اگر هنوز برای تولید کد به پرامپتهای طولانی تکیه میکنید، احتمالاً در حال «وایب-کدینگ» (Vibe-coding) هستید؛ یعنی امیدوارید هوش مصنوعی زاینده (Generative AI) — تشبیه روزمره: مثل دستیاری که سریع مینویسد اما گاهی منظور شما را اشتباه میگیرد — تصادفاً منظور شما را درست بفهمد. این تکیه بر «حس» و حدس، دقیقاً همان سدی است که مانع از اعتماد به کدهای تولیدشده توسط AI در پروژههای حساس و حیاتی میشود.
برای عبور از این بنبست، گیتهاب (GitHub) ابزار متنباز Spec-Kit را معرفی کرده است تا مفهوم «توسعه مبتنی بر مشخصات» یا SDD (Spec-Driven Development) را نهادینه کند. همانطور که در تحلیل قبلی ما دربارهی گذار از پرامپت به طراحی سیستم اشاره کردیم، هدف این است که کد دیگر نتیجهی یک «چت» نباشد، بلکه خروجیِ مستقیم یک سند مهندسی باشد.
طبق گزارش وبسایت marktechpost.com، این ابزار با دریافت بیش از ۹۰,۰۰۰ ستاره و ۸,۰۰۰ فورک در گیتهاب، استقبال گستردهای شده است. هستهی این سیستم ابزار specify-cli است (که به پایتون ۳.۱۱ به بالا نیاز دارد) و با ۲۹ سرویس مختلف از جمله Claude Code، GitHub Copilot و Gemini CLI یکپارچه میشود.
بر اساس مستندات این پروژه، گردش کار SDD برای حذف هرگونه ابهام، از یک توالی سختگیرانه پیروی میکند:
/speckit.constitution: تعیین اصول حاکمیتی غیرقابل تغییر (مانند استانداردهای تست)./speckit.specify: تعریف «چه چیزی» و «چرا» بدون اشاره به تکنولوژی مورد استفاده./speckit.plan: طراحی معماری و انتخاب پشتهی فناوری (Tech Stack)./speckit.tasks: تبدیل برنامه به یک نقشهی راه با اولویتبندی وابستگیها.
علاوه بر این، گیتهاب «درگاههای کیفی» اختیاری مانند /speckit.clarify و /speckit.analyze را اضافه کرده است. این بخشها در واقع «تست واحد برای زبان انگلیسی» هستند که پیش از اجرای دستور نهاییِ پیادهسازی (/speckit.implement)، شکافهای موجود در نیازمندیها را شناسایی میکنند.
این تغییر، ساختار قدرت در توسعه نرمافزار را دگرگون میکند. با جداسازی «مشخصات عملکردی» از «پیادهسازی فنی»، توسعهدهندگان میتوانند منطق کسبوکار را بدون ترس از تغییرات زیرساختی تغییر دهند. در این مدل، عامل (Agent) — تشبیه روزمره: مثل کارمندی که نه فقط دستور میگیرد، بلکه خودش تصمیم میگیرد چه ابزاری را برای انجام کار به کار ببرد — دیگر یک موتور جستجوی پیشرفته نیست، بلکه یک برنامهنویس جفت (Pair Programmer) است که دقیقاً طبق دستورالعمل عمل میکند و تولید «کدهای اسپاگتی» را به حداقل میرساند.
گام بعدی شما
- نصب CLI از طریق ابزار
uvبرای آزمایش در پروژههای جدید (Greenfield). - بررسی ۷۰ افزونهی جامعهمحور برای اتصال SDD به ابزارهای مدیریت پروژه مثل Jira و Azure DevOps.
- جایگزینی پرامپتهای طولانی با ساختار چهار مرحلهای Spec-Kit در گردش کار فعلی خود.
اما این نظم ساختاری، چالشهای جدیدی برای مدلهای استدلالی ایجاد میکند — در گزارش بعدی به بررسی اثر SDD بر مدلهای Reasoning خواهیم پرداخت.
گفتگو