#spec-driven-development

Spec-Driven Development: Enforcing Agent Architectural Contracts

Spec-driven development cho AI coding agents đang trở thành xu hướng quan trọng để ngăn chặn architectural drift. Bài viết đề xuất sử dụng machine-readable architectural contracts, AST linters và test boundaries như một cơ chế tự động kiểm tra. Phương pháp này giúp phát hiện sớm các vi phạm quy tắc thiết kế trong khi AI agent sinh ra code. Các công cụ như AST linters có thể tùy chỉnh để kiểm tra đặc tả kỹ thuật cụ thể. Đây là giải pháp thiết thực cho các team muốn duy trì chất lượng code khi làm việc với AI coding agents.

Spec-driven development giúp lập trình viên kiểm soát chất lượng code bằng cách thi hành các hợp đồng kiến trúc có thể đọc được cho agent AI.

Treat your data pipelines like code, because your agents already do | MotherDuck's Jordan Tigani

Trong bối cảnh ngày càng nhiều công ty sử dụng AI agents, các pipeline dữ liệu cần được quản lý như code. Nguyên nhân kỹ thuật là các agents như Meta đang sử dụng Slack và các công cụ tương tự để tự động hóa việc truy cập dữ liệu, đòi hỏi pipeline phải có tính nhất quán và version control. Hệ quả nếu không làm điều này là việc quản lý dữ liệu trở nên hỗn loạn, giống như việc Meta phải đối mặt khi di chuyển hệ thống. Bài viết đưa ra ví dụ cụ thể về cách xử lý 10,000 bài toán PhD với các công nghệ như DuckDB và MotherDuck để minh họa cho cách tiếp cận hiệu quả. Điều đáng học là áp dụng nguyên tắc "data pipelines as code" để đảm bảo tính reproduceable và maintainable trong thời đại AI bùng nổ.

Bài viết giúp bạn hiểu tại sao cần quản lý data pipelines như code để tối ưu hóa hiệu suất và dễ bảo trì.

The AI-native SDLC won’t be one process

Anthropic tuyên bố code không còn là điểm nghẽn trong AI-native SDLC. Nguyên nhân kỹ thuật là AI agents có thể tạo code nhanh hơn nhưng lỗi thường xuất hiện ở giao diện giữa hệ thống và user inputs. Hệ quả là quy trình CI/CD truyền thống không đủ để xử lý các vấn đề này, đòi hỏi các cơ chế kiểm tra tùy chỉnh cho từng loại thay đổi. Điều đáng học là các team cần thiết lập chiến lược testing linh hoạt với tool như LangChain và RAG để xử lý các lỗi đặc thù của AI-generated code.

Bài này giúp lập trình viên hiểu cách tích hợp AI vào quy trình phát triển phần mềm một cách linh hoạt và hiệu quả.

Spec-Driven Hiring Was My Most Useful AI Win of the Year

Bối cảnh là một quản lý tuyển dụng cần điền hai vị trí marketing và quyết định áp dụng phương pháp spec-driven development từ kỹ thuật phần mềm. Nguyên nhân kỹ thuật là cô đã sử dụng AI Claude để kiểm tra stress các hồ sơ tài năng chi tiết, sau đó dùng tài liệu đó như nguồn duy nhất để xây dựng mô tả công việc, câu hỏi phỏng vấn và bảng đánh giá. Hệ quả là AI cũng giúp xác định tiêu chí và tìm kiếm ứng viên qua LinkedIn Sales Navigator, nhưng việc chấm bài làm nhà và phỏng vấn vẫn phải làm tay vì chạy thử AI chấm điểm lại nặng nhẹ một số tính năng và bỏ qua dấu hiệu cảnh báo mà cô phát hiện. Điều đáng học là việc kết hợp spec-driven development với AI để xác định tiêu chí và tìm ứng viên mang lại hiệu quả, nhưng đánh giá cuối cùng vẫn cần con người để tránh việc đánh giá bị thiên về một số tiêu chí và bỏ qua điểm yếu. Cô cho rằng quy trình này có thể được áp dụng lại cho các vị trí khác khi cần một khungground rõ ràng và nguồn dữ liệu đơn nhất.

