Spec Driven AI Dev 00 Overview

规范驱动的人工智能开发

“像管理自己的注意力一样管理LLM的上下文窗口。”

面向工程师、产品经理和技术领导者的5门实践课程系列，采用人工智能技能、AgentSkills.io等开放标准以及真实生产环境中的LLM工作流。

______________________________________________________________________

TL；工程领导者DR

规范驱动的人工智能开发提供了一种有纪律的使用方式 在生产软件交付中安全地使用人工智能技能和开放标准.

团队跟随 规格→ 专业代理商→ 自动闸门→ 人类评论 而不是临时提示。

典型结果：

• 重复编码和研究时间减少20-40%
• 产生幻觉的输出缺陷更少
• 更快的入职流程
• 标准化、可审计的人工智能使用与CI/CD和合规性保持一致

人工智能成为生产力的倍增器，而不是技术债务。

______________________________________________________________________

执行摘要

_您可以为您的组织提供的代理开发生命周期（ADLC）示例。_

这是什么？

一个实用的框架和课程系列，教导团队如何安全、可预测地将AI代理直接集成到软件开发生命周期（SDLC）中。

这不是更换工程师。这是关于在保持相同标准的同时提高工程杠杆率 可靠性, 测试, 治理，以及 问责.

方法

• 而不是： “及时和希望”
• 我们使用： 规格→ 代理→ 确定性门→ 人工审核

业务影响

投资回报率示例（保守）

对于一个由6名工程师组成的团队：

• 研究与文档： 每周节省3-5小时
• 锅炉板/脚手架： 每周节省3-6小时
• 返工减少： 每周节省2-4小时
• 总计： 每位工程师每周节省约8-15小时

📊 查看详细的投资回报率分析→ --包括独立开发人员与团队的比较、分工、协作模式以及如何衡量自己的投资回报率。

______________________________________________________________________

⚡ 快速入门（5分钟）

立即查看工作流。

git clone https://github.com/andrewwint/spec-driven-ai-dev-01-foundations
cd spec-driven-ai-dev-01-foundations
uv pip install -r requirements.txt
code .

然后：

1. 写一个小规格。
2. 请问 顾问代理 以供指导。
3. 生成解决方案。
4. 用闸门检查输出。

责任泳道

人类拥有书挡。 AI协助在中间。

人工智能并不能取代判断。它增强了你的判断能力。

______________________________________________________________________

核心概念

渐进式披露

不要把所有的指示都放在前面。向代理传递上下文 当它相关时:

_请参阅： 向AI模型提供指令_

DARE模型

平衡人工智能和确定性工具的决策框架：

顾问模式

有些代理不生成代码。他们 引导:

• 总结文件。
• 解释领域概念。
• 建议架构模式。

_想想看：一个资深队友给你指路，而不是自动驾驶你的键盘。_

模型层选择

使用 能胜任这项工作的最便宜的型号:

模型选择是一种技能。不要拖欠保费。

10倍你的谷歌福（MCP）

代理使用直接连接到文档 模型上下文协议（MCP） 获取官方文档并比较选项。查找时间从几分钟缩短到几秒钟。

企业=易于推理

企业并不意味着复杂。这意味着其他人可以编写代码 理解并贡献于:

_测试：“新团队成员能在一天内理解这一点吗？”_

______________________________________________________________________

🎓 Capstone成果

到本系列结束时，您将拥有 生产准备系统:

• ✅ 代理人协助SDLC： 从创意到可重复的生命周期→ 生产。
• ✅ 专业代理： 研究•顾问•规划师•建设者•审稿人•历史学家。
• ✅ 生产工件： API、管道、模型、CI/CD、监控。
• ✅ 可重用模板： 规格、回购结构、护栏、代理模式。
• ✅ 实际判断： 知道什么时候 不 使用人工智能与知道何时使用它同样重要。

______________________________________________________________________

📚 学习之路

| 课程

总计： 约46小时内容

贯穿每门课程的模式

______________________________________________________________________

🛠️ 工具

我们保持堆栈开放和标准：

• 编辑： VS Code或任何具有AI技能支持的编辑器
• 标准： AgentSkills.io 网站 开放标准（广泛采用，与工具无关）
• 运行时间： Python 3.10+，节点18+
• 包装经理： uv（快速Python管理）
• 无需专有供应商锁定。

可观察性（可选但推荐）

______________________________________________________________________

📁 存储库结构

每门课程都遵循相同的仓库布局：

spec-driven-ai-dev-0X-[course-name]/
├── README.md                # Course overview & how to use
├── code/
│   ├── 01-[module-name]/    # Complete snapshot at Module 1
│   ├── 02-[module-name]/    # Complete snapshot at Module 2
│   └── ...                  # One folder per module
├── slides/                  # Course slides (if any)
└── attachments/             # Templates, cheat sheets, extras

每 code/0X-*/ 文件夹是 完整、可运行的项目 在该模块检查点。在GitHub上浏览或克隆并探索任何模块。

每个模块内部快照

code/0X-[module-name]/
├── README.md
├── CHANGELOG.md         # What shipped (Human owned)
├── HISTORY.md           # Persistent context (Agent owned)
├── AGENTS.md            # Agent definitions & strategy
├── src/                 # Application source code
└── skills/              # AgentSkills.io skill definitions

______________________________________________________________________

工具原则

我们教授以下基本原则 转移到任何工具:

当你准备好采用行业工具时，你会认识到这种想法。

______________________________________________________________________

🚀 从这里开始

👉 课程1：基础