基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
编程提效2026-11-21 20:59

用 CI 检查编码智能体有没有漏掉需求

dev.to · AI#编码智能体#规格驱动开发#持续集成
Editor brief · 编辑速览

作者用 .NET 10 编写 CI 门禁,交叉检查需求、计划、任务和团队规范,介绍六类仅统计完成勾选无法发现的缺口。以密码重置为例,即使发送邮件、表单和令牌存储任务全部完成,30 分钟过期要求也可能遗漏。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

AI 编程代理把 tasks.md 里的 23 项任务全部勾完,CI 也亮了绿灯。同一批文件交给作者用 .NET 10 写的规格检查器,却报出 11 个问题,其中 5 个是严重级别。作者用自建样例做了这次对照,检查器抓到了他预先埋入的全部 10 个缺陷。

两种检查回答的是不同的问题。数勾只能确认任务清单走完了。从规格反查,才能发现有些需求从未进入清单。对已经让 AI 拆任务、写代码的团队,这个区别直接影响 CI 能发现哪些漏项。

从需求反查,才能找到没进入清单的工作

拿密码重置举例。FR-003 要求重置链接在 30 分钟后失效。代理拆出了发邮件、重置表单和令牌表三项任务,三项都能做完,链接过期却压根没人负责。只遍历任务清单,永远遇不到缺失的那一项。

作者的做法是从 spec.md 出发,为每条需要实现的需求找至少一项明确引用它的任务。下面的代码展示了检查方向。

IEnumerable<Finding> CheckCoverage(SpecDocument spec, IReadOnlyList<TaskItem> tasks)
{
    foreach (var req in spec.Requirements.Where(r => r.NeedsBuildableWork))
    {
        if (tasks.Any(t => t.Cites(req.Id))) continue;
        // functional requirement with no task => CRITICAL finding
        // ... severity rules, location and suggested fix in the complete project
    }
}

关键是 t.Cites(req.Id) 这一行。作者要求在任务末尾显式标注 (FR-003),关键词匹配只用来提示候选任务。反过来也要查,一条任务引用 (FR-014),而规格只写到 FR-010,这个引用就无法解析。解析完文档,还能检查两项标了 [P]、声称可以并行的任务是否会编辑同一个文件。

有了任务,还要确认需求能验收

GitHub Spec Kit 允许用 [NEEDS CLARIFICATION: ...] 记录待确认事项。起草时留着很正常,但提交到 CI 时如果标记还在,团队就很难判断代理是按哪个口径实现的。作者把未关闭的标记记为 HIGH。

另一类问题更隐蔽。「必须快速发送重置邮件」看起来像条需求,却很难写出一条能判定失败的测试。作者用下面这段规则筛查含糊措辞。

if (ContainsNumber(req.Text)) yield break;      // measurable, fine
var hits = VagueWords.Where(words.Contains);     // whole-word match only
// HIGH for words like "fast"/"secure", MEDIUM for "simple"/"easy"
// ... word lists and severity mapping in the complete project

第一行决定了规则的边界。需求里只要出现数字,就会跳过后面的整词匹配。补上 (p95 < 2 s) 可以过关,验收时还得说清楚从哪一刻开始计时、到哪一刻结束。规则会把 fast、secure 等词记为 HIGH,把 simple、easy 记为 MEDIUM,适合把可疑条目挑出来交给人看。

团队规则写进代码,模型只做补充

门禁读取 spec.md、plan.md、tasks.md 和团队章程。章程里的大写 MUST / MUST NOT 只有符合已实现的规则形态,才会被自动检查。例如,对每个用户故事比较首个测试任务和首个实现任务的顺序,检查任务有没有引用需求 ID,或者检查 plan.md 里是否用了禁用库。暂时无法自动验证的条款会列出来,让评审者知道还有哪些需要人工核对。

发现项也需要能跨提交追踪。StableId 用 FindingCategory 和问题自身的键生成 ID,例如 requirement|FR-003、vague|FR-005 或 parallel|T014|T015。结果由短前缀和 6 位十六进制字符组成,例如 COV-xxxxxx。这样在文件顶部加一段文字,已有豁免和 PR 评论依然找得到原来的问题。

CI 先用确定性规则决定通过或失败,再通过 Microsoft.Extensions.AI 让模型看一遍静态规则没标记的需求,追问「按什么标准判定正确」。模型输出存成建议,服务不可用时也不影响构建结果。

我的判断

我赞成把需求覆盖和引用完整性接进 CI。人工评审更适合看需求和实现是否对得上,而逐条核对 FR-003 有没有下游任务,交给程序更省力。显式 ID 比关键词匹配多一点维护成本,前提是团队本来就在维护规格和任务清单。若需求只散落在工单和 PR 描述里,得先确定哪个地方是需求的准本。

这套门禁能验证到什么程度,要看每条规则实际读了什么。首个测试任务排在实现前,只能证明文档里的次序。需求里出现 30,也可能只是别的数字,和「快速」的验收标准毫无关系。覆盖检查同样只确认引用存在,链接是否在 30 分钟后失效,仍要靠行为测试验证。

作者报告,样例分析耗时不到 1.5 毫秒,100 次运行都返回相同的 ID。完整项目采用 Clean Architecture,提供 ASP.NET Core API 和 CLI,作者称有 177 项离线测试通过。这些是样例结果和作者报告的测试规模。原文没有真实项目上的误报率、人工评审对照或维护成本数据,至于哪些规则适合直接卡合并,还是经验之谈。

能拿来做什么

  • 如果团队已用 Markdown 维护需求和任务,可以先写个 Node 脚本接进 PR 检查。对每个需要实现的需求查任务引用,再对每个任务引用查需求是否存在。
  • 让 AI 拆完任务后保留明确的需求 ID。对密码重置这类功能,把 FR-003 同时写到对应的测试任务上,评审时就能顺着 ID 找到过期行为的验证。
  • 先把未关闭的澄清标记列入 CI 检查。对「快速」「安全」这类词,可以先给警告,再由团队补齐时间阈值、计量口径或具体的安全约束。
  • 如果还想用模型帮忙审规格,可以把建议放进 CI 报告,并用一次模型调用失败的运行确认构建判定保持一致。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
用 Claude Code Hooks 拦住反复踩的坑
下一篇
让编码智能体复用设计系统排版组件

资讯速览

dev.to · AI · 2026-11-21 20:59

AI 评分 8.0 / 10

相关标签

#编码智能体#规格驱动开发#持续集成

继续阅读

  • 四款 Gemini 4 的编程定位与 API 价格
  • 用 Claude Code Hooks 拦住反复踩的坑
  • 让编码智能体复用设计系统排版组件
  • GPT-6.2 Sol 编程跑分接近 Astra
  • 开源数据集收录 66 条编程智能体实战轨迹