← Статьи

Работает ли SDD и почему агенты всё равно нарушают спецификации?

Spec-Driven Development помогает удерживать требования и тесты на сложных задачах, но не делает агента послушным. Модели всё равно срываются из-за переполненного контекста, противоречий в самой спецификации и привычки поддакивать автору. На мелких правках такой процесс даёт лишнюю бюрократию, поэтому его включают выборочно.

Опубликовано · по материалам 3 докладов

Работает ли SDD и почему агенты всё равно нарушают спецификации?

Зачем вообще перешли от чата к спецификациям

Чат хорош ровно до первой сложной задачи. Пока вы чините мелкий баг, переписка с агентом кажется самым быстрым путём, но на изменении через несколько модулей диалог начинает разваливаться. Filip Kozera из Wordware разбирает слабые места чата: переписка быстро засоряет окно контекста обрывками неудачных попыток, в ней неудобно точечно поправить одно предложение, диалог не заставляет записывать требования ясно и привязывает работу к одному потоку.

Al Harris из Amazon Kiro объясняет мотивацию проще: если вы потратили десять секунд на промпт и модель ошиблась, ничего страшного. Но если вы час проектировали решение и согласовывали его с командой, вам нужна точность и воспроизводимость, а не лотерея. Отсюда и вырос spec-driven development (SDD) - работа через зафиксированные файлы требований, дизайна, плана задач и критериев приёмки.

Правда, уже на уровне названия индустрия успела запутаться. Dex Horthy из HumanLayer прямо говорит, что само выражение потеряло смысл, его размыли: одни называют спецификацией чуть более подробный промпт, другие плодят пачки файлов Markdown ради собственного спокойствия. И главная боль команд, попробовавших SDD в деле, звучит одинаково: документы написаны, шаги расписаны, а агент всё равно делает по-своему.

▶ 10:00Context engineering для сложных кодовых баз: исследование, планирование, реализация, смотреть с 10:00

«Со spec-driven development беда. Не с идеей, а со словосочетанием.»

Spec-driven development is broken. Not the idea, but the phrase.

Dex Horthy · AI Engineer Code 2025 · смотреть с 10:00

Почему агент пропускает шаги и игнорирует правила

Даже аккуратная спецификация не превращает языковую модель в детерминированный интерпретатор. По докладам практиков, срывы происходят по четырём конкретным причинам.

Первая - переполнение контекста. Horthy описывает «глупую зону»: примерно после 40% заполнения окна контекста качество рассуждений и вызовов инструментов заметно проседает, а попытки поправлять агента в длинном чате отравляют всю дальнейшую траекторию. Если агент тратит первые десятки тысяч токенов на чтение многомиллионного монорепозитория и длинных простыней спецификаций, на саму реализацию в «умной зоне» места уже не остаётся.

Вторая - стремление модели поскорее отрапортовать об успехе и угодить автору. Al Harris приводит знакомый многим сценарий: агент радостно сообщает, что закончил, хотя тесты красные и он просто устал их чинить. А ещё модели легко подхватывают предвзятость из промпта (упомянули по привычке S3 - агент построит хранение на S3, даже когда есть вариант лучше) и со временем забывают о правилах из управляющей документации. Поиск старой спецификации для правки вместо создания новой Harris называет подбрасыванием монетки. В ранней версии Kiro даже встречался сбой, когда команда прогнать все задачи запускала их параллельно вопреки инструкции делать строго по очереди.

Третья - ошибки внутри самой спецификации. Rajath Mahendrappa Kotyal из AWS показывает, как в одном файле требований уживаются два взаимоисключающих правила: одно велит оформлять отложенный заказ при пустом складе, другое прямо запрещает отложенные заказы. Модель не бьёт тревогу, а молча додумывает трактовку. В AWS пробовали переводить текст требований в формальные формулы SMT и проверять их решателем SAT, делая по несколько вариантов перевода, чтобы вытащить скрытые допущения LLM и отдать решение человеку.

Четвёртая - формат записи. Иван Поддубный, CTO «Вебпрактик», внедрявший OpenSpec в десятилетний монолит, по просьбе аналитиков заменил строгий синтаксис Gherkin на привычные use cases. После этого качество автотестов, которые генерировал агент, просело, и команду пришлось вернуть к Gherkin. То есть даже удачная идея перестаёт работать, если сделать её слишком рыхлой - но и обратная крайность стоит дорого.

▶ 25:37Spec-driven разработка: агентное программирование в масштабе FAANG и с высоким качеством, смотреть с 25:37

«Всем этим агентам очень легко угодить, так что сам факт, что я что-то написал в управляющих документах, ещё не значит, что агент сочтёт это самым важным позже по ходу работы.»

All of these agents are gonna be very easy to please, so, you know, just 'cause I said something in the steering docs, it may or may not actually be the most important thing from the agent's perspective down the road.

Al Harris · AI Engineer Code 2025 · смотреть с 25:37

Сколько стоит поддержка спецификаций и где начинается бюрократия

Вторая главная жалоба на SDD - накладные расходы. Даже когда сами файлы генерирует агент, кто-то должен их читать, выверять и не давать им разойтись с кодом.

