bug,上线第二天运营来找你——用户把已经发货的订单也退了。问题不在AI,在那句prompt里压根没提"发货状态"四个字。知乎
这就是2026年AI编程最真实的痛点迁移。从"写不出来",变成"写出来的不是我想要的"。AI没有失败在写代码上,它失败在猜你心思上。你含糊,它一丝不苟地把含糊(包括错误的部分)实现给你看。知乎
一个数据看懂角色变化
Cursor公布过一个数字:平台上56%的pull request已经由AI智能体合并。一半以上的代码变更不是人写的,是人审的。工程师正在从"写代码的人"变成"给代码写判卷标准的人"。知乎

于是"先写spec再让AI动手"(规格驱动开发,SDD)被越来越多人当成默认动作。GitHub官方推出的Spec Kit今年8月发了1.0版,流程说白了就一句话:先说清"做什么、为什么",再让AI决定"怎么做"。它把需求拆成一串Markdown文件:项目宪法(红线)→ 规格(功能需求+边界情况)→ 反问澄清(最多五个问题,把模糊点摊牌)→ 技术方案 → 拆任务 → 实现 → 最后converge回头核对代码和需求原文对不对得上。Claude Code、Codex、Cursor等20多个agent都能接。知乎

效果到底有没有?有,但不是万能
Uvik团队做过一组严格对照实验:50个生产级任务,统一模型,写spec的一组合并了42个,没写的一组36个。提升是真的,但后半句更值钱——spec只在新功能和数据管道这类任务上回本,bug修复、重构、写测试反而不划算。修bug本身没什么返工空间,规格自然成了纯开销。知乎
反方也很硬:装过GitHub Skills的作者Matt Pocock公开访谈说自己折腾SDD几个月后放弃了。B站IBM那条对比"规格驱动与瀑布开发"的视频下,高赞评论直接开怼,问"这不本来就是规格驱动开发吗,AI出现前没规格怎么写代码"。知乎知乎哔哩哔哩
普通人现在该怎么做
别急着给整个项目补规格,记住两个实战结论:
规格的价值不是提前把事想全,是让没想全的地方有个地方可以补。有人写过三行规格的重置密码功能,跑完才发现没写"同时点两次会怎样"——这句话本来就不可能提前想到,但spec让它有个落点。哔哩哔哩
用消除歧义所需的最小严格度。新功能、跨人协作、多agent并行的活,值得写spec;一句话小脚本,直接对话就好。每个功能产出十来个文档文件,仪式感是有成本的。知乎

还有个数学账:假设AI每步成功率95%,一个十步的任务链完整成功率只剩约60%。步骤越多,越需要spec来兜底,这也是它存在的理由。知乎
AI把写代码的成本打到地板之后,真正的稀缺品变成了"把需求说清楚"。garbage in, garbage out这句老话,在AI编程时代不是修辞,是账单。