这是什么

一个独立开发者用一份 Markdown 驱动 Claude Code，20 天跑通了包含 9 个包的 Monorepo（单仓多包的代码工程）项目。这证明：AI 编程的真正瓶颈已从“能力不足”转向“如何防止 AI 失忆”。

我们注意到，AI 编程的真实痛点早已不是写不出代码，而是“上下文遗忘”和“决策无沉淀”——早上定好的架构，下午 AI 就忘干净；为绕过第三方 SDK 写的防护代码，AI 会以“建议简化”为由擅自删除。该开发者验证的方法论叫 SDD（Spec-Driven Development，规范驱动开发），核心是把每个工程决策写成结构化 Markdown，作为 AI 写代码的唯一真理来源。其解法是“三源同步”：specs/ 目录管方案与验收，PROGRESS.md 管任务进度，MEMORY.md 管踩坑与决策。AI 完成任务前，必须强制更新这三个文件，把经验沉淀从靠自觉变成流程必经。

行业怎么看

AI 编程正从自动补全走向自主生成，SDD 恰好提供了对应的约束框架。传统 SDD 是“写规范给人看”，可以心领神会；AI 时代的 SDD 是“写规范给机器看”，必须可执行、可验证，验收标准必须用 Given/When/Then 描述，因为模糊的指令只会让 AI 用幻觉填空。这种思路与 Anthropic 等大模型公司的内部实践不谋而合。

但值得我们关心的是其适用边界。在企业级复杂项目或金融等高容错率系统中，过度信任 AI 生成代码仍是高风险行为。反对声音认为，严格的规范撰写成本极高，如果每个小功能都要写严密的边界条件和验收标准，实际上抵消了 AI 带来的速度优势；且对于缺乏工程规范沉淀的老旧项目，强行引入 SDD 的改造成本往往大于收益。

对普通人的影响

对企业 IT：直接扔代码让 AI 写的做法正在失效，构建“规范输入-代码输出-经验沉淀”的闭环工作流，将成为企业 IT 基础设施的新要求。

对个人职场：“提示词工程师”正在向“规范工程师”演进，核心能力从单纯对话转向定义边界与编写清晰的验收标准，能管好 AI 的人才具有议价权。

对消费市场：普通用户短期内感知不到底层开发流的变化，但中小团队和独立开发者交付软件的 bug 率有望下降，产品迭代周期会更稳定。