AI 寫的 code 一直要打掉重練？Spec Kit 想用一份可執行規範終結 vibe coding
我用 AI 寫 code 兩年多，最常打掉重練的，不是那些真的很難的演算法，而是一句話沒講清楚惹出來的麻煩。 「幫我做一個檔案上傳功能。」AI 三十秒丟回一坨能跑的東西，介面有了、錯誤處理也有了。然後我才發現：它預設存本地磁碟，而我要的是上傳到物件儲存；它沒驗副檔名；50MB 的檔直接讓記憶體爆掉；前端完全沒有上傳進度。於是我追加一句 prompt，它改；再追加一句，它改歪了別的地方，把剛才好好的錯誤處理弄不見了。一個下午過去，那個「三十秒就好」的功能還在原地打轉。 這不是模型笨。是我從頭到尾沒給它一份講清楚的合約。 三十秒生出來的東西，為什麼一個下午還收不了尾這就是現在大家在做的事，英文叫 vibe coding——憑感覺對 AI 下指令，看它生出什麼，不對再喊它改。它的賣點是快，問題也是快：你把「想清楚要什麼」這件事，從動手前延後到了看到結果之後。 延後不等於省掉。需求遲早要補完，邊界遲早要劃清，只是現在改的對象，從你腦袋裡的設計，變成了一坨已經寫出來、還在長大的 code。改三次還行，改到第八次，新的 prompt 開始把前幾次講好的決定蓋掉——AI 不是忘了，是它老實照你...
一天、$400 的 token、年省 $500K：Reco 用 AI 重寫 JSONata 的真實帳本
Reco（一家 SaaS 安全公司）用 AI 在七小時內把 JSONata 從 JavaScript 重寫成 Go，產出 13,000 行程式碼，通過 1,778 個測試案例。token 花費 $400。上線後每月省 $25,000 compute 費用，加上後續的 pipeline 優化，年省 $500K。 這個故事在 Hacker News 上拿了 207 分和 186 則討論。數字很吸睛，但真正值得學的不是數字——是他們怎麼確保 AI 生成的 13,000 行程式碼不會在生產環境炸掉。 問題：一條昂貴的語言邊界Reco 有一個 policy engine，用 JSONata（一種 JSON 查詢和轉換語言，類似 jq 但有 lambda）對資料管線中的每條事件做規則比對。幾十億條事件，上千條規則。 JSONata 的參考實作是 JavaScript。Reco 的 pipeline 是 Go。所以他們多年來一直在 Kubernetes 上跑一整組 Node.js pod——Go 服務透過 RPC 呼叫 Node.js 來做 JSONata 運算。 每次呼叫的代價：序列化 → ...
告別需求地獄：這個MCP工具讓你的開發流程終於有章法了
前言：你是否也深陷「需求變更地獄」？身為工程師，你是否遇過這種狀況：PM 拍拍肩膀說「這功能很簡單，兩天就能做完吧？」結果兩週後你還在改 bug，因為需求根本沒講清楚？ 或是專案開發到一半，突然有人問「這個功能為什麼要這樣設計？」然後你發現...根本沒有人記得當初的設計理念？ 如果以上情境讓你會心一笑（或想哭），那麼 spec-workflow-mcp 這個工具絕對值得你關注。 什麼是 Spec Workflow MCP？Spec Workflow MCP 是一個專門為軟體開發設計的規格驅動工作流管理工具。簡單來說，它就是要解決一個核心問題：讓開發團隊在寫程式之前，先把要做什麼搞清楚。 這個工具遵循一個很簡單但有效的三階段流程： Requirements（需求） - 確定要做什麼 Design（設計） - 決定怎麼做 Tasks（任務） - 拆解執行步驟 聽起來很理所當然對吧？但現實是，大部分專案都是直接跳到第三步開始寫程式，然後在需求不明確的泥沼中掙扎。 核心功能一覽🖥️ 雙介面支援，開發者友善Web Dashboard 即時專案總覽，一眼掌握進度 文件檢視器，所有...
