标签
本文讨论了在使用AI编程代理时如何管理代码质量，通过采用规范驱动开发和测试驱动开发等策略来减少错误并提高生产力。
这篇文章介绍了在人工智能时代背景下的规格驱动开发，并推广了ThinkRail，这是一个由JetBrains开发的、用于Pi编码代理的免费开源图形用户界面。
本文正式提出了规范驱动的智能体开发（SDAD），旨在利用AI重构软件开发生命周期，强调精确规范和多智能体验证，以实现规范化的智能体速度。
一条推文讨论了为什么像 AWS Kiro 和 GitHub Workflows 中使用的规范驱动开发未能流行起来，并引用了 @dexhorthy 的分析。
这条推文认为，规范驱动开发对AI智能体无效，并将其与软件开发生涯中瀑布模型的失败相类比。它提倡“意图工程”——向智能体传达上下文、策略和约束，以应对未知的未知因素。
批评Vibe Coding风格，指出自然语言需求的不精确性导致AI Agent产出需要大量返工，提倡spec-driven development以确保安全性和生产质量。
Zach Lloyd详细介绍了如何在云软件工厂中构建一个规范驱动的开发代理，通过使用分流代理和规范代理来处理模糊或复杂的问题，在实施前生成产品和技术规范。
这篇文章概述了一个使用Warp技能的规范驱动开发的五步工作流程：编写产品规范（PRODUCT.md），编写技术规范（TECH.md），使用任何AI代理进行实现，验证实现与规范一致，以及使用Oz进行计算机使用验证。这些技能是开源的，可以通过npx安装。
GSD Core 是一个开源的工作流框架，通过「讨论-规划-执行-验证-交付」五步循环和独立上下文的子代理，解决 Claude Code 等 AI 编码工具在长任务中上下文被污染、代码质量下降的问题，已在 GitHub 获得 64K Stars。
Elvis Sun 分享了一份详细的操作手册，介绍如何使用 AI 编码代理、工程框架和损失函数开发来自主解决复杂工程问题，并展示了如何避免代理作弊等常见陷阱。
作者探索构建一个名为SPINE的AI代理系统，该系统能够通过本地推理模型进行自我开发和改进，重点在于确定性工作流和可读性，使中等规模的模型能够可靠运行。
一位开发者介绍了SPINE，这是一个基于LangGraph构建的确定性代理框架，它使用结构性评判门而非基于提示的护栏，并在工具层驱动行为，以实现更可靠的本地推理代理。
MagesticAI 是一个基于浏览器的 AI 任务管理和多 Agent 编排平台，支持从规划、编码到 QA 的全流程协作。
一位开发者分享了使用AI编程助手构建一个基于Rust的10万行多Paxos共识引擎的心得，实现了显著的生产力提升和性能改进。
Spec Kit 是 GitHub 推出的一款开源工具包，支持规范驱动开发，允许开发人员利用 AI 编码代理直接从可执行规范生成可运行的软件实现。