· AI Engineer World's Fair 2026
Spec-driven-разработка для production-процессов
Using Spec-Driven Development for Production Workflows
Требования, дизайн и план задач, которые человек проверяет до генерации кода, по словам спикера дают AI-ассистентам контекст для более качественного результата.
- Спецификации до кода — требования в формате EARS, дизайн с диаграммами Mermaid и список задач пишутся в Markdown и правятся вручную, потому что результат зависит от входных данных. Примеры сделаны в Kiro от AWS, но подход работает и без него, например через Spec Kit от GitHub.
- Property-based тесты по требованиям — тесты генерируются против документов требований и дизайна. В примере на TypeScript и Node используется fast-check, который запускает каждую проверку десятки или сотни раз на разных значениях.
- MVP первым — четыре верхние задачи из плана выносятся в начало и реализуются первыми, чтобы увидеть рабочий результат до остального.
- Ответственность у человека — спикер настаивает, что человек остаётся ревьюером всего сгенерированного и отвечает за ошибки, а AI-ревью только помогает.
Кому полезно: тем, кто ведёт сложные фичи в новых или legacy-проектах и хочет проверять план ассистента до того, как он начнёт писать код.
Статья по теме
На какие вопросы отвечает доклад
Почему AI-агенты для кодинга уходят в сторону без чётких инструкций?
Спикер сравнивает LLM со стажёром, которому нужно точное направление. До написания кода он предлагает описать требования, дизайн и план задач в Markdown-файлах.
▶ 1:03Почему AI-ассистентам для кодинга нужны чёткие указанияКак составить требования и план задач, по которым агент будет писать код?
Требования пишут в формате EARS с пользовательскими историями, затем дизайн с диаграммами Mermaid и список задач. Перед генерацией спикер отвечает на уточняющие вопросы агента, проверяет документы на ошибки и галлюцинации, а первые четыре задачи просит сделать MVP.
▶ 9:07Требования, проектирование, реализация и примеры проектовКак проверить, что код от агента соответствует требованиям к продукту?
Спикер генерирует property-based тесты по требованиям и дизайну. Тесты с fast-check в TypeScript запускаются десятки или сотни раз на разных значениях, а ревью кода остаётся за человеком.
▶ 9:07Требования, проектирование, реализация и примеры проектовСколько правил класть в AGENTS.md или CLAUDE.md, чтобы агент не путался?
По словам спикера, нужна золотая середина: правил должно хватать, но не с избытком. Повторяющиеся сценарии он выносит в skills, которые агент запускает по словам-триггерам или вручную.
▶ 4:17Файлы инструкций, направляющие указания, Skills и code review человекомКак подключить тикеты из Jira или Asana к генерации спецификаций для агента?
Через MCP-сервер агент подтягивает тикеты и требования продакт-менеджера при создании спецификаций. Правило об этом можно записать в steering-файлы или AGENTS.md.
▶ 13:38Безопасность MCP, интеграции с системами управления проектами и заключениеПодходит ли spec-driven development для старых проектов с большой кодовой базой?
По словам спикера, в старых приложениях встречаются десятки spec-файлов, а подход лучше подходит для сложных фич. Для мелких правок он советует обычный vibe coding.
▶ 9:07Требования, проектирование, реализация и примеры проектов
Главы
Ещё доклады: Erik Hanchett
Страница спикера →Ваш AI agent тратит токены впустую, а вы этого не знаете
AI Engineer World's Fair 2026
Похожие доклады
Spec-driven разработка: агентное программирование в масштабе FAANG и с высоким качеством
AI Engineer Code 2025
Близко по содержанию
Как покончить с ревью кода
AI Engineer World's Fair 2026
Близко по содержанию
Новый код: спецификации как источник истины
AI Engineer World's Fair 2025
Близко по содержанию
От написания кода к проектированию систем: как меняется роль разработчика
AI Engineer Europe 2026
Близко по содержанию

