AI CODING 開發實證
23 個工作天實際專案驗證：從需求確認、規格、實作、測試到 SIT，由 1 人搭配 AI 完成完整開發循環。
每個數據都點得動——先看它為什麼重要，再跳到對應的證據。
02 ── 那這些數字代表什麼？
CHANGE 01
1～2 週
約原本的 1/3～1/4
CHANGE 02
「完成」的定義寫在工程規範裡：功能會動不算、測試綠不算、build 過也不算——五樣齊了才算。
CHANGE 03
不是「AI 取代四個人」。是人的工作從寫大量實作細節，變成做決定。
但這跟一般用 AI 寫 Code，有什麼不同？
03 ── 這跟一般用 AI 寫 Code 差在哪？
「人在跟 AI 對話。」
關鍵問題：「AI 會寫，但誰控制它做到哪裡？」
「人建立一套系統，讓 AI 在規則裡完成工作。」
Human 只在 Decision Point 介入：確認需求、裁決規格、最終驗收。
Agentic Coding 最大的問題不是 AI 能不能寫——而是誰控制它。
04 ── 用什麼控制 AI
如果 AI 可以一直寫 Code，那——
SPECTRA
它不寫 Code，它控制寫 Code 的 AI
是一套裝在開發機上的規格管理工具（指令列程式）：管專案裡那 1.7 萬行規格檔， 以及每個交付項目的「提案 → 任務 → 驗證 → 歸檔」流程紀錄。
它不是另一個寫 Code 的 AI、不是雲端服務——規格與所有紀錄都是檔案， 放在專案的版本控制裡，跟程式碼一起走；它也不取代人的決策，只把決策點固定下來。
Spectra 是控制層。那，一個需求實際怎麼走完？
05 ── 一個 CHANGE 實際怎麼跑
點圖上的任一段進去看，圖裡面的東西也點得動。橙色虛線是退回路徑——這條流程不是單行道，點它看退回怎麼走。
圖裡的每個東西都點得動
流程走得通。但為什麼相信這 23 天是真的？
06 ── 我為什麼相信這不是 DEMO？
每一項都是合併進主線、規格已回寫、測試已通過的功能。點週次看當週實際內容。
不是 AI 模型變強了。人沒換、AI 也沒換——差別是前兩週踩的雷一條條寫成了實測教訓 （這份清單累積至今 38 條），AI 每次開工先讀，同一個坑不踩第二次、返工變少。 這才是 Agentic Coding 可以持續改善的原因。
第 4 週 17 個是因為只有 4 個工作天，重心也移到上測試環境與 SIT。
跑得快之後，下一個問題是：怎麼不失控？
07 ── 怎麼避免 AI 失控
不是「叫 AI 小心一點」。
而是——每一條越界的路，都有東西擋著。
自動迴圈裡是程式擋：每次提交前跑門禁檢查（黑名單＋檔數上限）， 驗收固定派第二個 AI——在這裡，AI 就算想越界也過不了。 互動開發時是紀律擋：開工先讀規則、動到紅線檔一律先取得人的授權， 而獨立驗證跑在另一個環境、改檔工具直接拔掉。 連「不准自己改門禁與紅線文件」本身都寫進了黑名單——規則本身也是禁區。
邊界擋住越界。那——正確性呢？
08 ── 所以我到底驗了什麼？
後端 931 支對著真的資料庫實跑（業務規則、權限逐條試）；前端 1,210 支驗元件、必填、互動與多語。
但「全部通過」還不夠。
測試也可能是假的——看起來全過，其實什麼都沒驗到。 所以每個交付項目要一路穿過七道 Gate，最後一道還有第二個 AI 預設不相信任何結果。
GATE 6 ── LIVE VERIFICATION LAB
第二個 AI：「全部都過，但我預設不相信。」
Time Cost：以天計
錯誤在合併前被擋下，不流進 SIT
所以——這一切拼起來，是什麼？
09 ── BIG PICTURE
整套方法是一個閉環：規格回寫之後，就是下一個需求的輸入。點任一節點回到對應章節。
AI 提升的是實作能力，不是取代需求決策。六步裡做決定的位置，從頭到尾都是人。
Spectra 把 AI Coding 從對話行為變成工程流程——有範圍、有規則、有停損、有追溯。
真正的價值不是「AI 寫了多少 Code」，而是更短的實作週期＋完整的測試＋可追溯的規格＋可重複的流程。 這套規則與流程已抽成骨架專案，下一個系統不用重踩這 23 天的雷。