参考资料

• GitHub Spec Kit
• OpenSpec

评测与治理（01） - 规格驱动开发与验收契约

读完后，你应能完成以下任务：

• 绘制“评测与治理（01） - 规格驱动开发与验收契约 / 最小规格”的关键对象与数据流，解释“应说明谁能删、软删还是硬删、列表和搜索何时不可见、并发删除如何响应、审计是否保留、刷新后如何验证。”，并用源码位置、日志或 Trace 标注证据。
• 为“评测与治理（01） - 规格驱动开发与验收契约 / 规格到任务”设计正常与异常输入，验证“按垂直切片拆任务，每个任务包含输入、输出、依赖和验证。”，输出首个偏差位置与回归测试结果。
• 实现“评测与治理（01） - 规格驱动开发与验收契约 / 变更中的规格”的最小代码或配置，检验“保留已否定方案及原因，避免后续 Agent 重复探索。”，输出命令、结果与 Diff，并说明不适用边界。

规格不是长文档，而是实现、测试、审查和发布共享的事实来源；无法验证的描述不能成为完成条件。

一、先建立全局：规格驱动开发与验收契约 是什么？

理解“规格驱动开发与验收契约”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“规格驱动开发与验收契约”的第一个核心判断是：应说明谁能删、软删还是硬删、列表和搜索何时不可见、并发删除如何响应、审计是否保留、刷新后如何验证。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	最小规格	应说明谁能删、软删还是硬删、列表和搜索何时不可见、并发删除如何响应、审计是否保留、刷新后如何验证。
2	规格到任务	按垂直切片拆任务，每个任务包含输入、输出、依赖和验证。
3	变更中的规格	保留已否定方案及原因，避免后续 Agent 重复探索。
4	验收证据	运行证据：接口响应、UI、日志、Trace、指标和数据查询。
5	失败模式	只修改实现，不同步规格和迁移边界。
6	规格不是长文档	规格不是长文档，而是实现、测试、审查和发布共享的事实来源；

1.1 核心对象之间怎样衔接

flowchart LR
  S1["最小规格"] --> S2
  S2["规格到任务"] --> S3
  S3["变更中的规格"] --> S4
  S4["验收证据"] --> S5
  S5["失败模式"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“规格驱动开发与验收契约”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“规格驱动开发与验收契约”的对象和顺序已经明确后，再看可观察的失败：数据泄漏、只报均分、裁判未校准或样本不可追溯。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、最小规格

背景：谁在什么场景遇到什么问题。
目标：必须产生的用户可见结果。
范围：允许修改的系统、模块和数据。
非目标：明确本次不处理什么。
约束：兼容、安全、性能和迁移要求。
验收：给定输入与前置状态，执行动作后可观察结果。
回滚：失败信号、恢复方式和数据兼容边界。

示例：“支持删除会话”不够。 应说明谁能删、软删还是硬删、列表和搜索何时不可见、并发删除如何响应、审计是否保留、刷新后如何验证。

三、规格到任务

按垂直切片拆任务，每个任务包含输入、输出、依赖和验证。 技术层任务必须能回链到验收条目； “搭框架”“优化代码”如果没有用户结果或风险消除证据，不应单独宣称完成需求。

四、变更中的规格

实现发现约束错误时先更新规格和决策，再改代码与测试。 保留已否定方案及原因，避免后续 Agent 重复探索。 OpenSpec、Spec Kit 等工具可以规范流程，但模板不能替代业务判断。

五、验收证据

• 静态证据：Diff、Schema、配置和迁移脚本。
• 自动证据：单元、集成、契约、E2E 和构建报告。
• 运行证据：接口响应、UI、日志、Trace、指标和数据查询。
• 外部证据：CI、部署版本和环境状态，必须区分已验证与未验证。

六、失败模式

• 验收写成“功能正常”“体验良好”，无法自动或人工复核。
• 只修改实现，不同步规格和迁移边界。
• 把测试通过当全部验收，遗漏真实浏览器、权限或部署状态。
• 规格过细到固定实现，让正常技术调整也必须重写需求。

七、动手验证：先跑通 规格驱动开发与验收契约，再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“规格驱动开发与验收契约”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

7.1 基线与候选只允许一个变量不同

验证“规格驱动开发与验收契约”时，先固定版本化数据集、切分规则、基线、Rubric、随机参数。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“规格驱动开发与验收契约”时，动作是：同输入比较基线与候选的能力、安全、延迟和成本。原始结果不能只保留截图或汇总分数，必须同步保存：逐样本输出、评分理由、置信区间、失败标签、版本，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	版本化数据集、切分规则、基线、Rubric、随机参数
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	逐样本输出、评分理由、置信区间、失败标签、版本
通过阈值	目标指标改善，通用能力与安全集不越过回退阈值
立即停止	数据泄漏、只报均分、裁判未校准或样本不可追溯