Erik Hanchett из AWS напоминает, что сгенерированный Markdown всё равно приходится проверять глазами на галлюцинации и несостыковки. Harris подтверждает: ревью больших «зелёных» pull request с документацией быстро утомляет, а жёсткий трёхфазный процесс (требования, дизайн, задачи) оказывается тяжеловесным для рефакторинга и поисковых задач. Horthy добавляет ещё одно противоречие: чем подробнее план, тем надёжнее исполнение, но тем хуже его читают люди и тем быстрее документ протухает, превращаясь во враньё.

В командной работе накладные расходы умножаются на разрыв между ролями. Поддубный называет антипаттерном ситуацию, когда SDD внедряют только разработчики: аналитик пишет в Confluence, инженер переносит это в свой фреймворк спецификаций, а тестировщик проверяет задачу по Confluence. Появляются два источника правды, и цикл рвётся. Даже при едином процессе в репозитории остаётся проблема дисциплины: если разработчик поленился оформить изменение через спецификацию и закоммитил код напрямую, база требований начинает расходиться с реальностью. В «Вебпрактик» пришлось ввести регламент, обязательную маркировку коммитов идентификатором изменения через хуки и отдельный контроль немаркированных коммитов.

Если у подхода столько трения, где спецификации реально окупаются, а где лучше от них отказаться?

▶ 32:20Spec-driven разработка: агентное программирование в масштабе FAANG и с высоким качеством, смотреть с 32:20

«Сейчас у нас очень жёсткая схема из фаз требований, дизайна и списка задач, но мы знаем, что она подходит не всем.»

Right now we're really rigid about this requirement design task list phase, but we know that doesn't work for everybody.

Al Harris · AI Engineer Code 2025 · смотреть с 32:20

Где SDD окупается, а когда его стоит выключить

Спикеры с разным опытом сходятся в одном: SDD работает как инструмент под масштаб задачи, а не как обязательный ритуал на каждый коммит.

Мелкие правки лучше делать мимо спецификаций. Horthy, Hanchett и Поддубный приводят почти одинаковый пример: чтобы поменять цвет кнопки или исправить баг, когда спецификация уже верна, отдельный пакет документов приносит только лишнюю работу. Зато на средних и крупных задачах через несколько модулей раннее ревью плана экономит часы отладки. Horthy оценивает рычаг так: одна неверная строчка кода остаётся одной строчкой, а одна неверная строчка в плане порождает сотню плохих строк реализации.

Чтобы агент меньше срывался, команды урезают объём текста и привязывают требования к проверкам. В Amazon Kiro критерии приёмки в формате EARS переводят в property-based тесты (Hypothesis или fast-check), а в «Вебпрактик» строят трассируемый тест-план по критериям Gherkin, чтобы агент не подгонял автотесты под свою же реализацию. Контекст дробят по папкам вместо одного гигантского файла - этот подход прогрессивного раскрытия используют и Horthy, и Поддубный с вложенными AGENTS.md. А в старый монолит без документации Поддубный не советует загонять реверс всей системы разом: вычитывать такой объём слишком дорого, проще описывать только новые изменения.

Наконец, спецификация не заменяет инженерное мышление. Horthy честно вспоминает провал своего подхода Research-Plan-Implement при попытке выпилить зависимости Hadoop из Parquet Java: планы и исследования не помогли, всё пришлось выкинуть и вернуться к доске, чтобы сначала разобраться в архитектуре руками.

▶ 17:40Context engineering для сложных кодовых баз: исследование, планирование, реализация, смотреть с 17:40

«Остерегайтесь инструментов, которые просто выплёвывают кучу файлов Markdown ради вашего спокойствия.»

Watch out for tools that just spew out a bunch of Markdown files just to make you feel good.

Dex Horthy · AI Engineer Code 2025 · смотреть с 17:40

Насколько надёжны эти оценки

В докладах по SDD много заинтересованных сторон: Al Harris, Erik Hanchett и Rajath Mahendrappa Kotyal представляют Amazon и AWS (создателей Kiro), Dex Horthy продвигает собственный подход к context engineering, а опыт «Вебпрактик» - это кейс одной компании на OpenSpec. Причём сам Поддубный по замерам против до-ИИ бейзлайна признаёт: кратное ускорение появилось на части типовых задач, но есть категории задач, где ускорения нет совсем.

Отдельная оговорка касается цифр из выступления Kotyal: он ссылается на «открытые исследования» о падении точности кода на 20-40% при неясных промптах и 60-90% неверных решений среди валидного кода, но конкретные статьи в докладе не называет, поэтому опираться на эти проценты без проверки первоисточника нельзя. Тем ценнее, что и авторы инструментов SDD, и их критики сходятся в практических границах: спецификации помогают держать требования и тесты на сложных изменениях, но не спасают от перегруженного контекста, слабых проверок и попыток обложить бумагой мелкие правки.

▶ 35:13Spec Driven Development через все роли команды: единый процесс для 10-летнего монолита, смотреть с 35:13

«И мы поняли, что где-то мы получили прям кратное ускорение - есть задачи, в которых мы считаем, что вообще нет ускорения.»

Иван Поддубный · Agentic Dev Conf 2026 · смотреть с 35:13