SPEC-DRIVEN DEVELOPMENT

團隊該如何看待SDD的使用

團隊該如何看待SDD的使用文章副圖

SDD 的價值與限制

前幾天,我分享了一張「AI 時代的 SDLC 流程」圖,談到人類和 AI 在軟體開發過程中的分工,也順便提了一下我對 SDD 的看法。

有位網友在下面留言,結果我們私訊聊了很長一段。我覺得這段對話蠻有意思的,整理一下,也補充一些事後的想法。

網友私訊問道:「請問通常在什麼情況下,必須要靠 SDD?」

我當時回答,大概有幾種我比較支持的情況。

一種是團隊希望以 Spec 作為唯一的 Single Source of Truth(SSoT),未來只維護 Spec,程式碼則交給 AI 產生。

另一種是團隊成員還不擅長把需求描述清楚,希望透過 SDD 的流程,協助整理成可實作的規格。

還有一種是傳統比較重視文件、稽核與驗收的開發環境。

不過,事後想想,我覺得應該補充一下。

第一種其實是 SDD 比較極端的 Spec-as-Source 模式。SDD 並不一定要做到這個程度,也不是非得瀑布式開發才適合使用。對於跨模組、多人協作,或有較多架構限制的敏捷開發團隊,SDD 同樣有它的價值。

只是我一直認為,如果需求的顆粒度已經小到可以一眼看清楚要改什麼、影響什麼,那根本沒必要再加上一套 SDD 流程。

網友說道:「我之前的認知,SDD 是為了解決文件與程碼不一致的陳年問題。」

我回答道:「目前解決不了。」

我當時回得有點快。

更精確地說,SDD 「或許」可以「改善」規格與程式碼不一致的問題,但不能保證解決。

過去敏捷開發強調 Working Software over Comprehensive Documentation,不是說完全不需要規格,而是不希望團隊花大量時間維護根本跟不上程式碼變化的文件。

SDD 則試著反過來,讓 Spec 成為開發的主要依據,所有的程式碼開發,都依據 Spec 進行實作。

問題是,要讓 Spec 持續維持正確,團隊就必須認真 Review Spec,而且後續的程式碼變更也必須同步回 Spec。

尤其目前 LLM 還有不確定性,同一份 Spec 可能產出不同的程式碼,且核心問題是,我們能不能確認每次產出的程式碼,都符合相同的需求、架構與品質要求?

所以現階段,除了維護 Spec,我們還是得對 Code 進行測試、驗證,必要時還是得 Review Code,變成你得同時花兩倍的精力維護兩邊。

這也是為什麼我認為,SDD 雖然可以提升生產力,但「只維護 Spec,Code 變成可以隨時重新產生的介質」,還有一段很長的距離。

接著,網友問了另一個問題。

網友問:「團隊若想只單單維護 spec,需要具備什麼能力?」

我回答:「其實就是傳統的 SA/SD 的能力。如果能做到只維護Spec(但我覺得目前的 LLM 還不能),那開發(Coding)就一點都不重要了。只要具備 SA 和 Architecture 的能力,幾乎就夠了。」

這裡我想補充的是,Coding 的重要性降低,不代表軟體工程不重要。

相反地,當 AI 越來越能夠獨立完成 Coding 時,需求分析、架構設計、品質驗證的重要性會越來越高。

畢竟,能寫出程式碼,跟能做出一個可靠的系統,本來就是兩回事。

人人都能用 AI 開發,架構能交給 Skill 嗎?

