——原型成了新文档，而文档成了新的……源代码？

Ravi Mehta & Danny Martinez 2025年7月31日

纵不雅我的行状糊口，需求文档（Specs） 写得越来越短。 刚进微软那会儿，推测家具司理（PM）价值的模范是他们写的文档有多厚。多年后在 Tripadvisor，咱们把一位拿着写在餐巾纸上的需求通过家具评审的 PM 奉为传闻。

家具团队常把写需求文档视为“填表使命”——在“信得过干活（发版）”之前不得不作念的必要之恶。工程师因优雅的代码受赞叹，贪图师因精熟的 UX 被表扬，PM 因委派效果获招供。但文档呢？通常是仓卒写完，唾手一扔，然后被淡忘。

这一直是个诞妄。 在我的《家具才气用具箱》中，“功能界说（Feature Specification）”高居榜首——它是十二项才气中的第一项，绝非随机。它是家具引申力、委派和质地的基石。

齐全的引申是优秀家具束缚的根基，而一份好的需求文档等于起跑线。

今天，咱们的构建阵势正在发生剧变。 工程师变得更快了——快得多。AI 能在几分钟内把毛糙的点子酿成能跑的代码。面前的瓶颈不再是“若何作念（Building）”，而是“作念什么”，以及围绕需求“拉皆团队分解”。

须臾间，不起眼的需求文档不再是稍纵则逝的废纸。它是家具束缚的基础——它正在酿成源代码本人。

{jz:field.toptypename/}

为什么 PM 须臾成了瓶颈？

Andrew Ng（吴恩达）在最近对于《用 AI 加快构建》的演讲中指出了一个前所未有的趋势：

“我这辈子第一次看到有司理向我提议，PM 的东说念主数若是工程师的两倍。我依然不知说念这是不是个好主意，但我以为这是天下发展标的的一个信号。” —— Andrew Ng

这考据了咱们在上一篇著述中的展望：跟着工程师运用 AI 服从翻倍，公司需要更多（而非更少）的 PM 来“喂饱”这些高产的工程师。

跟着家具委派加快，庞杂的压力出动到了家具束缚的其他重要——贯通客户需求、打磨正确的功能、考据影响力。

而总计这些压力，最终都积存到一个产物上——需求文档（The Spec）。

需求文档——新的源代码

在传统软件斥地中，轨范员编写东说念主类可读的“源代码”，然后编译成高度优化、机器可读的“主见代码”（Object Code）。“主见代码”（即二进制文献）只是一个副家具，惟有有源代码就能从头生成。源代码才是信得过的事实开头（Source of Truth）。

OpenAI 的 Sean Grove 建议了一个极具寻衅性的不雅点。在他最近的演讲《新代码》中，他以为写得好的请示词（即需求文档）等于新的源代码。

从这个角度看，咱们在 AI 斥地上搞反了。咱们用心打磨请示词来向模子传达意图，AI 生成了代码，然后咱们保留了代码，却扔掉了请示词。

Grove 不雅察说念：“这嗅觉就像你把源代码碎了，然后留心翼翼地对二进制文献作念版块为止。”

想想看。在传统编程中，源代码是清白的。它包含闪耀、结构和文档——贯通和修改系统所需的一切。二进制文献只是卑鄙产物。

但在 AI 期间，咱们倒置了这种关联。咱们将生成的代码视为值得保留的财富，而将需求界说——即请示词——视为一次性用品。

Grove 以为这完满错了。代码，即使是优雅的代码，也只是他所说的对需求界说的“有损投射”。就像反编译二进制文献无法归附原始闪耀和变量名相同，读代码也无法告诉你背后的完整意图。

筹商词，需求界说包含了一切。 一份填塞健壮的文档不错生成“好的 TypeScript、好的 Rust、办事端、客户端、文档、教程、博客著述，致使播客。”

更进军的是，需求文档作念到了代码作念不到的事：它让“东说念主类”和“机器”在共同主见上对皆。

Grove 简陋归来说念：“书面的需求界说灵验地对皆了东说念主类，它是你们用来筹议、扣问、辩白、援用和同步的用具。”

他展望：“在不久的将来，筹议最灵验的东说念主等于最有价值的轨范员。 字面酷好酷好上，如果你能灵验筹议，你就能编程。”

新的稀缺妙技不是写代码，而是撰写能充分捕捉意图和价值不雅的需求文档。

对于家具司理来说，这听起来很耳熟。这是咱们一直在作念的事——只是面前，机器也在听了。

等等，原型（Prototypes）不是杀死了文档吗？

直到最近，家具质命周期通常始于需求文档（或 PRD、想法文档、致使餐巾纸），然后启动线框图、贪图、原型制作和 MVP 斥地。

传统措施嗅觉像是一种“必要之恶”。工程师构建简陋的 MVP 只是为了把东西——不管什么——塞到客户手里。“如果你不为你的初版家具感到无言，澳门娱乐那你发布得太晚了”曾是良药苦口。

咱们构建家具的阵势最近发生了首要诊治，在这个新天下里，需求文档通常是产出（Output），而不是输入（Input）。

今天，你不需要写一滑代码就能把原型送到客户手中。像 v0、Lovable 和 Replit 这么的用具让你在几小时（而不是几周）内构建出功能完备的原型。不需要工程介入。

这不仅是更快，而是实质上的不同。有了“Vibe Coded（凭嗅觉写出）”的原型，你不错在写一滑认简直功能文档之前就网罗到实在的客户反应。你不错测试假定、迭代经过、打磨交互。

