当OpenAI研究员Sean Grove提出“规范将取代代码成为软件开发的核心”这一判断时，整个技术社区瞬间炸开了锅。他在AI工程师大会上的演讲《新代码》所揭示的，并非某个具体的技术细节，而是整个AI时代开发范式正在发生的根本性变革。这场争论的本质，说到底，是人类在试图重新理解：当机器越来越擅长写代码，我们自身的价值究竟锚定在哪里。

OpenAI研究员Sean Grove在AI工程师大会上的演讲现场

一、新范式的革命性洞察：从“写代码”到“定方向”

Grove提出的几个核心观点，都指向同一个更本质的问题——软件开发的“重心”正在发生迁移。

（1）代码即意图的“有损投影”

他抛出了一个非常形象的比喻：代码本身只承载了人类意图的10%到20%。背后那80%的价值，其实埋藏在需求的反复沟通、目标的持续对齐、测试验证等一系列结构化流程中。当AI已经能够快速且高质量地生成代码时，人类的核心竞争力必然转向最上游、最关键的环节——把意图表达得精准无误。而这正是“规范（spec）”的本质所在。

（2）规范（spec）作为协作的“共识锚点”

OpenAI在GitHub上使用Markdown文档管理模型规范的实践，已经证明了这一方式的可行性。规范不再是纸上谈兵，而变成了一份能够协调产品、法律、工程等不同角色的“意图契约”。一个典型案例是G4o模型“过度讨好”问题的修复——团队并没有大规模重构代码，而是在规范中增加了一条“不要讨好”，便快速定位并校正了模型的行为偏差。这正是规范作为“共识锚点”的力量。

（3）编程本质的回归

“编程即沟通”——这一论断其实是软件工程初心的回归。当AI替我们完成了编码和执行部分，人类工程师真正要打磨的，是如何把一个模糊不清的需求转化为机器能够精确理解的清晰指令。这件事与“提示词工程”一脉相承，但抽象层级更高：它从单次的人机交互升级为一套可以复用、可以演进的规范体系。

二、现实挑战：理想与现实的鸿沟

愿景虽然宏大，但落实到眼下的实践中，仍有几个绕不开的坎。

（1）规范≠可执行代码

网上反对的声音很直接：“凌晨三点系统崩溃时，你调试的是代码，不是Markdown文档。”这确实点出了一个核心矛盾——规范和代码之间存在一条无法轻易消弭的语义鸿沟。例如，规范要求模型做到“用户友好”，但AI可能为了讨好用户而牺牲安全性。G4o的问题就是典型例子。规范需要被转化为可量化的测试指标，而目前的技术还远未实现这个自动化闭环。

（2）角色趋同的悖论

有网友调侃“程序员要变成产品经理了”，这并非杞人忧天。如果工程师的工作只剩下维护需求文档，技术上的深度洞察力必然会逐渐流失。真正的良性协同应该是：工程师参与规范设计，定义安全边界；产品经理也要理解技术约束。大家各司其职，而不是走向角色的同质化。

（3）工具链的缺失

Grove设想中那种“集成思维澄清器”的IDE，目前还只是一个美好的概念。眼下大家使用的规范文档，比如OpenAI的Markdown，冲突检测、歧义标注等工作基本都靠人工维护。没有像编译器那样的“规范验证工具”出现，这个模式就很难实现大规模应用。

三、未来趋势：人机协同的“双螺旋”结构

从技术演进的逻辑来看，以下几个趋势正在重塑软件开发的整体面貌：

（1）规范与代码的共生演进

未来，规范将直接驱动开发。随着AI生成代码的能力越来越强，人类程序员的价值必将更多地体现在制定清晰的开发规范上，而非亲自上手一行一行敲代码。而新一代的IDE很可能发展为“集成思维澄清器”——帮助开发者识别并解决规范中的模糊点，确保意图能够准确传达给AI。再往前一步，可能会出现超越Markdown的、可执行的规范语言，一种类似代码的规范DSL（领域特定语言），能自动生成测试用例和验证逻辑。OpenAI正在研究的“审议性对齐”技术，就是通过将规范转化为模型权重，把意图像肌肉记忆一样嵌入模型。

（2）角色重构：从“执行者”到“意图架构师”

工程师的新职责不再是写代码，而是设计规范框架、定义AI的行为边界、构建自动评分器等验证系统。产品经理也需要掌握新技能：能做技术可行性分析，能将用户需求转化为机器可验证的规范条款。不同背景的人——产品经理、工程师、数据科学家——将比以往任何时候都更紧密地合作，共同制定一份能满足多方需求的规范文件。

（3）AI驱动的“意图经济”

在这种范式下，个人和组织都必须持续学习新技能，尤其是如何高效编写和管理规范文档。开发流程会变得自适应——简单的需求由AI自动生成代码，复杂的任务则触发人机协作的迭代。衡量开发效率的关键指标，也将从“代码行数/小时”彻底转向“意图准确率”与“规范覆盖率”。

四、拥抱规范，但勿忘代码之锚

Grove提出的“规范即新代码”，本质上是在呼吁：在AI时代，我们要回归软件工程的初心，将精力集中在精准表达意图和高效协同创造上。但同时，我们也要保持清醒：规范是航图，代码是航船。规范决定了“去哪里”，代码解决的永远是“如何到”。未来最成功的开发者，一定是能够驾驭“双螺旋”结构的人——既能用规范锚定方向，也能用代码夯实根基。

当AI承担了90%的编码工作，人类真正的价值反而凸显在那10%的“意图失真区”：在模糊的需求中挖掘本质，在冲突的目标里寻求平衡，在机器和人性之间架起桥梁。编程的终极目标，从来都不是代码本身，而是通过代码，让这个世界变得更清晰。