聊到這裡,話題開始有點不一樣了。

網友:「我公司是想人人都能用 AI 開發,連業務單位、行政單位都可以。」

我說,如果真要做到這樣,業務單位就不能只理解需求,還得有人理解系統架構。

網友:「也要理解架構,這門檻太高,畢竟他們的主要工作是業務,不是軟體開發。」

我同意,要求每個業務人員都懂架構,確實不合理。

但這裡就會有個問題。

業務人員(就算)很清楚自己要什麼功能,卻不一定知道系統該怎麼設計。

例如:資料怎麼儲存?權限怎麼控制?系統怎麼整合?未來使用者增加十倍、百倍時,又會面對怎樣的挑戰?這些,純業務單位很容易在狀況外。

SDD 不是只有 需求 Spec,還包含架構與非功能性的規格。

這些事情不能因為用了 AI,就假設它們會自動獲得妥善處理。

因此,網友接著說到,他們公司認為架構相關的問題,也可以交給 AI 處理。

網友:「那就為系統架構相關工作建立成一套完整 Skill。」

而且,他提到公司裡面有一種聲音,簡單來說,就是希望工程師不要動不動就說「這不可行」,也不要什麼事情都需要工程師協助。

我覺得這段話反而點出了大部分企業中,真正隱藏的問題。

首先,把架構知識、技術規範、安全要求整理成 Skill,當然是可行的,我自己也會這麼作。

如果我們能把經過驗證的架構模式、開發規則、與 品質控制機制 標準化,確實可以讓更多非技術人員在一定的範圍內,獨立使用 AI 完成開發。

但 Skill 不是萬能的。

不同系統會有不同的架構要求,即使同一套系統,也可能隨著規模和需求改變而調整架構,架構的選擇往往是一種 trade-off。

所以,Skill 可以減少對架構師的日常依賴,卻不代表再也不需要架構決策。甚至,Skill 本身是否正確、是否仍然適用,也需要有人負責。

不過,從這位網友的描述中,我覺得這已經不完全是技術問題,而是組織裡面角色合作的議題了。

過去業務單位要開發系統,往往必須依賴 IT 部門。
長期下來,難免有些疲憊與不滿。

現在 AI 出現了,終於有機會自己動手,當然會希望盡量跳過 IT。

這想法我完全能理解。

甚至,如果只是一個業務人員自己使用的小系統,需求簡單、風險很低,我一點都不介意他直接 Vibe Coding 完成。Why Not?

工具改變了,責任不會消失

但,如果今天是一個涉及金流、個資,甚至人命的系統呢?

這時候就不能只談生產力了。

網友:「關於怎麼確保品質和安全性?這一題,他們經常回覆可以用 AI 來處理。」

我:「可以,但誰做最後的決定?誰為此負責?」

整段對話中,這才是我最想表達的事情。

AI 可以寫程式、寫測試、做 Code Review,也可以協助檢查安全性和架構。

這些我們現在都正在使用,也相信未來 AI 能處理的事情會越來越多。

但是,「AI 跟你說」系統沒有安全性問題,就代表真的沒有問題嗎?

如果系統上線之後發生重大事故,誰來負責?

總不能叫 AI Agent 或 Skill 出來負責吧?

所以我認為,未來企業應該思考的,
「不是如何讓每個人都變成工程師」,
「也不是如何讓所有事情都不需要工程師」。

而是...
如何讓不同能力的人,在適當的風險範圍內,
使用 AI 共同完成開發。

低風險的需求,可以讓業務單位自己處理。
高風險或複雜的系統,就需要有具備相應能力的人,
參與必要的設計、審查與決策。

這不代表工程師一定要親自 Coding,
而是組織必須清楚知道,哪些事情可以交給 AI,
哪些事情必須有人做最後的判斷。

回到最初的 SDD。

我不反對 SDD,也認為它有實際的價值。
但我不認為 SDD 是 AI 開發的必要條件,
更不認為只要有 Spec,就可以安全地跳過架構、程式碼、和品質了。

無論是 SDD、Skill,還是 Agentic Development,
都只是讓我們能夠以不同工具完成軟體開發。

但工具改變了,責任不會因此消失。

這幾年 AI 讓 Coding 的門檻降低了非常多,
也讓越來越多原本不會寫程式的人,開始有能力自己開發系統。

這是好事。

只是,「有能力開發一個系統,跟有能力判斷這個系統能不能上線,是兩回事。」

這恐怕是 AI 時代的軟體開發,除了生產力之外,更值得思考的問題。

參考資料