长期以来,软件开发的主流范式以代码为中心:需求被翻译成实现,文档往往落后于代码,意图与实现混杂难分。如今,随着大规模语言模型(LLM)与自动化工具的成熟,规范驱动开发(Spec‑driven Development,简称 SDD)正在成为一股不可忽视的潮流。Codeplain 作为近期显露锋芒的初创团队,正把全部赌注压在"用可执行规范作为单一事实来源"这一理念上,试图用规范来驱动代码生成、测试与验证,从根本上改变软件如何被构思与交付。 规范驱动开发的核心理念很直白却力量巨大:把"想要什么"写成结构化、可机器理解的规格(spec),并让这些规格成为系统构建的权威蓝图。相比于传统把需求埋进代码注释或分散在产品文档中的做法,SDD 要求以自然语言为基础但具备形式化结构的规范来描述功能、边界与约束。Codeplain 的创始人 Dušan Omerčević 将这一思路付诸实践,推出了名为 Plain 的开源规范语言,目标是兼顾自然语言的可读性与机器消费的精确性。
把自然语言"可执行化"并非易事。普通的提示(prompt)与规范(spec)并不相同。提示往往偏向一次性、上下文敏感且缺少可重复性,适合作为与模型互动时的即时指令。规范则要做到不含糊、可复现,并且足以作为长期维护的软件蓝图。为了弥合自然语言的表达力与编程世界所需的精确性,Plain 借鉴了 Markdown 等熟悉的写作约定,在段落、标题与注释中引入结构化字段,使得工程师既能用"人话"表达意图,又能生成机器可解析的规格。 然而,规范驱动的路径并非没有陷阱。
自然语言固有的歧义性会导致"功能闪烁"(functionality flickering):一个规格如果不够全面,相同行为在不同的生成或迭代中可能表现出不同的细节(比如同一个按钮的颜色在每次生成中变化)。在传统手工编码中,这种不确定性可能被人工约定或硬编码所掩盖,但在 AI 驱动的代码生成场景下,这类"微差异"会被无限放大。Codeplain 提出的解决方案是双管齐下:一方面鼓励更详细的规格以捕捉关键意图,另一方面引入"微决策"(micro decisions)机制来记录那些未被规格声明但一旦确定后需要一致性的实现选择。微决策相当于在生成过程中对非关键细节做一次有记录的选择,避免随时间漂移,从而让规格真正成为单一事实来源。 将规范作为修改软件的入口同样是 Codeplain 的信念核心:当系统行为不符合预期时,开发者应该直接修改规格而不是手动改代码。这样的工作流把抽象层次前移,促成设计意图的可追溯性、可测试性与可自动化交付。
它对组织的影响深远 - - 需求变更、回归测试与部署都可以围绕规范自动化,从而大幅降低人为手工干预造成的误差与维护成本。 当然,Codeplain 并不是孤军奋战。行业中已经出现多个推动规范化开发的项目与公司。Tessl 在开源生态中推出了面向 AI 编码代理的规范框架与注册中心,旨在提升代理的可靠性,并且将注册表与安全评分结合以降低依赖风险。GitHub 开源的 Spec Kit 把规范当作"可执行的活规约"来治理 AI 代理。亚马逊的 Kiro 则从 IDE 出发,把自然语言提示转化为结构化要求、设计说明与实现指南,再用这些规范驱动后续开发流程。
早在 2023 年,GitHub Next 的研究项目 SpecLang 就开始探索用近似自然语言的"规格语言"来替代部分编码工作,而其中一些研究者后来参与到 Codeplain 的顾问团队中,带来了技术沉淀与经验传承。 规范驱动并不意味着人人都会抄手不管代码。相反,它把开发者的角色从"编写代码"逐步转向"设计算法、定义边界与治理复杂性"。要写好规范,需要系统思维、对架构、依赖、性能和安全有深刻理解。Codeplain 自认目标客户仍是技术人员而非零基础人群:虽然不强制要求掌握具体编程语言,但用户必须具备工程思维,才能写出既表达意图又可执行的规范。历史上每一次抽象的提升并没有让开发者消失,往往是改变了他们的技能结构。
