规格就是新的源代码。
资深工程师的隐性知识沉淀为显性的产物。规格是代码所要实现的契约。
/ Thinkia · 方法论 /
指数级的 AI 交付。
Copilot 让每位工程师更快，而指数级的杠杆在于交付体系。六个受治理的阶段、一份 Golden Spec、三个风险等级——在企业规模上实现可复现的 AI 交付。
Copilot 的瓶颈
Copilot 让工程师更快，却修不好交付体系。
-
没有共享上下文
每个 Sprint 都从零开始。没有 Context Package，AI 智能体就会丢失此前每个阶段确定的意图、约束和决策。
-
不受治理的生成
代码在没有可追溯性的情况下上线。没有 AI-BOM 记录生成了什么，没有风险分级，没有签核链——只有一个 diff。
-
规格漂移
需求散落在工单和聊天中。没有持续更新的 `.spec.md`，架构决策就会消失，意图与实现逐渐脱节。
-
模型泛滥
每位工程师各选一款 AI 工具。没有统一网关，就无法控制成本、保障数据主权，也无法一致地执行策略。
-
返工占据主导
没有方法论，60% 的时间都花在返工和调试 AI 输出上。生成时的速度变成了交付时的迟缓。
-
无法复现
结果取决于当时谁在场，而不是一套体系。在一个项目中奏效的做法，无法迁移、审计或规模化。
范式转变
停止编写代码，开始定义意图。
VibeCoding——AI 辅助输入、更快的原型——是第一步。规格驱动开发（Spec-Driven Development）是下一步。同样的 AI，如今运行在整个团队共享、受治理的交付体系之上。
四大支柱
-
-
评审是核心工作。
工程师的时间从编写代码转向验证代码，占比从 20% 提升到 50%。
-
架构设计为可被智能体读取。
模式与约定存放在受版本管理的产物中，而不只是停留在对话里。
-
治理融入流程之中。
质量门禁、数据防泄漏（DLP）和可追溯性内置于流程的各个边界，而不是作为独立的层存在。
成熟度路径
AI 辅助软件开发的演进之路。
并非每个组织都从同一起点出发。AI 辅助软件开发的成熟度分为五个阶段——明确自己所处的位置，决定了下一步该做什么。
-
传统开发
软件靠人工构建，完全可控，但成本高昂。
-
VibeCoding
软件生成得很快……却缺乏控制与一致性。
-
Coding 3.0
软件借助 AI 加速，但仍依赖开发者本人。
-
规格驱动开发
软件通过规则框架内的结构化意图来定义。
-
目标 Enterprise AI-SDLC
软件作为由规则、规格和能力组成的受治理系统进行编排。
关键一跃：从 VibeCoding 到规格驱动
组织最常犯的错误，是把 VibeCoding 当成转型。没有治理地快速生成代码，只会以 AI 的速度累积技术债。关键不在于生成速度，而在于生成之前的规格质量。
Enterprise AI-SDLC：目标所在
到了 Enterprise 阶段，软件不再是手工作坊式的产品，而是由规则、规格和能力组成的体系所产出的受治理成果。AI 不会取代工程师——它重新定义了您需要成为什么样的工程师。
六个阶段
F0 到 F5——六个阶段，六份签核产出。
五个环节——界定、规格、生成、评审、交付——对应六份签核产出：F0 至 F5。每个阶段都从上一阶段的 Context Package 开始：Golden Spec、AI-BOM 以及最近一份 Health Report。
- 1
F0 — Input Bundle
战略对齐、Backlog 梳理、风险清单和上下文地图。签核产出是 Context Package，所有后续智能体在生成任何内容之前都要先读取它。
- 2
F1 — 问题界定
精确定义问题、划定范围边界，并首次分配风险等级。产出 `.spec.md` System Brief——每个智能体据以工作的意图文档。
- 3
F2 — 规格工程
结构化的规格工作：以机器可读的形式记录架构决策、组件契约和交互设计。产出 `.design.md` 架构决策记录（ADR）和 `.ui-spec.md` 交互规格——在生成开始前完成 Golden Spec。
- 4
F3 — 构建
基于 Golden Spec 的 AI 辅助并行开发。每个代码单元都按风险分级（绿 / 黄 / 红），记录到 AI-BOM 中，并在签核前通过 17 项质量门禁验证。
- 5
F4 — QA 与验证
结构化的测试门禁：功能、性能、安全、合规。技能库运行全部 17 个自动验证器，并在收集任何签名之前生成本阶段的 Health Report。
- 6
F5 — 移交生产
部署、监控基线和运维手册（runbook）。五方签核链在此闭合——PM、架构师、安全、法务/合规、Platform Owner——让每一次交付都能端到端追溯。
无需一次性采用全部六个阶段。大多数团队从 F0（Input Bundle）和 Golden Spec 开始，随着信心增强再逐步扩展框架。
治理的主干
Golden Spec
每个 Sprint 一份必备产物。三个主文件定义要构建什么，五个签名确认可以安全地构建。
它是什么
Golden Spec 是每个 AI-SDLC 项目的治理主干。它在 F0 创建，并在每个阶段门禁处签核。没有它，任何 AI 智能体都不会生成内容，任何产出都不会上线。
`.spec.md` — System Brief
用一个文件承载项目意图——目标、用户画像、约束和非功能需求。每个 AI 智能体在生成任何内容之前都会读取它。它是业务意图与技术执行之间的契约。
`.design.md` — 架构决策记录
每一项结构性决策及其完整理由——选择了什么、否决了什么，以及原因。防止项目演进过程中的架构漂移，并为五方签核链提供可审阅的具体产物。
`.ui-spec.md` — UI 规格
