SDD规范驱动开发实战：从Cursor到Claude Code的AI编程方法论

AI编程已成不可逆趋势：从手写代码到规范驱动

一位拥有数据架构背景、近四年带领团队从事AI大模型应用开发的创业者（西瓜老师），近日在B站发布了一套名为"Vibe Coding全栈开发实战训练营"的课程介绍。他分享了一个关键决策：从2025年下半年开始，强制要求整个研发团队不再手写代码，全面转向AI编程。

他提到，Claude Code的CEO已宣布内部工作室几乎不再手写代码，而他自己的团队仅2025年下半年就在AI编程上消耗了数百亿Token。这里需要理解Token的概念：Token是大语言模型处理文本的基本计量单位，一个中文字符通常对应1-2个Token，一个英文单词约对应1-1.5个Token。数百亿Token意味着与AI模型之间进行了海量的交互——包括代码生成、代码审查、调试对话、文档生成等环节，以GPT-4级别模型为参考，这一量级的消耗对应的API费用可达数十万至上百万美元，从侧面印证了其AI编程实践的工业级规模。这些经验并非来自简单的Demo练习，而是为企业客户交付的工业级项目——大大小小已落地70多个。

值得补充的是，Claude Code是Anthropic公司推出的AI编程工具，基于其Claude大模型系列。与Cursor等IDE插件形态不同，Claude Code更偏向命令行交互式的编程助手，能够直接在终端中理解项目上下文、执行文件操作和代码修改。Anthropic团队多次公开表示公司内部已大量使用AI辅助完成日常编码工作，这一表态被业界视为AI编程从辅助工具走向主力生产力的标志性信号。

他给出了一个颇具争议但值得深思的判断：传统程序员（仍停留在手写代码阶段的）六个月后将被淘汰。

SDD规范驱动开发：AI编程的核心方法论

什么是SDD规范驱动开发

SDD（Specification-Driven Development，规范驱动开发）是当前AI编程领域被普遍认可的一种行之有效的开发思想。其核心理念是：基于规范驱动进行编程，而非随意地让AI生成代码。

SDD的思想根源可以追溯到软件工程中的形式化方法和契约式设计（Design by Contract）。传统开发中，TDD（测试驱动开发）强调先写测试再写实现，BDD（行为驱动开发）强调用自然语言描述行为规范。SDD在AI编程语境下的创新在于：它将规范文档（如PRD、API契约、数据模型定义）作为AI代码生成的输入约束，确保AI不是在"自由发挥"，而是在明确的边界内工作。这解决了AI编程中最常见的问题——生成的代码虽然能运行，但不符合业务需求或架构规范。

这个思想说起来简单，但落地需要系统化的方法。课程中的所有项目——从智能问数到开源项目二次开发——都采用SDD方式进行落地，形成了一套可复制的AI编程方法论。

驾驭工程（Prompt Engineering）的重要性

课程将驾驭工程（即提示词工程）作为核心篇章，原因有二：

1. 理解AI编程工具原理：只有掌握了驾驭工程，才能真正理解Cursor、Claude Code等AI编程工具背后的工作机制
2. 构建复杂智能体：企业级的复杂智能体开发，必须运用驾驭工程的思想

Prompt Engineering在AI编程场景中远不止"写好提示词"这么简单。它涉及系统提示词（System Prompt）的设计、上下文窗口的管理策略、Few-shot示例的构造、Chain-of-Thought推理的引导等多个层面。在Cursor等工具中，.cursorrules文件本质上就是项目级的系统提示词；在Claude Code中，CLAUDE.md文件承担类似角色。掌握这些原理，开发者才能理解为什么同样的需求描述，不同的提示策略会产生质量差异巨大的代码输出，也才能在AI"犯错"时快速定位问题根源。

四大实战项目：从入门到企业级全栈开发

项目一：CHAT BI智能问数

这是入门级项目，从零开始包含前端和后端的完整开发。通过这个项目，学员可以找到AI编程的基本感觉，掌握Cursor工具的使用方法和最佳实践。

CHAT BI（对话式商业智能）是将自然语言处理与数据库查询相结合的应用场景。用户用自然语言提问（如"上个月华东区销售额是多少"），系统将其转化为SQL查询并返回可视化结果。这一场景涉及Text-to-SQL技术、数据库Schema理解、查询结果的自然语言生成等多个AI能力的组合，是大模型应用开发中的经典入门项目，同时也有明确的商业价值——降低企业数据分析的技术门槛。

