YouTube 影片分析 — Full Course: Spec-Driven Development with Coding Agents
依據 Windows worker 取得的逐字稿,整理影片摘要、核心亮點、顧哥品牌啟發與可發文角度。
來源資訊
| 項目 | 內容 |
|---|---|
| 標題 | Full Course: Spec-Driven Development with Coding Agents |
| URL | https://www.youtube.com/watch?v=hy8UstR2NEg |
| 頻道 | DeepLearningAI(與 JetBrains 合作製作) |
| Video ID | hy8UstR2NEg |
| 語言 | English(auto-generated) |
| 逐字稿 | raw/transcripts/youtube/youtube-hy8UstR2NEg.md |
摘要
一句話總結
這門約 61 分鐘的完整課程把「vibe coding」升級成可管理的工程流程:先寫專案憲章(mission/tech stack/roadmap),再以「每個 feature 一條分支、plan→implement→validate」的迴圈推進,並在 feature 之間插入 replanning,最後用 agent skills 與開放標準把流程自動化、把 agent 換成任何一家都不會壞——講者 Paul Everett(JetBrains developer advocate)的核心比喻是「agent 是肌肉,spec 是大腦」。
關鍵洞察
| 核心主張 | 說明 | 影片案例 |
|---|---|---|
| Spec-driven development(SDD)有三個立即好處 | ①用極小的 spec 改動控制大量程式碼變更;②消除跨 session 的 context decay(agent 是無狀態的,spec 會留存);③提升 intent fidelity(先定義問題、成功標準、限制、使用者流程,agent 再展開計畫) | 一句「用 SQLite 配 Prisma」或改成 MongoDB,下游就是數百行差異 |
| Spec 是寫給未來的契約,不是寫給這一次的 prompt | spec 把「what/why」與實作「how」解耦,是人與 agent、也是人與人之間的契約;agent 換了、session 斷了,spec 還在 | 專案憲章放 specs/ 目錄:mission.md、tech-stack.md、roadmap.md,並進 git 版控 |
| Vibe coding 的產物是一次性的 | 高階 prompt 快,但產出 disposable code 與技術債;對話歷史甚至不會被保存,規模一大就崩 | 講者用「做一顆按鈕」示範:按鈕做出來了但比例不對,只能來回指錯 |
| 憲章(constitution)要跟 agent 對話產出,不是自己埋頭寫 | 用 agent 問架構問題、找出你沒想到的套件與取捨(例如速度 vs 資料保真度),再讓它把決策寫成 markdown;憲章 agent-agnostic,比單一 AGENTS.md 更有結構 | 講者對 agent 只給 mission/tech stack/roadmap 三段指示,agent 反問「mission 要什麼語氣」「roadmap 要多細」 |
| 正確的細節層級是「多講目標與限制,少講低階決策」 | 把 agent 當資深 pair programmer:給目標、受眾、限制,不要規定變數名稱;過度指揮會削弱 agent 的長處 | 首個 feature 的 spec 只要求「好看的 placeholder 首頁」,結果 agent 做得太陽春——錯誤來自 plan,不只在 code |
| 每個 feature 走獨立分支的 plan/implement/validate,中間插 replanning | 乾淨的分界讓 context 不溢出、review 不爆量;replanning 可改憲章、改 roadmap,甚至改流程本身 | 第一個 feature 完成後才發現沒裝測試框架,回頭在 replanning 分支補進 tech stack 並要 agent 回填既有 spec |
| 人類的角色從寫程式變成「監督與驗收」 | agent 跑 20–30 分鐘可抵數小時人工作業,所以事前花 3–4 分鐘寫清楚指令更划算;review 看高層次(是否符合 spec、功能是否可用),不摳 CSS class;另要注意 cognitive debt | 講者用 commit 視圖逐個 feature 審查,並刻意在 debugger 裡跑測試「確認自己真的懂這些改動」 |
| 重複的流程要沉澱成 skill,工具要能被替換 | changelog、validation、feature-spec 都能包成 skill;skill 用 description 做 progressive disclosure,想用就明確點名。MCP 正被「skill + CLI」取代(較少設定、較少 context);MCP/AGENTS.md/skills/ACP 四種標準讓 agent 與 IDE 可換 | 用 skill 自動產生 changelog 給非技術 stakeholder;Context7 從 MCP server 改為 CLI + skill;把 skill 搬進 Codex 後照樣運作 |
