在第 4 天，我們介紹了 AI-DLC Sprint —— 一個結合 AWS AI-DLC 和傳統 Sprint 優點的框架。第 9 天，我們學習了 GitHub 的 Spec-Driven Development。今天，讓我們探索這兩個方法論如何相輔相成，創造出更強大的開發工作流程。

兩個方法論的天然契合

AI-DLC Sprint 已有的流程

回顧第 4 天提到的 AI-DLC Sprint，我們已經建立了完整的開發流程：

• 規格書：定義專案目標和需求
• User Story：拆解功能需求
• Acceptance Criteria：明確完成標準
• UI/UX：設計使用者體驗
• Development：開發實作
• Deployment：部署上線

Spec-Driven Development 的強化

SDD 不是要取代這個流程，而是讓每個環節更加精準：

1. 讓規格「活」起來：從靜態文件變成可執行的指令
2. 減少理解偏差：AI 不用猜測，直接理解意圖
3. 累積式改進：規格隨專案演進，知識不斷沉澱

為什麼 SDD 與 AI-DLC Sprint 是互補？

如果我們把 SDD 與 AI-DLC Sprint 放在同一張圖裡，就會發現：

• SDD 解決的是「方向正確」的問題：確保需求、規格、AC 是 AI 可以理解並執行的。
• AI-DLC Sprint 解決的是「節奏持續」的問題：確保規格化的需求能夠在短週期內轉換成可交付的成果。

換句話說，SDD 提供 語言與規格的精準度，AI-DLC Sprint 提供 節奏與交付的韌性。兩者結合後，團隊可以進入一個正向循環：

1. 規格更清楚 → AI 能產出更精準的程式碼與文件
2. 交付更頻繁 → 每個 Sprint 產出的結果，反過來成為下一輪 Spec 的驗證
3. 持續優化規格-交付迴路 → 規格與產品逐步收斂，減少返工

概念融合：讓規格成為 AI 的導航系統

傳統開發 vs AI 開發的規格角色

傳統開發中的規格：

• 寫完就束之高閣的文件
• 開發過程中不斷偏離
• 最後產品可能完全不同

AI-DLC Sprint 中的規格：

• AI 理解和執行的藍圖
• 持續對話的基準點
• 自動轉化為程式碼的指令

AI-DLC Sprint 三種變形的規格強化

Solo Sprint：個人開發的規格輕量化

在 48 小時的高速開發中，規格需要極度精簡但明確。

核心原則：

• 意圖優於細節：專注於要解決什麼問題
• 約束優於規範：設定邊界而非詳細規則
• 迭代優於完美：快速開始，邊做邊改

規格要素：

• 一句話目標：這個專案要達成什麼
• 核心功能列表：3-5 個必要功能
• 技術約束：必須用什麼、不能用什麼
• 完成定義：什麼狀態算是完成

Team Sprint：小團隊的規格協作

3-5 人團隊需要更結構化的規格來協調合作。

規格分層：

• 專案層規格：整體目標和架構
• 功能層規格：各個功能的詳細定義
• 介面層規格：團隊間的協作介面

協作機制：

• 規格 Owner：每個規格有明確負責人
• 變更流程：規格修改需要通知相關人
• 版本管理：規格隨程式碼一起版控

規格驅動的 AI 對話模式

從 Vibe Coding 到 Spec Coding

Vibe Coding（憑感覺）：

你：幫我做一個部落格
AI：好的，這是基本的部落格系統...
你：不對，我要能多人發文的
AI：了解，讓我修改...

Spec Coding（憑規格）：

你：根據規格 BLOG-001 實作多作者部落格系統
AI：我看到規格中定義了作者權限模型，讓我實作...

AI 對話的三個層次

1. 規格引用層：直接引用規格編號
2. 規格理解層：讓 AI 解釋理解
3. 規格演進層：基於實作反饋更新

規格品質的關鍵要素

好規格的特徵

1. 可測試性：能明確判斷是否滿足
2. 無歧義性：AI 和人類理解一致
3. 完整性：涵蓋正常和異常情況
4. 可追溯性：知道為什麼這樣規定

實踐建議：漸進式導入

Phase 1：從意圖開始（Week 1）

先不寫詳細規格，只記錄核心意圖：

• 這個功能為什麼存在？
• 成功是什麼樣子？
• 有哪些限制條件？

Phase 2：補充細節（Week 2）

基於初期實作經驗，補充規格：

• 具體的使用流程
• 資料結構定義
• 錯誤處理策略

Phase 3：規格系統化（Week 3+）

建立規格管理體系：

• 規格編號系統
• 規格模板庫
• 規格審查流程

常見挑戰與解決方案

挑戰 1：規格跟不上變化

解決方案：

• 採用規格版本管理
• 建立規格更新的快速通道
• AI 協助識別過時規格

挑戰 2：團隊成員不想寫規格

解決方案：

• 從簡單的 bullet points 開始
• 用 AI 協助生成規格草稿
• 展示規格帶來的效率提升

挑戰 3：規格過於技術化

解決方案：

• 分層規格（業務層、技術層）
• 使用 User Story 格式
• 加入示例和場景說明

未來展望：規格即程式碼

自動化程度的提升

隨著 AI 能力增強，我們正在接近：
自然語言規格 → AI 理解 → 自動實作 → 自動測試 → 自動部署

總結：相輔相成的最佳實踐

AI-DLC Sprint 提供了敏捷的開發節奏，而 Spec-Driven Development 確保了開發的精準度。當兩者結合：

• 開發效率倍增：清晰的規格讓 AI 一次就做對
• 品質內建保證：規格即標準，減少事後修正
• 知識有效累積：規格成為團隊的共同語言
• 協作更加順暢：規格消除理解偏差

這不是選擇其中一個，而是讓兩者相輔相成，共同推動我們進入更高效的 AI 開發時代。

明天預告

明天我們將深入探討 AI 時代最關鍵的技能：Prompt Engineering 的藝術與科學。從基礎原則到進階技巧，幫助你真正掌握與 AI 協作的精髓。