问题出在需求侧
作者的核心观察来自大量实操:当开发者含糊地说「帮我实现这个功能」，模型只能猜测意图，产出看似合理实则漏洞百出的代码；而当开发者先明确定义验收标准,输入输出、边界条件、错误处理、性能要求，模型的产出质量陡然提升。这其实不新鲜，需求模糊导致返工是软件工程的古老真理，AI 只是把这条真理放大了:它执行得太快太顺，模糊的需求会被飞快地具体成错误的方向。
把规格当一等公民
这篇文章和近期一批高质量工作流自述殊途同归,高产用户都在做同一件事:动手前先把验收标准写清楚，让模型对着明确的靶子打。这也悄悄改变了开发者的核心技能:从「会写实现」转向「会定义问题」。说清楚你到底要什么，在 AI 时代成了比敲代码更稀缺的能力。对团队的启示同样实在,与其抱怨模型写得烂，不如检查自己的需求是否经得起一个不会脑补、只会照做的执行者的考验。验收标准写得好的团队，吃到的 AI 红利会大得多。
via: Hacker News