SDD，规范驱动开发，“先想清楚、再动手写代码”的开发模式

SDD（Specification-Driven Development，规范驱动开发），简单来说就是一种“先想清楚、再动手写代码”的开发模式。

在传统的AI编程中，你给AI一个模糊的需求，AI直接生成代码，经常需要反复修改。而SDD的核心思想是：让AI在写代码之前，先输出一份详细的设计方案（规范），你确认无误后，AI再严格按照方案生成代码。

MonkeyCode 是这种模式的典型代表，它的工作流通常分为两步：

1. 生成规范（Specification Generation）：你输入需求（比如“做一个待办事项App”），AI不会直接写代码，而是先生成一份详细的设计文档，包含：

   • 技术栈：使用什么框架、数据库。

   • 数据模型：数据库表结构设计。

   • API接口：前后端交互的具体接口定义。

   • UI结构：页面布局和组件拆分。

   • 核心逻辑：关键功能的实现步骤。

2. 代码生成（Code Generation）：你审阅这份规范，修改不满意的地方。确认后，AI会“锁定”这个方案，并严格按照规范生成完整的、可运行的代码。

SDD模式有什么好处？

• 减少返工：传统AI可能直接写错方向，而SDD让你在早期就能纠正设计偏差，避免生成一堆没用的代码后再重来。

• 提升代码质量：规范是连贯的“蓝图”，AI据此生成的代码，其模块结构和逻辑一致性会更好。

• 便于团队协作：生成的规范文档本身就是现成的技术文档，方便团队成员理解和接手。

SDD与其他模式有何不同？

为了帮你更好地区分，我们可以这样理解三种主流模式：

• Chat模式（问答）：你问一句，AI答一句。上下文短，适合查函数用法或写小片段。

• Agent模式（自主执行）：你给一个目标，AI自主拆解任务、调用工具、读写文件，直到完成。Claude Code、TRAE的SOLO模式都属于此类，边做边改。

• SDD模式（规范驱动）：属于Agent模式的一个特化分支，但它强制要求“先设计后编码”，把“思考”和“执行”两个阶段明确分开。

举个例子

假设你要开发一个博客系统：

• 普通Agent模式：AI直接开始写代码，可能先用Django，写到一半你发现想用Flask，它又得重写。

• SDD模式：AI先问你：“我计划用Flask + SQLite，设计User和Article两张表，API包括登录和文章增删改查，UI采用xx布局，你看可以吗？”你确认后，它再一次性生成全部代码。

总结：SDD模式的核心价值在于“共识”，它在AI的“执行力”之前，加了一道“设计确认”的保险，适合需求明确、追求项目长期可维护性的开发场景。