别再写 Spec 了，开始写 Facts——整个 SDD 运动已经过时
- 1. 核心矛盾：Spec 是对模型的预测，不是与模型的契约
- 2. 为什么 Spec 注定不靠谱
- 3. 什么是 Fact：一个可执行断言
- 4. SDD 依然有用的三个场景
- 5. 90 天迁移计划
- 6. 六个结论
- 7. 总结
1. 核心矛盾：Spec 是对模型的预测，不是与模型的契约
Spec-Driven Development（SDD）在过去十个月里爆发式增长：Spec Kit 获近九万星、Kiro 来自 AWS、OpenSpec 半年三位数增长、BMAD 近五万星——五个主要框架加起来超过二十万 GitHub Star。
但作者 Jaroslaw Wasowski 今天要收回自己之前写的五篇鼓吹 SDD 的文章。
理由很简单：一份在 Sonnet 3.5 时代写的单元测试，穿越了 3.7、4、Opus 4.5+ 四个模型版本依然通过 CI。而描述同一 endpoint 的 1500 字 spec，被每个模型重新理解了一遍——四次重解释。
Spec 不是契约，是对模型的预测。模型在变，预测就永远不准。
2. 为什么 Spec 注定不靠谱
非确定性机制
LLM 读同一段 prose，本质是在回答”这个句子统计上最可能是什么意思”，而不是”作者精确想表达什么”。即使在 temperature 0.0 下，独立研究显示同一 prompt 在确定性模式下产生了 80 个不同的输出。
根本原因不是 prompt 写得不好——是系统性的：浮点数非结合性、批调度、fused-attention kernel。这些你没法用更好的 prose 修复。
最反直觉的数据来自 IBM 在金融领域的 RAG 研究：100B+ 模型在同 prompt 下只有 12.5% 的 run 产生完全一致输出，而 7-8B 的小模型却能做到完全一致。
“等模型变好 spec 就能用了”这个策略，恰恰和实际趋势相反。
意图差距（Intent Gap）
微软研究院的 Shuvendu K. Lahiri 称之为 intent gap——”AI 生成的代码看起来合理，但不是构建时确保正确”。自然语言 spec 是 informal 且不可检验的。SDD 把”一个统计近似”当成了”一个答案”。
Spec Drift
Spec Kit 在 2026 年 5 月发布了 /speckit.spec-drift 命令。一个框架需要专门出一个命令来处理 spec 漂移——这本身就证明了 drift 是真实的运营风险。
3. 什么是 Fact：一个可执行断言
Fact 就是机器能自己检查的东西。测试通过/失败，exit code 0 或非 0。不需要模型解读，不需要采样，没有情绪。
粒度分三层：
- 单个测试：一个输入/输出对
- 属性（Property）：全称量词谓词——”对所有已排序列表，binary_search 的结果都是正确的”
- 契约（Contract）：前置条件 + 后置条件 + 不变式（Design by Contract 风格）
每一个都是可执行断言，运行时验证，通过或失败。没有”看情况”。
57 年的连续性
Facts-first 不是新范式，是 57 年零散工作的 AI 时代综合：
- 1969：Hoare triple
{P} C {Q}——行为的最小事实单元 - 1992：Bertrand Meyer 的 Design by Contract——require/ensure/invariant
- 2000：QuickCheck——属性基测试
- 2026：Agent Behavioral Contracts——AI 时代延续
John Hughes 在 Quviq 的真实案例：六万行生产 Erlang 代码，450 行 PBT 测试，检测出 25 个 bug——包括例子测试无法触及的 race condition。测试代码与生产代码比例为 1:133。
4. SDD 依然有用的三个场景
作者坦诚地给出了 SDD 的适用边界：
- 合规与监管：DO-178C、ISO 26262、EU AI Act——这里 Ceremony 就是产品本身
- 跨团队 B2B 集成：五百个工程师二十个团队时，协调成本超过实现成本
- 新人入职与知识传递：新人读 spec，不是读测试
一个简单的判断标准：这个制品会被团队以外的人阅读吗？ 审计、合作伙伴、新员工——是，则保留为 SDD。不是，则迁移到事实集。
5. 90 天迁移计划
Phase 1 — 审计（第 1-30 天）
把现存 spec 分成三堆：
- 团队成员以外的人会读的 → 保留（SDD zone）
- 没人打开过的死文档 → 弃用候选
- 生产中只有 prose 声明的隐式不变量 → 溯源候选
用 agent 反向工程运行时不变量。交付物：@draft 事实列表 + 弃用候选列表。
Phase 2 — 转向（第 31-60 天）
把边界 spec 转为事实：API 契约 → Pact 测试，属性/不变量 → Hypothesis 或 QuickCheck，数据模型不变量 → 运行时断言。
新功能并行运行 30 天——spec 和事实共存，获得 A/B 置信度。
Phase 3 — 门禁（第 61-90 天）
facts check 成为必须通过的 CI 步骤，阻断合并。新功能需要在实现前先写一个会失败的事实——TDD 节奏的新外衣。
实践经验：Facts check 验证整个仓库使用的 tokens 比朗读一次 spec 还少。迁移不仅降低认知开销，还节省 API 费用。
6. 六个结论
- Spec 是对模型的预测，不是与模型的契约。 Prose 每次调用都被 LLM 采样——0 温度也不例外。
- Fact = 机器可检验的可执行不变量。 它穿越模型升级，因为它不经过模型解读。
- SDD 在审计、合作伙伴、新员工会读的地方获胜。 其他地方它都输了。
- 90 天迁移：审计 → 转向 → 门禁。 每个阶段都有独立的 ROI 信号。
- 从明天早上开始： 挑一个只存在于 spec 中的不变量，写一个测试，加入 CI。这，就是一个事实。
- 归根结底： PRD 会消失。Spec 正在退出内循环。只有事实在哪儿都能活。
7. 总结
SDD 赢得了工具战争——近九万 Star、二十万生态星。但它输掉了认识论战争：非确定性、意图差距、spec drift 不是待修复的 bug，它们是系统的运作方式。
Facts-first 不是新范式，是 57 年形式化方法的 AI 时代合成。从 Hoare triple 到 Agent Behavioral Contracts，正确的道路一直存在——只是在 AI 时代才真正找到了用武之地。
从明天开始，写一个事实。就一个。一天也行。