AI 编程的结构化演进
本文是 Spec Coding 协作体系的宏观导论，面向所有参与 AI 辅助研发的角色。无需任何前置知识即可阅读。
假设你要做一个优惠券功能。同一个工具，两种截然不同的使用方式。
"There's a new kind of coding I call 'vibe coding', where you fully give in to the vibes, embrace exponentials, and forget that the code even exists."
Karpathy 本人后来也做了区分：真正的专业级 AI 辅助编程是另一回事——把所有相关上下文塞进去，描述增量变更，让 AI 给出几种高层方案，你选一种，然后逐行审查生成的代码。
从纯 Vibe 到完整 Spec，不是二选一，而是一条连续的光谱。我们把它分为七个阶段。
从一个阶段跃迁到下一个，通常不是因为"我想做得更好"，而是因为"痛了"。
| 跃迁 | 痛点 | 关键动作 |
|---|---|---|
| 1 -> 2 | "线上 bug，回头看代码完全看不懂" | 立规矩：不理解的代码不许合入 |
| 2 -> 3 | "AI 每次都用错 ORM / 不遵守项目约定" | 写 AI-CONTEXT.md |
| 3 -> 4 | "代码风格对了，但做出来的不是我要的" | 需求结构化，写 AC |
| 4 -> 5 | "每个功能单独 OK，集成起来接口对不上" | 先做全局设计和接口契约 |
| 5 -> 6 | "Spec 写了但 AI 偷偷跳过了几个 AC" | 加质量门禁 + 一致性审查 |
| 6 -> 7 | "同样的问题换个项目又犯了一遍" | Bug 根因归类 -> 反哺模板和 Skill |
每个阶段的完整交付流程是什么样的？哪些环节由人来做，哪些被 AI 接管，哪些用 Spec 驱动了自动化？
结构化程度应该跟项目复杂度匹配。不够会失控，过度会拖慢。
对角线上是最优解。偏离对角线越远，要么在浪费时间，要么在积累风险。
"I won't commit any code to my repository if I couldn't explain exactly what it does to somebody else."
"Vibe coding is great for momentum, but without structure it collapses under production demands."
"Guiding AI to write useful software is a deeply intellectual exercise."
随着 AI 模型能力的提升，整条光谱在向上移动——Vibe 的边界在上升，Spec 的天花板也在上升。
今天需要 Spec 才能搞定的场景，明天用 Vibe 就够了。模型进步会不断拉高 Vibe 的上界。
Spec 不会失去价值——它会持续把可交付的复杂度上界往上推。过去做不了的系统设计，有了 Spec + AI 就变得可行。
架构取舍、业务优先级判断、跨团队协调——是 AI 无法替代的。这个区域在缩小，但不会消失。
向下拆解，提升效果；向上聚合，提升效率。两个方向缺一不可。
App + 小程序 + H5 三端券池同步，核销需实时扣减库存并处理并发冲突
拆成 4 个子系统：券模板管理、发放引擎、核销服务、数据统计。定义子系统间接口契约。
以"券模板管理"为例：创建模板、编辑模板、上下架、叠加规则配置。每个功能一个 Spec。
Given 已有满减券 A 和折扣券 BWhen 配置 A 和 B 可叠加Then 两券可同时抵扣，总优惠不超订单 50%
把"写 Spec -> 审查 -> 修改"的循环封装成可复用技能。30 分钟人工审查变成 5 分钟一键触发。
写 Spec-PRD -> 调用审查 Agent -> 通过后 -> 技术补全 Agent。人从"执行每步"变成"关键节点决策"。
多个 Agent 串联成自动化流水线。人的角色后移到架构选型拍板、业务规则裁决、质量门禁判断。
AI 编程这件事，最终会把软件开发带向哪里？
AI 正在大规模消解偶然复杂性——代码实现、测试编写、代码审查、文档撰写。但"我们到底要构建什么"——这是本质复杂性，始终需要人来回答。需求的模糊性、业务的权衡取舍、用户的真实痛点，不会因为 AI 能写代码就自动变清晰。
写 Spec 的过程比 Spec 本身更有价值。当你把"做一个优惠券系统"拆解成子系统、模块、功能点、验收标准时，你被迫把模糊的意图变成精确的定义。类比：我们不会因为有了计算器就停止学数学——数学训练的是思维能力，不仅仅是计算能力。
人只表达 What（"我需要一个优惠券管理系统"），AI 处理所有的 How。但 APEX-Agents 基准测试显示，顶级模型在真实世界任务中的首次完成率不到 25%。编码门槛在降低，但工程复杂度并没有消失——它只是换了一种形式出现。
Fred Brooks 在《人月神话》中区分了本质复杂性（Essential Complexity）和偶然复杂性（Accidental Complexity）。AI 消解的是偶然复杂性——代码、测试、文档。但本质复杂性——"到底要做什么"——始终需要人来回答。
找到你的角色，进入对应的工具箱。不需要一次学完，用到哪学到哪。