Hacker News 上的一位开发者正倡导从“规范驱动”转向“开发驱动”的规范模式，即文档编写过程与代码编写过程不可分割。通过在软件开发过程中实时构建规范，该开发者创建了一种“可执行规范”，AI 编程智能体可以利用该规范自主生成并迭代代码库的新版本。

开发驱动的工作流

发帖者 WaywardGeek 描述了一个他们与 AI 智能体进行前期设计对话的过程。随后，他们要求 AI 仅生成项目的“摘要（TL;DR）”和练习部分，例如书的一个章节。

在实施阶段，开发者与 AI 进行结对编程以编写实际代码。在工作过程中，他们编写笔记以澄清歧义，并实时引导 AI 朝向预期的设计方向。

一旦代码通过特定的“练习评分器”，开发者会要求 AI 阅读这些积累的笔记和一个“voice.md”文件，以编写章节的最终正文。这确保了文档准确反映了最终的实现。

可执行规范与 AI 自主性

这种方法的核心创新在于创建“可执行规范”。WaywardGeek 认为，由于规范是随着代码编写而构建的，它成为了 AI 智能体的一套高保真指令集。

在实践中，这允许 AI 编程智能体（例如“Ensemble”项目）自主执行该规范。智能体随后可以在无需每一步人工干预的情况下，根据更新后的规范生成代码的新版本。

该开发者强调了一个递归示例：他们使用此方法创作了一本关于构建 AI 编程智能体的书，而该智能体随后利用这本书构建了该书的下一版。

社区反馈与可扩展性问题

Hacker News 上的评论者对该方法的机制表示感兴趣，但对其实际应用提出了疑问。一位以 defenestration 为名的评论者询问，这种方法在依赖“常规”工单式软件开发工作流的大型团队中将如何运作。

另一位评论者 grugagag 要求展示一个用于构建标准商业应用程序的流程具体演示，以便更好地理解最终结果。讨论强调了需要进一步明确如何将此方法从个人工作流扩展到协作环境。

虽然发帖者声称该方法在个人项目中取得了巨大成功，但关于团队范围内采用的具体权衡和局限性仍是讨论中的开放问题。

团队集成的未知因素

关于“开发驱动”规范如何扩展仍存在主要的不确定性。由于该方法依赖于人类与 AI 智能体之间的紧密迭代循环，目前尚不清楚它将如何与 Jira 或 GitHub Issues 等标准项目管理工具集成。

资料中并未提供详细框架来说明多个开发者如何在不产生版本冲突或沟通瓶颈的情况下，共同贡献到同一个“动态”规范中。