项目二：基于OPCFlow（小龙虾）的二次开发

这个项目针对的是另一个常见场景：基于已有开源项目或存量项目进行二次开发。选择了代码量较大、复杂度较高的热门开源项目，重点交付的是AI编程在二次开发场景下的方法论。

基于已有代码库进行二次开发是AI编程中公认的高难度场景。挑战在于：AI需要理解数万甚至数十万行的存量代码、把握项目的架构风格和设计模式、在不破坏现有功能的前提下添加新特性。这要求开发者具备将大型代码库"喂给"AI的策略——包括代码索引、关键模块摘要、依赖关系图谱等上下文管理技术。相比从零开始的绿地项目，二次开发更能检验AI编程方法论的实战价值。

项目三：多模态知识库（Claude Code开发）

基于Claude Code开发，这个项目的核心挑战在于：需要使用一些较新的技术栈，而这些技术大模型本身也不太熟悉。这是实际开发中普遍遇到的问题——当AI工具对某些技术不够了解时，SDD方案应该如何调整？

大语言模型的训练数据存在时间截止点（knowledge cutoff），这意味着对于训练数据截止后发布的新框架、新版本API，模型可能缺乏准确认知。例如，一个2024年底发布的新UI框架，模型可能会用旧版本的API语法来生成代码。解决方案通常包括：将最新文档作为上下文注入（RAG方式）、在规范文件中明确API签名和用法示例、使用MCP（Model Context Protocol）等协议动态获取最新技术文档。这也是SDD方法论需要灵活调整的典型场景。

项目四：智能文档合规审核平台

这是课程的收官项目，覆盖完整的企业级开发全流程：

• 市场调研 → 需求分析 → 业务建模
• 架构设计 → 技术选型 → PRD文档生成
• 前端UI设计 → 后端代码生成 → 前端代码生成
• 前后端联调 → 代码管理 → 部署测试运维

适合人群与学习收获

三类目标学员

1. 传统程序员：仍纠结于框架版本差异、语法细节的开发者，需要尽快拥抱AI编程范式
2. AI工具初级用户：能安装和简单使用AI编程工具，但遇到复杂功能就"抓瞎"，解决报错花的时间比手写代码还多的人
3. 产品/项目经理：需要快速出产品原型或做落地验证的互联网从业者

核心收获

学完课程后，学员应能独立完成从架构设计、技术选型到前后端开发、测试部署的全链路AI编程。更重要的是掌握SDD编程方法论和驾驭工程思想——这些是工具无关的底层能力，无论未来使用哪款AI编程工具都能迁移应用。

AI编程的未来走向

从这个课程的设计理念中，我们可以看到AI编程领域的几个趋势：

1. 从"会用工具"到"掌握方法论"：单纯会安装和使用AI编程工具已经不够，需要系统化的开发方法
2. 规范先行：SDD强调的是先建立规范再让AI执行，这与传统的"边写边改"模式有本质区别
3. 全栈化趋势加速：AI编程降低了技术门槛，一个人完成全栈开发正在变为现实
4. 经验可复制：经过70多个项目验证的方法论，说明AI编程已经从"碰运气"进入了"工程化"阶段

对于还在观望的技术从业者来说，无论是否认同"六个月淘汰"的说法，主动学习AI编程的方法论和最佳实践，已经是一件刻不容缓的事情。

核心要点

• 2025年下半年起团队全面转向AI编程，已落地70多个工业级项目，消耗数百亿Token
• SDD（规范驱动开发）是AI编程的核心方法论，强调基于规范而非随意让AI生成代码
• 课程以四个递进式项目驱动教学，覆盖从零开发到开源项目二次开发等多种场景
• 驾驭工程（Prompt Engineering）是理解AI编程工具原理和构建复杂智能体的关键能力
• AI编程正从工具使用阶段进入工程化方法论阶段，全栈化开发门槛大幅降低