論文の概要: Spec-Driven Development:From Code to Contract in the Age of AI Coding Assistants
- arxiv url: http://arxiv.org/abs/2602.00180v1
- Date: Fri, 30 Jan 2026 04:45:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.032495
- Title: Spec-Driven Development:From Code to Contract in the Age of AI Coding Assistants
- Title（参考訳）: スペック駆動開発:AIコーディングアシスタント時代の契約のためのコード
- Authors: Deepak Babu Piskala,
- Abstract要約: 仕様駆動開発(SDD)は、仕様を真理とコードのソースとして扱い、生成または検証された二次的アーティファクトとして扱う。
仕様の厳格化, 仕様書化, 仕様書化, 仕様書化の3段階を, それぞれの適用時期について明確なガイダンスで提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rise of AI coding assistants has reignited interest in an old idea: what if specifications-not code-were the primary artifact of software development? Spec-driven development (SDD) inverts the traditional workflow by treating specifications as the source of truth and code as a generated or verified secondary artifact. This paper provides practitioners with a comprehensive guide to SDD, covering its principles, workflow patterns, and supporting tools. We present three levels of specification rigor-spec-first, spec-anchored, and spec-as-source-with clear guidance on when each applies. Through analysis of tools ranging from Behavior-Driven Development frameworks to modern AI-assisted toolkits like GitHub Spec Kit, we demonstrate how the spec-first philosophy maps to real implementations. We present case studies from API development, enterprise systems, and embedded software, illustrating how different domains apply SDD. We conclude with a decision framework helping practitioners determine when SDD provides value and when simpler approaches suffice.
- Abstract（参考訳）: AIコーディングアシスタントの台頭は、古いアイデアに対する関心を再燃させた。
仕様駆動開発(SDD)は、仕様を真理の源として扱い、コードが生成または検証された二次的アーティファクトとして扱うことで、従来のワークフローを逆転させる。
本稿では、SDDの原則、ワークフローパターン、サポートツールを包括的に紹介する。
仕様の厳格化, 仕様書化, 仕様書化, 仕様書化の3段階を, それぞれの適用時期について明確なガイダンスで提示する。
振る舞い駆動開発フレームワークから、GitHub Spec Kitのような現代的なAI支援ツールキットまで、さまざまなツールの分析を通じて、スペックファーストの哲学が実際の実装にどのようにマッピングされるかを実証する。
本稿では、API開発、エンタープライズシステム、組込みソフトウェアのケーススタディとして、異なるドメインがどのようにSDDを適用しているかを説明します。
我々は、SDDがいつ価値を提供し、より単純なアプローチが十分であるかを実践者が判断するのに役立つ決定フレームワークで締めくくります。
関連論文リスト
- ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。
コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。
一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
論文 参考訳（メタデータ） (2025-11-23T17:09:34Z) - Context Engineering for AI Agents in Open-Source Software [13.236926479239754]
GenAIベースのコーディングアシスタントは、ソフトウェア開発を混乱させた。
彼らの次の世代はエージェントベースで、より自律的で、潜在的には人間の監視なしで活動する。
ひとつの課題は、AIエージェントに対して、彼らが運用するソフトウェアプロジェクトに関する十分なコンテキストを提供することだ。
論文 参考訳（メタデータ） (2025-10-24T12:55:48Z) - A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。