随着大型语言模型（LLMs）如Anthropic的Claude在代码生成与辅助开发领域日益普及，开发者们发现AI虽能显著提升初期效率，但长时间的编码会话却常常在三小时左右失去方向。这种“三小时魔咒”源于AI在缺乏持续、结构化指导时容易偏离最初的编程意图。本文将深入探讨这一现象，并提出一套“规范驱动开发”（Spec-Driven Development, SDD）策略，帮助技术人员充分利用AI的潜力，保持开发会话的效率和一致性。
AI编程会话为何会“崩盘”？
AI在代码生成方面表现出色，但其工作效率的持续性面临挑战。主要原因包括：
- 缺乏明确且演进的规范： 初期指令（Prompt）通常较为宽泛，随着项目深入，没有随之细化的规格说明，AI便会“迷失方向”。
- 上下文窗口限制： 尽管LLM的上下文窗口不断扩大，但在长时间交互中，早期的指令和意图可能会被后续的对话稀释，导致AI遗忘关键信息或开始发散。
- 目标漂移： 没有人类持续的监督和规格锚定，AI可能会生成与核心任务渐行渐远的代码，陷入低效的迭代循环。
- 过度依赖AI的“理解”： 过于相信AI能够自行推断复杂的业务逻辑和边界条件，而忽视了对其输出的严格验证和引导。
规范驱动开发（SDD）的引入
规范驱动开发并非新概念，但在AI辅助编程的背景下，它变得尤为重要。SDD强调在代码编写之前，首先通过详细的规范明确系统或组件的行为。对于AI编程而言，这意味着将复杂的任务分解为更小、更具体的、可测试的单元，并为每个单元制定清晰的输入、输出、错误处理及边缘情况的规格。
如何在Claude Code中实践SDD？
将SDD应用于AI编程，尤其是与Claude这样的模型结合时，可以遵循以下核心步骤：
- 第一阶段：明确的规格制定。 为每个功能、类或方法编写详细、具体的规格说明。这些规格应如同人类工程师使用的API文档或测试用例描述，明确定义期望行为。例如，一个函数应该接收什么输入，返回什么输出，在异常情况下如何处理等。
- 第二阶段：迭代实现与验证。 将制定的部分规格作为Prompt提供给Claude，让其生成相应的代码。关键在于，立即根据这些规格验证Claude的输出。这意味着我们需要有基于规格编写的自动化测试用例，一旦代码生成，即可运行测试进行快速反馈。
- 第三阶段：细化与重定向。 如果Claude生成的代码未能通过测试或偏离了规格，不要只是简单地修改代码。更重要的做法是：审视并更新原始规格，使其更加清晰、准确，或者修正Prompt以更好地引导AI。然后，再次将更新后的规格提供给AI进行重新生成或修正。这是一个“人机协作”的循环，人类开发者始终作为“真理之源”（Source of Truth）的维护者。
SDD在AI编程中的优势
采纳SDD策略能为AI编程会话带来显著效益：
- 保持代码一致性： 确保AI生成的代码始终紧密贴合项目需求和设计标准。
- 提升可维护性： 有明确规格指导的模块更易于理解、调试和未来的迭代。
- 提高开发效率： 减少AI生成无关或错误代码的概率，避免陷入无效的迭代循环。
- 突破“三小时魔咒”： 通过周期性地将AI重新锚定到由规格定义的特定、当前任务上，有效防止长时间工作中的大幅度偏离，从而实现可持续、高效的开发。
- 促进协作： 规格文档成为团队成员与AI之间沟通的共同语言。
实用建议：
- 从小型、明确的规格开始。
- 使用清晰、无歧义的自然语言描述规格。
- 将自动化测试集成到工作流程中，并以规格为基础编写测试。
- 将规格视为活文档，随着项目演进不断更新和完善。
总结：
规范驱动开发将AI从一个辅助工具转变为一个高度受控、高效的编码伙伴。通过结构化的规格指导，开发者可以克服AI编程会话中的挑战，实现更长时间、更高质量的AI辅助开发，真正释放LLM在软件工程中的巨大潜力。