就像从汇编转向高阶语言一样,新的范式会带来更多高层次的工作机会,而不是简单淘汰。 AI 工具对开发者生产力的影响同样值得冷静评估。斯坦福的研究者针对近十万名开发者的统计显示,AI 可以带来约 20% 的生产力提升,但效果高度依赖任务类型、代码库成熟度与团队实践。某些团队通过大幅改造流程获得显著红利,另一些团队则因为工具与流程不匹配反而效率下降。Codeplain 的立场正是要把 AI 的力量以可控、可重复的方式引入日常开发,减少"花式提示"所带来的不可预测性,让团队把 AI 的产出纳入工程治理之下。 在实际工程中,规范化也有明显的测试与合规优势。
把需求写成可执行规格后,自动生成的测试用例、端到端验证与契约测试可以与规范保持同步,从而显著降低需求与实现脱节的风险。此外,记录微决策与规范变更能为审计、合规与安全审查提供可追溯的证据链,这对金融、医疗等高合规行业尤为重要。在开放源码与供应链安全日益受关注的背景下,像 Tessl 那样把注册表与安全评分(例如与 Snyk 的集成)结合的做法,也为规范驱动生态提供了更强的信任基础。 但要普及规范驱动开发,需要克服技术与组织双重阻力。技术层面,如何把自然语言的表达映射为可执行的、可验证的规范仍是研究难点。字段设计、类型约束、默认决策策略与版本演化机制都需要精心打磨。
组织层面,团队习惯、责任边界与绩效度量需要随之调整。管理者若仍以"代码行数"或"提交频率"衡量业绩,那么把工作从代码转移到规格上反而会产生激励错配。改变度量方式、培训人员并建立新一套评审机制是转型的必经之路。 此外,教育体系也要跟上步伐。未来的开发者教育可能会减少对特定编程语法的死记硬背,而更强调系统设计、规格建模、抽象思维与人机协作能力。Codeplain 和其他推动者都在思考如何把这些技能融入行业培训与高校课程中,让新一代工程师在面对 AI 驱动的开发工具时能迅速上手并发挥创造力。
关于商业模式,Codeplain 在公开信息上相对低调,暂不明确其完整的营收路径。但可以预见的方向包括企业级订阅、规范托管与注册表服务、与现有 CI/CD 与安全工具的深度集成,以及为行业法规或合规性要求提供定制化解决方案。对于企业客户来说,规范驱动开发的价值主张在于降低变更成本、提高交付一致性并强化审计能力,这些都很容易被技术主管与合规团队所接受。 展望未来,规范驱动开发可能不会完全替代传统编码,而更可能与之共生。在大规模系统中,底层性能敏感的模块、驱动级代码仍需工程师精耕细作,而高层业务逻辑、产品特性与交互流程则更适合由规范来描述与驱动。规范与代码之间会出现多层次的协作模式:规范生成一套可执行骨架,工程师在关键路径上手工优化并将结果反向映射到规范层,形成闭环治理。
总的来看,Codeplain 押注规范驱动开发是对一个更可控、更可审计且更具生产力潜力的未来进行投资。通过把意图写成可执行的规格,辅以微决策来稳定非关键差异,并和现有的 AI 工具链与注册表、安全评分体系相结合,规范驱动方法有望解决当前 AI 生成代码生态中最棘手的两大问题:不一致性与不可追溯性。真正的难题在于落地:如何设计足够表达力与精确性的规范语言,如何在组织内部重塑工作流与度量,以及如何在教育与工具上培养新一代能写规格的工程师。 在未来几年内,我们可能会看到混合型的工程实践变得主流:以规范为中心的高层设计与以代码为中心的低层实现并行发展,AI 工具提供自动化生成与验证,开发者的价值从大量重复劳动转向更高阶的设计与策略抉择。Codeplain 的愿景并非要消灭编程,而是要把编程的焦点从"如何实现"转向"为什么这样设计",从而释放工程师的创造力,让软件开发更快、更可靠且更可理解。对于渴望把 AI 力量制度化、把产品意图转为可验证交付的企业与团队来说,规范驱动开发提供了一条值得认真审视的路径。
。