旧使命流： 暗昧想法 → 线框图 → 贪图 → 工程师作念 MVP → 客户反应 → 晦气地改文档 → 线框图 → 贪图 → 重写 → 祷告。

新使命流： 暗昧想法 → 快速原型 → 客户反应 → 清晰彻底的需求文档 → AI 援助竣工。

原型并莫得杀死文档。它们让文档变得更好了。

实战中的“文档驱动斥地”

让咱们看一个实践案例。Danny Martinez 是 decimals（一家处于隐身模式的初创公司）的首创东说念主，该平台让创作者经济中的民众能将东说念主脉推选到使命岗亭上。

Danny 将带咱们通过他们的“文档驱动斥地 (Spec-driven development)”经过——这个经过带来了两个影响：

对于大功能，极地面改善了与工程团队的筹议；

对于小功能，让 Danny 这个莫得任何编程教会的东说念主，能独自完成从详备文档到功能上线的全过程。

把麦克风交给 Danny……

这是我最近处理的一个例子。布景是：在上线了一个新落地页后，咱们需要给民众一个快速拜访我方页面融合的措施。

我融合首创东说念主在 Slack 上发来音问： “咱们需要在页眉加一个按钮，平直跳到公司肯求页。我面前正忙着回邮件。如果你能接办的话，这活儿 Vibe code-able（凭嗅觉就能让 AI 写出来）。”

很简陋，这恰口舌时刻东说念主员面前不错我方束缚的事情。

以下是几分钟内上线该功能的成立和设施：

样子束缚用具： Linear

IDE： VS Code

插件： GitHub Copilot Pro

模子： Claude Sonnet 4

MCP 办事器： Linear MCP server（允许 Copilot 读取 Linear 里的工单）

具体设施（对应文中的演示视频）：

把融合首创东说念主的 Slack 音问生成一张 Linear 工单。

在工单里清醒我想要的案牍。

翻开 Copilot，请示 Claude 翻开那张 Linear 工单。

请示 Claude 审查工单，并勾通现时代码库进行分析。

请示 Claude 创建分支并竣工这些变更。

测试变更，确保如预期使命。

在 GitHub 上发起 Pull Request (PR)。

恭候工程师审查/批准 PR。

(经过图展示：Slack -> Linear -> VS Code (Claude + Copilot 读取 Linear 和代码库) -> 测试 -> 提 PR -> 审查)

放眼全局，这套成立的威力就浮现出来了。是的，这只是个微不及说念的例子，但要点在于：一个非时刻东说念主员面前不错通过 GitHub Copilot 向 Claude 发送几条指示，就在 Linear 工单、代码库和工程师之间自由自在。

再次强调，这一切的关键不在于代码本人，而在于需求文档。

固然，要让这套经过顺畅运行，有几个进军的贯注事项：

具体（Being specific）： 暗昧的需求只会导致芜杂的代码。运用 Claude 审查工单初稿、查阅代码库并帮你把需求写得更具体，是经过中必不可少的一环。咱们致使有成心的“好文档写稿指南”。

礼聘性（Being selective）： 上述措施最合适简陋任务。工单越复杂，就越需要懂行的东说念主介入（在这种情况下，“自助办事”通常名不副实）。

把关（Gatekeeping）： 这种措施之是以灵验，是因为有一位信得过懂行的工程师在审查变更，确保在爽朗性和功能性之间保抓平衡。

但咱们要清晰：端正变了。需求文档是总计构建家具的东说念主（包括 LLM）的单一事实开头。

惟有竖立适应，非时刻东说念主员为代码库作念孝敬是完满现实的。惟有有填塞的时分和耐性，你不错运转贯通代码库并我方竣工变更，而不单是是每次都指望 Claude 来救你。

终有一天，你致使不错期待 AI Agent 在你喝咖啡的时候就把工单给上线了。

如果你是别称 PM，惦记 AI 会抢你饭碗，关键要坚决到：使命本人正在转变，但对每个东说念主来说都是如斯。 好音问是，优秀 PM 所需的中枢妙技在这个新天下中变得更有价值了。

正如咱们展望的那样，接受这种使命阵势的公司需要更多，而不是更少的 PM。事实阐明，这个展望正在应验。

(图表炫夸：2025年5月，绽放的 PM 职位数目回升至 6301 个，创 2.5 年来新高)

需求文档万岁！

科幻作者、“赛博空间”一词的创造者 William Gibson 曾说：

“异日如故到来——只是差异得不那么均匀。”

当我想考 AI 能作念什么、不行作念什么时，常想起这句话。今天，AI 的超越是至极不平衡的。有些事情——生成代码、文本、图像——如故竣工了量子飞跃，它们以 AI 速率运行。而其他事情——与客户交谈、发现需求、劝服购买——仍然以东说念主类速率运行。

这种差异不均正在重塑家具团队。聚光灯正从“实施使命”出动到“贯通使命”。那些让优秀 PM 脱颖而出的中枢妙技——贯通用户需求、清晰界说问题、贪图优雅的解决决策——变得成倍地罕见。

最优秀的 PM 会将这些瞻念察鼎新为需求文档——这些文档能对皆团队、疏导实施，并在这个自动化进过活益普及的斥地天下中，成为抓久的财富。

• 已死
• 需求
• 澳门娱乐app
• 万岁
• 稳当