AI CODING 開發實證
AI Coding 不只是寫得快，
而是把開發變成可規模化的工程流程
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。
成果不是「AI 寫了多少 Code」
而是「交付流程發生了什麼改變」
01 ── 先講結論
1 個人搭配 AI，23 個工作天，走完一條完整的開發循環
這是整案的實測，不是單一模組的報價——下一案能多快，取決於業務單位定案的速度，不取決於 AI。
01 ── RESULT
23 個工作天，交付了什麼
每個數據都點得動——點一下看它為什麼重要，再點一次回到全圖。
01 ── DELIVERY MOMENTUM
23 個工作天的交付紀錄
每一項都是合併進主線、規格已回寫、測試已通過的功能。
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。
從 Vibe Coding
走向 Engineering System
02 ── 那這些數字代表什麼？
實際改變的是三件事
CHANGE 01
開發速度
規格定案後，一個模組的實作時間。
1～2 週
約原本的 1/3～1/4
那用 SDD 工法，完整需求交期含 coding 是多久？這次的實測值就是 23 個工作天：從需求確認（5 輪業務回覆）到 6 個業務模組進 SIT，含系統框架、含 coding、含 2,141 支測試，1 人搭配 AI。 這是整案的實測，不是單一模組的報價——下一案能多快，取決於業務單位定案的速度，不取決於 AI。
02 ── 實際改變的是三件事
不是只有 Code 寫完
CHANGE 02
開發完整度
「完成」的定義寫在工程規範裡。
「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。
02 ── 實際改變的是三件事
人的工作改變了
CHANGE 03
Human × AI × System
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。
- 需求確認
- 規格裁決
- 規則制定
- 最終驗收
- 整理現況與差異
- 實作
- 產生測試
- 驗證、回寫規格
- 門禁擋越界
- 測試擋錯誤
- 規格與程式對齊
- 不靠 AI 自律
02 ── 這跟一般用 AI 寫 Code 差在哪？
Vibe Coding 與 Agentic Coding 是兩個世界
「人在跟 AI 對話。」
- 需求存在對話裡
- AI 自己理解要做什麼
- 人一直盯結果
- 做完再測
- 文件容易落後
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。
最大的問題不是 AI 能不能寫——而是誰控制它。
SPECTRA × SDD
Spectra 是控制層。一個需求，實際怎麼走完？
03 ── 用什麼控制 AI
Spectra 解決的是 AI Coding 的控制問題
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。
03 ── SPECTRA CONTROL PLANE
人在上、控制面在中、AI 執行面在下
03 ── SDD：一個 CHANGE 實際怎麼跑
前面看到的控制方式，實際一個需求是這樣走完的
按 → 逐步展開六個步驟
Enter 或點任一步驟：看角色、輸入、產出、實際效益與傳統做法比較 · 橙色虛線是退回路徑——這條流程不是單行道
03 ── HUMAN × AI × GATE
六步裡，誰做決定、誰執行、誰擋
Human 只在 Decision Point 介入：確認需求、裁決規格、最終驗收。門禁與驗收由系統強制——不靠 AI 自律。
不是相信 AI
而是驗證 AI
04 ── 怎麼避免 AI 失控
真正讓 AI 可以放手跑的是什麼？
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。
04 ── 所以我到底驗了什麼？
2,141 支自動測試——但測試多，不代表可信
合計 2,141 支；5.0 萬行測試對 4.8 萬行程式。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。人工回歸是 0。
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。
04 ── THE GAUNTLET
每個交付項目，七道 Gate 一關一關過
按 → 讓一個 CHANGE 從左走到右
每一道擋的東西不同；最後一道還有第二個 AI 預設不相信任何結果。
04 ── GATE 6 · LIVE VERIFICATION LAB
第二個 AI：「全部都過，但我預設不相信。」
換一個 AI 從頭檢查：預設不通過，要對每條規格指出程式與測試在哪，還要故意弄壞一次，確認測試真的會叫。 不會叫的測試等於沒寫。
04 ── WITHOUT vs WITH VERIFICATION
同一個錯誤，在哪裡被發現
Time Cost：以天計
錯誤在合併前被擋下，不流進 SIT
AI Coding
需要的是工程系統，而不是更大的 Prompt
05 ── BIG PICTURE
所以，我們真正驗證的是什麼？
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。點任一節點跳回對應章節。
05 ── TAKEAWAYS
三個結論
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。
AI Coding 的價值不是「AI 幫我們寫更多 Code」
而是把 需求→規格→實作→驗證→治理
變成一條可重複、可驗證、可治理的工程流程。
數據來源：本專案 2026-08-28 統計（git 紀錄／交付項目歸檔／測試計數），詳見完整報告；規範行數、紅線與門禁數字為 2026-09-02 實測現況（wc -l 與 gate.yaml 逐條計）。 「傳統做法」欄為依公司經驗的概估，非本專案實測值；「開發時間約為原本的 1/3～1/4」指規格定案後的實作，非完整需求交期；完整交期實測為 23 個工作天（2026-07-31 至 08-28，整案含框架）。11 個模組中 6 個供業務單位使用並進 SIT，其餘為系統框架。