技能介绍

解决什么问题

在传统的AI辅助编程中，开发者往往直接抛出一个模糊的需求，期待模型直接输出可用代码。这种做法极易导致生成的代码偏离预期，模型在缺乏上下文时会自行脑补业务逻辑，将假设当作事实。当代码量级增大或业务逻辑复杂时，这种“盲盒式”生成会带来大量的返工成本。流式编码（Stream Coding）提出了一种逆向思维：与其在代码层面反复修补，不如将精力集中在前置的文档与规格说明上。

核心工作流与机制

该技能的核心理念是“文档即交付物”。其工作流被严格划分为几个关键阶段，确保规格说明足够严密：

Spec Gate（规格门槛）：包含13项结构完整性检查，用于评估当前的规格说明是否足够详细，能够让AI在不提问的情况下直接执行。
Clarity Gate（清晰度门槛）：包含9个评估点（由独立工具处理），专门排查AI是否会将文档中的假设误认为是既定事实。
Adversarial Review（对抗评审）：在正式执行前，引入一个“敌对批评者”角色对规格说明进行压力测试，寻找逻辑漏洞和未覆盖的边界条件。

通过 Spec Gate -> Clarity Gate -> Adversarial Review 的双重闸门与对抗审查，最终产出经过验证的规格说明（Verified Specification），随后才进入代码执行阶段。

适用边界与注意点

这种方法并非适合所有场景。对于简单的脚本或一次性原型，繁琐的文档审查反而会拖慢开发节奏。此外，对抗评审阶段需要消耗额外的时间预算（如v3.5中的40/40/5/10/5时间分配）。开发者需要意识到，代码仅仅是文档的“打印输出”，如果业务逻辑本身存在根本性缺陷，再严密的文档流程也无法拯救最终的代码质量。