规格问题不是新鲜事——AI 只是让它暴露无遗

说实话，代理式开发有个难堪的事实，一直明摆着没人提：瓶颈从来不是写代码，而是先决定写什么代码。

1986 年，Fred Brooks 在《No Silver Bullet》里就点破了这点。他发现那些编程大招——面向对象、时间共享、结构化编程——顶多小打小闹。因为它们只治标不治本，搞定的是“意外复杂性”（写代码的乱七八糟），没碰“本质复杂性”（动脑子的难处）。软件工程的真功夫，一直在规格阶段：拉齐各方意见，权衡利弊，钉死一个还没影儿系统的需求。

现在我们把代码生成扔给 AI，大家还指望规格问题也跟着烟消云散。醒醒吧，没这事儿。

“详细规格”和“自然语言规格”不是一码事

这儿容易卡壳。不少新工具——从 AI 生成 PRD 的家伙，到爱挑刺的规格校验器——都赌一件事：让 AI 问对问题，规格漏洞就自己补上。

这想法倒着来。自然语言天生模糊，才发明正式记号来救场。你写个产品规格，文采飞扬、讲故事一流，老板们直点头——但 AI 代理一看，傻眼了。它需要硬邦邦的技术细节。你说“用户看仪表盘要在 2 秒内”，跟“分析仪表盘 P95 延迟 <2000ms，99 分位上限 5000ms”——前者听起来文艺，后者才是真规格。

把模糊 specs 喂给 AI 编码代理，不会变魔术。结果就俩：

1. 模糊变诡异代码。 代理吐出能跑的东西，但架构一塌糊涂。你得花仨 sprint 返工。

2. 代理自己脑补。 它从训练数据里抄袭类似项目，大胆套用你没想过的假设，直接发货。

都没好果子吃。

代理式编码真牛逼的地方（和坑的地方）

老实说，代理开发在窄领域真香。落地页、CRUD 应用、样板集成、标准电商流程——这些行得通，因为问题收敛。训练数据里成千上万类似案例。代理不是解原创题，就是大规模模式匹配。

这值钱啊。独狼 founder 能 10 倍产能，小团队几小时搞定行政工具，本来要几周。真提效。

但有个前提：成功靠规格超清澈，不是模糊也能行。 这些领域太熟了，规格几乎不用明说。

其他事儿——定制业务逻辑、新奇集成、长远架构抉择——还得人脑主导。那“思考”就是活儿。AI 只加速敲代码，不加速想事儿。它不会说“先别这么干，有更好路”，只会按你说的来。

一开发哥们儿说得对：“AI 会写代码，但不会先问为什么不先试 X。” 这就是产品思维，代码披个皮。无可取代。

真瓶颈：人跟人手off 的摩擦

规格这么难，AI 不解，咋整？

答案简单粗暴：砍掉人际沟通的摩擦。

产品经理甩简报给工程师，后者开一周会才搞清边缘ケース和取舍——这就是规格问题。设计师稿子跟后端约束撞车，没人提前吱声——规格问题。AI 代理按错假设生成代码，偏离业务需求——还是规格问题。

别指望更牛代理或校验框架。得在人聊清楚 之前 逼出精确。

咋做：

• 规格当核心产物。 不是可有可无的文件，是代码生成的合同。
• 明写取舍理由。 为什么 eventual consistency 不选 strong？数据模型为啥这个不那个？必须记下来。
• 关键处用正式记号。 SQL schema、API 合同、性能预算——工具强制清晰。
• 早试 AI 反馈。 先用 specs 生成一小块代码，看暴露啥模糊，再迭代 specs。

对你开发流程的启发

用 AI 搭生产系统，别说“别用代理”。是：规格投更多，不投更少。

这反直觉，尤其现在人人喊“快跑”。但坏 specs 快跑，只中更快错靶子。真赢的团队，不是让代理猜要建啥，而是先苦哈哈想透，用代理放大执行力。

创业和小队尤其：竞争力不在代码生成，在规格清晰。你能精确描述业务逻辑，让 AI 稳稳实现——难题已解。代码生成现在是小菜。

底线

1986 年 Fred Brooks 牛，2025 年还牛。软件本质复杂不在建，而在想。AI 没改这真理——只是让模糊思维和精确代码的鸿沟，闹得人尽皆知。

下波提效不靠神代理。靠团队狠抓规格纪律，把需求工程当头等工程。用 AI 放大清晰，别遮掩混乱。

AI 与软件开发的真机会，就在这儿。需要代理干不了的事：深度思考你要建啥。