交互规格与组件契约。定义界面状态、用户流程和组件行为，让 AI 生成的 UI 以深思熟虑的设计决策为依据，而不是依赖模型的直觉。
AI-BOM + Health Report
AI 物料清单（AI Bill of Materials）记录每个 AI 生成的代码单元及其风险等级和签核状态。阶段 Health Report 是技能库中 17 个验证器在每个门禁处生成的质量快照。
五方签核链
PM · 架构师 · 安全 · 法务/合规 · Platform Owner。每个阶段门禁都需要完整的签核链，Context Package 才能进入下一阶段。没有部分签核，没有例外。
风险治理
三个等级，一套策略。
由 AI 生成或在 AI 辅助下产出的每个代码单元，都会在生成时被分配风险等级并记录到 AI-BOM 中。等级决定运行 17 个质量验证器中的哪些、需要哪些评审人，以及该单元上线前必须具备哪些审计证据。
AI 生成，人工评审
低风险单元：文档、测试脚手架、样板代码。基于 Golden Spec 自由生成，由一名工程师评审。推进前只需一次签核。
AI 辅助，人工验证
中风险单元：业务逻辑、API 集成、数据转换。对照 `.design.md` ADR 进行验证，需要两次签核，并由 Health Report 确认所有相关验证器均已通过。
人工编写，AI 支持
高风险单元：安全控制、合规逻辑、财务计算。由人在 AI 支持下起草；该单元以“已放行”状态进入 AI-BOM 之前，必须经过完整的五方签核链。
成果
受治理的 AI 交付在生产环境中的样子
37–42%
开发工作量减少
在一家全球保险公司的生产环境中，与其传统方法对比测得，质量保持不变。工程师把时间花在意图和签核上，而不是返工。
90%
上下文丢失减少
Context Package——Golden Spec、AI-BOM、Health Report——在每个阶段、每个 Sprint 之间传递完整的项目状态。
100%
随时可审计
每个产物都已签核。每个 AI 生成的单元都记录在 AI-BOM 中。每个阶段的产出都可追溯到一项业务需求。
17
质量验证器
覆盖功能、安全、性能和合规门禁的预置检查——由技能库在每个阶段边界自动运行。
108
经过验证的技能
兼容 MCP 的技能库，可由 Claude、GPT-4o 或 Gemini 调用——在任何兼容的 AI 工具链中都无需定制集成。
4–6 周
第一阶段 MVP
Sprint 0 需要 2–4 周来落地方法论。第一阶段 MVP 在 4–6 周内交付，CI 强制执行和完整的阶段链同时生效。
适用领域
为受监管的复杂环境而构建
金融服务
审计轨迹、模型风险控制和合规门禁内置于每个阶段——而不是事后补加。
医疗与生命科学
风险分级体系和五方签核链满足患者数据治理和临床软件验证的要求。
企业软件
大规模采用 AI 的大型工程团队需要的是结构，而不只是工具。这套方法论为他们提供共同的运营模式。
公共部门与国防
主权部署、涉密上下文处理和完整的可审计性——红色等级覆盖风险最高的代码。
零售与电商
快速的交付周期，没有回归风险。在绿/黄框架下进行 AI 辅助构建，安全地缩短上市时间。
问答
常见问题
什么是 VibeCoding？为什么它会遇到瓶颈？
VibeCoding 是 AI 辅助的个人生产力——打字更快、原型更快——但仍依赖每位工程师自己的本地上下文。它之所以遇到瓶颈，是因为它解决不了共享规格、风险分级和治理的问题。规格驱动开发是下一步：不只是个人，而是整个团队在交付体系的每一层都与 AI 协同工作。
它和常规的 Agile 或 DevOps 有什么不同？
Agile 和 DevOps 诞生于 AI 生成代码成为现实之前。AI-SDLC 增加了风险分级体系、由三个文件组成的机器可读 Golden Spec，以及专为 AI 生成产物设计的五方签核治理链。
使用这套方法论必须用 Thinkia Pulse 吗？
不必。方法论与工具链无关。不过，Pulse 原生支持 Golden Spec、技能库和 MCP 网关——能显著加快采用速度。
风险分级体系在实践中如何运作？
在 F3 构建阶段，每个代码单元会根据业务关键程度和数据敏感度被标记为绿、黄或红。等级决定评审链：绿色由一名工程师评审，黄色需要两次签核，红色需要完整的五方签核链。
这是一款工具还是一套方法论？
一套方法论。Enterprise AI-SDLC 是一个治理框架——由一系列阶段、产物和评审实践组成。Thinkia Pulse 是实现它的平台，但团队也可以用自己的工具采用这套方法论。
什么是 Sprint 0？我们如何开始？
Sprint 0 是一次结构化的导入合作：Thinkia 梳理您现有的交付流程、落地方法论，并为您的第一个 AI-SDLC Sprint 产出第一份 Input Bundle 和 Golden Spec。通常需要 2–4 周。
技能库“兼容 MCP”是什么意思？
技能库中的 108 项技能均封装为 Model Context Protocol 工具。任何支持 MCP 的 AI 智能体——包括 Claude、GPT-4o 和 Gemini——都可以直接调用，无需定制集成。
可以按阶段逐步采用吗？
可以。大多数团队从 F0 和 Golden Spec 开始，然后逐步采用风险分级体系、质量验证器和完整的阶段链。这套方法论专为渐进式采用而设计——无需“大爆炸”式全面推行。
两种开始方式
从结构开始。
阅读 AI-SDLC Playbook——一份文档涵盖完整方法论，包括阶段模板、Golden Spec 格式和 17 项验证器清单。
或者预约一次 Sprint 0 沟通。我们会梳理您现有的交付流程，并准确指出这套方法论适用于哪些环节。