他用6个AI互相检查，45分钟搭完地震地图

去年这时候，我还在"写代码→测试→骂AI→重写"的死循环里打转。直到发现一组数据：让AI自己检查AI，关键缺陷拦截率能提到传统流程的3倍以上。

这不是理论。日本工程师Takahashi用这套方法，45分钟搭完一个功能完整的地震地图站点，其中只有10分钟需要人工介入。剩下的时间，6个AI代理在互相掐架——不是内耗，是质检。

AI写代码的陷阱：一个人干所有活

传统AI编程的问题很隐蔽。你让ChatGPT写功能，测出bug再扔回去修，修完再测——表面是人机协作，实际是AI在单打独斗。

Takahashi在实践里发现，这和人类团队的老毛病一模一样。一个人包干设计、编码、测试，质量必然塌方。AI不会累，但会幻觉，会固执地重复同一种错误。

他的解法很直接：把软件生命周期拆成6个独立阶段，每个阶段配一个专职AI代理。需求代理写规格，设计代理出方案，编码代理动手，然后三个检查代理轮番上阵——静态分析、测试生成、最终验收。

关键设计在这里：阶段之间设硬闸门。检查代理用IEEE 1028标准的正式审查流程，带检查清单、严重等级、通过/失败标准。Critical或High级别问题没清零，下一阶段门都不让进。

这不是"看看代码行不行"，这是工厂流水线的来料检验。

规格是地基，但人类那套AI用不了

SDD（规格驱动开发）的核心是"规格先行"。但Takahashi踩的第一个坑，是直接把人类用了几十年的IEEE 830模板塞给AI。

这套标准给人类读的，章节结构太重，粒度飘忽。喂给AI等于开幻觉工厂——同一句话，每次解析结果都不一样。

他重新设计了ANMS（AI原生最小规格模板）。结构上偷师Clean Architecture的稳定依赖原则：上层（目的、需求）尽量不动，下层（设计、测试）随便改。AI读得懂，改起来不炸。

但规格本身也有写法讲究。Takahashi举了个典型翻车案例：

需求写"按地震大小改标记颜色"。AI懵了：什么叫"大小"？震级还是烈度？阈值多少？颜色具体哪个色值？每次生成都随机发挥。

换EARS（简易需求语法）重写：

「FR-05: 系统应以震级决定标记颜色：3.0以下绿色，3.0-5.0黄色，5.0-7.0橙色，7.0及以上红色。」

主语、动词、条件、阈值全锁死。AI没有自由发挥空间，输出稳定性从抽奖变成 clockwork。

45分钟实战：10分钟人工，35分钟AI互掐

Takahashi开源了实现这套流程的框架gr-sw-maker。他用地震地图项目做了计时演示：

0-5分钟：人类用ANMS模板写核心需求。不是写文档，是填结构化字段——AI能直接解析的格式。

5-15分钟：需求代理扩写完整规格，设计代理同步产出技术方案。人类只审不操刀。

15-35分钟：编码代理动手，静态分析代理实时扫描。发现一处潜在空指针，当场打回重修。

35-45分钟：测试代理生成用例，验收代理做最终检查。绿灯全亮，自动部署。

全程人类干预两次：确认需求字段，批准最终设计。其余时间在看AI互相挑刺。

这套流程的隐藏成本是前期规格时间。Takahashi承认，头几次用ANMS，写需求比直接让AI coding慢得多。但第三次之后，返工率断崖下跌，总耗时开始碾压传统模式。

当AI开始管AI，人的角色怎么摆

A-SDLC（代理式软件生命周期）有个反直觉的设定：人类从执行者变成法官。不写代码，不写测试，只写规格和拍板。

Takahashi把这比作飞机驾驶舱。AI是自动驾驶系统，处理90%的常规操作。人类盯着仪表盘，在异常情况下接管。区别是，这里的"异常"不是引擎起火，是规格模糊导致的AI集体跑偏。

他的经验是，AI代理越专业，人对规格的要求越高。因为AI执行太忠实，规格里的漏洞会被放大而不是掩盖。

gr-sw-maker目前在GitHub开源，Star数刚过千。Takahashi在文档里埋了个细节：框架默认的检查清单，是他从自己过去一年AI编程翻车记录里一条条抠出来的。