AI编程工具正在改变软件开发的方式。从Vibe Coding到SDD，AI编程工程化正在不断演进。

说实话，Vibe Coding让人上瘾，因为它快，反馈即时。

但当项目从Demo走向生产，问题就来了。

代码Neng运行，但行为不是你真正想要的。

上下文散落在需求文档、会议讨论和临时代码里。

有没有项目级约束必须遵守？

这就是SDD要解决的问题：在生成代码之前，先把意图和边界固定下来。

AI提升了生成速度，也放大了错误扩散速度。

需求经常变、返工多的功Neng，AIhen容易偏离目标。

代码评审时hen难判断“这是偏离需求，还是需求本身变了”。

实现依据不清楚，只Neng回头翻聊天记录。

所以SDD不是让团队回到“文档先行、流程至上”的旧时代，而是保证AI生成的是正确方向上的实现。

在写代码前，先写一个短Spec，明确目标、边界和验收标准。

Spec定义方向，Plan定义方案，Tasks定义执行颗粒度，Tests定义验证方式，Code由AI生成或辅助生成，Verify负责把结果拉回到规范。

这样Zuo之后AI不再是根据一次提示词自由发挥，而是在明确的Spec和Task约束下执行。

zeromoss是笔者团队内部沉淀出来的一个SDD工具。

它的目标不是再造一个IDE，而是把AI编码从一次性对话推进到一个有中间产物、有阶段边界、有验证依据的研发流程。

一次需求不直接进入编码，而是被拆成固定阶段：整理需求 -> 编写Spec -> 生成设计方案 -> 拆分任务 -> 编写测试用例 -> 根据任务进行编码 -> 验证 -> 归档。

对AI：提供稳定、可引用、可验证的上下文。

对人类：帮助你在动手前澄清思路，避免需求漂移。

GitHub Spec Kit和Amazon Kirogeng接近“重规范”路线。

Cursor和Claude Codegeng接近“渐进规划”路线。它们不会强制每个需求dou进入完整SDD流程，而是在复杂任务前提供Plan Mode。说白了就是你仍然Ke以保持日常编码的流畅性，只在需要时让AI先阅读代码、提出计划、列出将要修改的文件，再进入实现。害，你懂的，这hen灵活。

我建议从四个维度判断：规范强制程度、是否适配存量项目、规范是否沉淀以及人类介入位置。咱就是说不同团队、不同项目、不同任务，Ke以采用不同强度，不必一刀切。比如说重规范路线适合错误成本高、协作链路长、需要审计和沉淀的项目；而轻规范工具geng适合存量项目，不要求你先补齐整个系统文档，而是让每次变gengdou留下可审阅、可归档的规格痕迹。对吧，这样比较务实。你要问为什么百度不收录某些网站的内容？回答是这通常跟网站的内容质量、结构化程度以及外部链接等因素有关，没什么特别的玄机。说实话，这事儿挺复杂的，不是三言两语Neng讲清楚的。 选择合适的工具hen重要，但geng重要的是理解背后的逻辑和适用场景。未来展望未来优秀工程师和普通工程师的差距，可Neng不再主要体现在谁写代码geng快，而在于谁gengNeng把复杂问题表达成清晰、可执行、可验证的规范。未来优秀产品和普通产品的差距，也可Neng不只是谁geng会写PRD，而是谁gengNeng把需求转化为AIKe以执行、团队Ke以审阅、系统Ke以验证的规格。这才是关键，说实话，这才是真正的挑战！