Phương pháp Spec-Driven Hiring sử dụng AI để tạo bản mô tả chi tiết ứng viên giúp quy trình tuyển dụng hiệu quả và nhất quán hơn.

Introducing Jira Planner

Jira Planner vừa ra mắt giai đoạn Early Access, giúp chuyển đổi ý tưởng thành các spec (PRD, tech specs, work breakdowns) có cấu trúc sẵn sàng cho tác nhân (agent) và cộng tác trước khi triển khai.

Lập trình viên nên đọc bài này để khám phá cách Jira Planner giúp tổ chức dự án từ ý tưởng đến triển khai bằng cách tự động hóa và chuẩn hóa các tài liệu kỹ thuật, yêu cầu và phân tích công việc trước khi code thực sự bắt đầu.

Spec-Driven Development comes to Azure Cosmos DB: The First Database Extension for GitHub Spec Kit

Build better Azure Cosmos DB apps with GitHub Spec Kit and spec-driven guidance for coding agents, partitioning, queries, and code review.

When Spec-Driven Development Pays Off

Trong bối cảnh AI assistants ngày càng phổ biến, nút thắt chính đã chuyển từ tạo code sang kiểm tra code. Nguyên nhân kỹ thuật là do AI thường tạo ra các đoạn code có behavior đi chệch so với intent ban đầu, đặc biệt khi xử lý các tình huống edge case. Hệ quả là thời gian verification chiếm phần lớn trong quy trình development, làm giảm hiệu suất tổng thể. Điều đáng học là Spec-driven Development có thể giải quyết vấn đề này bằng cách xác định rõ ràng behavior mong muốn trước khi coding, giúp giảm thiểu các case AI hiểu sai. Phương pháp này đặc biệt hiệu quả với các dự án sử dụng Large Language Models như GPT-4 hay Claude, giúp tiết kiệm tới 40% thời gian verification theo nghiên cứu của tác giả.

Bài viết giúp lập trình viên hiểu cách giải quyết nghẽn đoạn trong trợ lý AI từ tạo mã sang kiểm tra mã khi mã tạo ra không đúng ý đồ thiết kế.

The Rise of Spec-Native Development: Building Software with Intent, Not with Prompts

Ngày càng nhiều lập trình viên chuyển từ viết code sang xác định intent khi AI làm việc tạo code trở nên rẻ hơn. Động lực chính là AI tools như GitHub Copilot có thể tạo ra code từ description với độ chính xác cao, đạt tới 40-50% codebase tự động. Điều này dẫn đến sự trỗi dậy của Spec-Native Development, tập trung vào việc xác định rõ requirements thay vì viết implementation chi tiết. Quan trọng là học cách thiết kế prompt và spec hiệu quả để khai thác tối đa khả năng của AI, biến nó thành cộng tác viên lập trình đắc lực thay thế đối thủ cạnh tranh.

Bài viết này giúp lập trình viên thích nghi với xu hướng phát triển phần mềm mới - tập trung vào định hướng thay vì viết mã khi AI có thể tạo code tự động.

Architecture as Code: How Google’s OKF Makes Coding Agents Follow Your Architecture

Architecture as Code: How Google’s OKF Makes Coding Agents Follow Your Architecture If you write code with modern AI tools like Cursor, Claude Code, or Antigravity, your daily workflow probably …

From Spec-Driven Development to Living Specifications in Java Projects

Bối cảnh: Các dự án Java thường áp dụng Spec-Driven Development để xác định yêu cầu trước khi viết code. Nguyên nhân kỹ thuật: Sự ra đời của coding agents (công cụ sinh code dựa trên AI) làm tăng tốc độ triển khai tính năng, nhưng cũng dẫn đến việc spec tĩnh nhanh chóng lạc hậu. Hệ quả: Khi spec không được cập nhật, đội phát triển gặp khó khăn trong việc duy trì tính nhất quán giữa mã nguồn và tài liệu, gây ra lỗi hiểu lầm và tăngภาระ kiểm thử. Điều đáng học: Chuyển sang Living Specifications, tức là spec được tự động sinh ra và kiểm tra liên tục trong pipeline CI/CD, giúp tài liệu luôn đồng bộ với mã. Điều này nhấn mạnh tầm quan trọng của việc kết hợp spec với công cụ tự động hóa để duy trì chất lượng trong môi trường phát triển nhanh.