對顧哥品牌的啟發
- 把「派工給 Codex」的 prompt 升級成 repo 裡的 spec 檔 — 顧哥現在是口頭/訊息派工(功能、範圍、驗收條件混在一則訊息裡),影片的做法是先把 mission/tech stack/roadmap 寫成憲章進 git,再對每個功能開一條分支寫
plan.md、requirements.md、validation.md,Codex 只吃這三份。對 E樂堂這種前後台+多站台(web-st/web-sc/web-adm)的專案,憲章正好拿來釘住「PHP 版本、DB 慣例、不可改的舊路由」這類非 negotiables,避免每次派工都要重講一遍。 - 老系統導入才是最大的槓桿 — 影片明講 brownfield 也能用:讓 agent 讀既有 codebase、README、待辦清單,反向工程出憲章與 roadmap,之後流程完全一樣。顧哥手上那群 PHP 5/舊 Ubuntu 的老站台正是這種情境;先讓 agent 產出一份「現況憲章」,再談升級,比直接叫它改 code 安全得多。
- 把重複派工樣板做成 skill,而不是每次重貼 prompt — 課程爬蟲整合、LINE bot 回覆調整、部署後驗正式站,這幾件事顧哥每個月都在重複交代。影片示範用 agent 自己的 skill creator 把流程包成 skill(含驗收腳本),一次寫好、跨專案重用;這正好對應顧哥既有的 crawler 整合與部署驗證 SOP,差別是把它從人腦文件變成 agent 可執行的資產。
- 驗收紀律就是影片說的 human in the loop,也是防 cognitive debt 的唯一辦法 — 顧哥常在 Codex 交件後直接上線,影片提醒:agent 很快,但「理解這些改動」不會自動發生,所以要小步 commit、在 debugger 裡跑一次、請 sub-agent 做第二輪深審。對應到實務,就是把「跑一次真流程、清掉測試痕跡」固定在每個 feature 的 validation 步驟裡,而不是事後補救。
- 「spec 是專案的記憶」直接對照知識庫思维 — 影片說 spec 是專案跨 session 的記憶,這和顧哥用 ChromaDB 當客服大腦是同一個結構問題:脈絡要外部化、可檢索、可版本化。可以並行經營兩層記憶——專案層(spec/憲章,給 agent 讀)與服務層(知識庫,給客服讀),兩者都不該依賴某一次對話的上下文。
可發文角度
- 「我讓 Codex 寫程式,但真正的成品其實是一份 markdown」 — 從顧哥自己的派工經驗出發,講 spec 三件套(憲章/plan/validation)怎麼改變交作品質,附上一個真實 before-after 對照
- 「agent 是肌肉,spec 是大腦:為什麼我開始花 4 分鐘寫指令,換 agent 跑 30 分鐘」 — 用影片的時間槓桿說服仍在「一句話許願」的讀者,並誠實講什麼時候 lazy prompting 就夠
- 「老系統也能吃 spec-driven:把十年前的 PHP 站台交給 AI 之前,先讓它寫一份憲章」 — 針對台灣大量維運老站的團隊,談 brownfield 的反向工程流程與風險控制
- 「別讓 AI 幫你欠下認知債:小步 commit、自己跑一次、再讓 sub-agent 抓漏」 — 從 cognitive debt 這個詞切入,談 AI 協作下的驗收紀律與「你敢用自己的名字 commit 嗎」的自測標準
證據與限制
- 本頁只根據 Windows worker 取得的 YouTube 自動逐字稿分析,長度約 61 分鐘、逐字稿 60KB,內容完整但專有名詞有明顯辨識誤差:
HANA應為 Hono、React 9.2應為 React 19.x、Cloud Code/clawed code為 Claude Code、STD/SDDD為 spec-driven development、Spectrum/Spectdriven為 spec-driven,引用時需自行校正。 - 課程由 DeepLearningAI 與 JetBrains 合作,全程以 WebStorm + Claude Code 示範,並多次提及 JetBrains 的 ACP registry 與自家 IDE 體驗;結尾推崇 GitHub Spec Kit、OpenSpec 等工具。流程知識可信,但工具選擇段落帶有合作方與生態推廣立場。
- 片中所有成果(Agent Clinic 範例、兩個 feature 後做出 MVP)都是講者設計的教學專案,沒有失敗率、團隊規模或長期維護成本等量化數據,不宜直接推論「照做就能得到同樣品質」。
- 講者對 spec 長度、review 深度多處明說是「style choice/用你的判斷」,代表流程本身仍有大量未標準化的裁量空間。