7.2 执行前先排除不可比较条件

“规格驱动开发与验收契约”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“规格驱动开发与验收契约”的当前环境重复运行。
• 候选只改变一个与“规格驱动开发与验收契约”结论直接相关的条件。
• “规格驱动开发与验收契约”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “规格驱动开发与验收契约”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

7.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“规格驱动开发与验收契约”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	版本化数据集、切分规则、基线、Rubric、随机参数
过程可回放	同输入比较基线与候选的能力、安全、延迟和成本
结果可审计	逐样本输出、评分理由、置信区间、失败标签、版本

“规格驱动开发与验收契约”的一次合格基线对照按以下顺序执行：

1. 保存“规格驱动开发与验收契约”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“规格驱动开发与验收契约”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“规格驱动开发与验收契约”：同输入比较基线与候选的能力、安全、延迟和成本。
4. 为“规格驱动开发与验收契约”保存：逐样本输出、评分理由、置信区间、失败标签、版本。
5. 使用“规格驱动开发与验收契约”预登记条件判断：目标指标改善，通用能力与安全集不越过回退阈值。
6. 如果“规格驱动开发与验收契约”未通过，不修改第二个变量，先恢复基线并保留失败现场。

八、用一张矩阵验证 规格驱动开发与验收契约 的关键结论

矩阵按正文顺序列出“规格驱动开发与验收契约”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
最小规格	应说明谁能删、软删还是硬删、列表和搜索何时不可见、并发删除如何响应、审计是否保留、刷新后如何验证。	只改变与“最小规格”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
规格到任务	按垂直切片拆任务，每个任务包含输入、输出、依赖和验证。	只改变与“规格到任务”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
变更中的规格	保留已否定方案及原因，避免后续 Agent 重复探索。	只改变与“变更中的规格”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
验收证据	运行证据：接口响应、UI、日志、Trace、指标和数据查询。	只改变与“验收证据”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
失败模式	只修改实现，不同步规格和迁移边界。	只改变与“失败模式”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
规格不是长文档	规格不是长文档，而是实现、测试、审查和发布共享的事实来源；	只改变与“规格不是长文档”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本

8.1 记录本次实际实验

下面的记录用于“规格驱动开发与验收契约”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "规格驱动开发与验收契约"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "同输入比较基线与候选的能力、安全、延迟和成本"
evidence: "逐样本输出、评分理由、置信区间、失败标签、版本"
pass_when: "目标指标改善，通用能力与安全集不越过回退阈值"
stop_when: "数据泄漏、只报均分、裁判未校准或样本不可追溯"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

8.2 边界实验必须证明能够停止和恢复

成功路径只能证明“规格驱动开发与验收契约”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：数据泄漏、只报均分、裁判未校准或样本不可追溯，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	逐样本输出、评分理由、置信区间、失败标签、版本	目标指标改善，通用能力与安全集不越过回退阈值
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：数据泄漏、只报均分、裁判未校准或样本不可追溯	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：保留基线，隔离失败样本，定位数据、提示、模型或裁判	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“规格驱动开发与验收契约”，第一步是：保留基线，隔离失败样本，定位数据、提示、模型或裁判。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“规格驱动开发与验收契约”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

九、规格驱动开发与验收契约 的结果解释

解释“规格驱动开发与验收契约”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	数据泄漏、只报均分、裁判未校准或样本不可追溯	先执行：保留基线，隔离失败样本，定位数据、提示、模型或裁判
异常链路无法恢复	数据泄漏、只报均分、裁判未校准或样本不可追溯	先执行：保留基线，隔离失败样本，定位数据、提示、模型或裁判
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“规格驱动开发与验收契约”只有同时满足“目标指标改善，通用能力与安全集不越过回退阈值”，并且没有出现“数据泄漏、只报均分、裁判未校准或样本不可追溯”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“规格驱动开发与验收契约”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“规格驱动开发与验收契约”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

十、规格驱动开发与验收契约 的发布判断

发布判断需要把“规格驱动开发与验收契约”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “规格驱动开发与验收契约”的基线与候选只存在一个计划内变量。
• “规格驱动开发与验收契约”的输入、代码、依赖、配置和数据版本可以追溯。
• “规格驱动开发与验收契约”的正常、临界、失败和恢复样本使用同一套断言。
• “规格驱动开发与验收契约”的原始输出、中间状态和失败现场已经保留。
• “规格驱动开发与验收契约”的日志、Trace、截图和测试数据已经脱敏。
• “规格驱动开发与验收契约”的停止条件、负责人和回滚入口已经演练。
• “规格驱动开发与验收契约”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“规格驱动开发与验收契约”的判断，就不能发布。

十一、总结

• 最小规格：应说明谁能删、软删还是硬删、列表和搜索何时不可见、并发删除如何响应、审计是否保留、刷新后如何验证。
• 规格到任务：按垂直切片拆任务，每个任务包含输入、输出、依赖和验证。
• 变更中的规格：保留已否定方案及原因，避免后续 Agent 重复探索。
• 验收证据：运行证据：接口响应、UI、日志、Trace、指标和数据查询。
• 失败模式：只修改实现，不同步规格和迁移边界。