Bài viết này giúp lập trình viên Java chuyển đổi từ phát triển theo đặc tả sang đặc t sống động, tận dụng sức mạnh của các agent mã hóa để tăng tốc độ phát triển phần mềm.

We Ported 65 OSS Projects With AI

We used a spec-driven AI harness to rebuild 65 open-source projects on Akka in 99.3 hours. Measured results on code size, latency and answer parity.

It's OK. Do Your Thing

Bài viết viết lên bối cảnh hiện tại mà các mô hình AI lớn đang được ra mắt liên tục và khiến nhiều nhà phát triển cảm thấy phải theo kịp xu hướng. Nguyên nhân kỹ thuật được chỉ ra là sự tăng tốc của việc huấn luyện và triển khai các mô hình ngôn ngữ lớn như GPT‑4 và các biến thể của chúng, tạo ra áp lực cập nhật liên tục. Hệ quả là nhiều đội ngũ bỏ qua việc đánh giá nhu cầu thực tế của sản phẩm và stattdessen đầu vào vào các tính năng AI mà không có lợi ích rõ ràng. Điều đáng học là thay vì chạy theo xu hướng, mỗi lập trình viên nên tập trung vào việc giải quyết vấn đề cụ thể của dự án mình và chỉ áp dụng AI khi nó mang lại giá trị đo lường được. Bài viết cũng nhắc nhở rằng việc “do your thing” – làm việc theo phong cách và mục tiêu cá nhân – vẫn là cách tốt nhất để duy trì sự sáng tạo và hiệu quả trong thời kỳ AI này.

Bài này cung g cấp góc nhìn cân bằng về tác động của AI giúp lập trình viên định hướng phát triển bản thân.

Spec-Driven Development Handbook: Build the Right Software Before You Write the First Line of Code

Spec-Driven Development (SDD) là phương pháp sử dụng specifications, lập kế hoạch kỹ thuật và AI hỗ trợ để giảm thiểu sự mơ hồ, tái triển khai và rủi ro triển khai phần mềm ngay từ giai đoạn đầu.

Một lập trình viên nên đọc bài này để hiểu cách xây dựng hệ thống từ những sự cụ thể về yêu cầu chứ không phải từ ý tưởng trừu tượng, giúp giảm thiểu lỗi, tiết kiệm thời gian và chi phí trong quá trình phát triển.

AI Agents: Experience Doesn’t Fit in a Prompt

Khi làm việc với các AI agent, nhóm đã nhận ra phần lớn kinh nghiệm của mình chưa từng được ghi chép lại.

Một lập trình viên nên đọc bài này để hiểu cách chuyển đổi trải nghiệm thực tế của mình thành các prompt hiệu quả, giúp AI hỗ trợ công việc hiệu quả hơn mà không phụ thuộc vào kiến thức đã được ghi chép.

What High-Throughput Engineers do Differently and Why AI Widens the Gap

Các kỹ sư đạt hiệu suất cao nhờ AI thường áp dụng những thói quen như PRs nhỏ, lập kế hoạch theo spec trước, vòng test nhanh và parallelism giới hạn. Những phương pháp này giúp tối ưu hiệu suất khi ứng dụng AI.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa hiệu suất phát triển bằng cách áp dụng các kỹ thuật nhỏ gọn, kiểm thử nhanh và kiểm soát song song, giúp tăng tốc độ triển khai và giảm rủi ro khi tích hợp AI vào dự án.

Here’s How to “Slice” a Redesign the Agentic Way

Áp dụng phương pháp phát triển theo đặc tả (spec-driven development), nhóm đã chia nhỏ tính năng lớn thành các "vertical slices" (phần nhỏ theo chiều dọc) để tối ưu hóa hiệu quả triển khai và dễ dàng kiểm thử.

Lập trình viên nên đọc bài này để hiểu cách áp dụng phân tích tính năng theo "slices" (dải cắt) giúp tách nhỏ dự án thành các phần nhỏ, độc lập, dễ triển khai và kiểm thử hiệu quả, tối ưu hóa tốc độ phát triển và chất lượng codebase.