3.1 从严格规格到纯氛围的光谱
认识了三种方法论后，现在是时候看它们怎么排位了。
方法论光谱
把所有软件开发方法论放在一条线上，从最严格到最灵活：
光谱定位详解
光谱位置：较严格
SDD
文档量：结构化规格
前置成本：高
灵活性：中等
适合场景：企业级系统、API 开发、跨团队协作
前置成本：高
灵活性：中等
适合场景：企业级系统、API 开发、跨团队协作
光谱位置：中等
TDD
文档量：测试即文档
前置成本：中等
灵活性：中高
适合场景：复杂业务逻辑、长期维护项目
前置成本：中等
灵活性：中高
适合场景：复杂业务逻辑、长期维护项目
光谱位置：最灵活
Vibe Coding
文档量：无或极简
前置成本：极低
灵活性：极高
适合场景：原型、MVP、个人项目
前置成本：极低
灵活性：极高
适合场景：原型、MVP、个人项目
对"歧义"的三种态度
这条光谱背后，隐藏着一个更深层的问题——歧义。
每种方法论本质上都在处理"需求不明确"这个问题，只是态度截然不同：
TDD
消除歧义（用测试）
写一个测试，把"期望行为"固定下来。测试就是约束——通过测试的定义是唯一的，没有歧义。
SDD
消除歧义（用规格）
写一个规格，把"系统契约"固定下来。OpenAPI 里写的是整数就是整数，不会误解。
Vibe Coding
接受歧义（让 AI 猜）
用自然语言描述，留下大量理解空间。AI 用统计推断填补歧义，大部分时候猜对，但有时猜错。
"在人类编写的代码库中，歧义的成本是几小时。在 AI 生成的代码库中，歧义的成本是数千行听起来合理但微妙错误的输出。" — Vishal Mysore
一个关键辩证
这里有一个很多人忽略的辩证：
TDD 的"肮脏秘密"
TDD 回答的是"这段代码正确吗？"——但它不回答"这是正确要构建的东西吗？"
一个测试覆盖率完美的代码库，仍然可能在构建错误的产品。
这就是为什么 SDD 在 TDD 之上是有意义的：SDD 先确认"做的东西对不对"，TDD 再确认"代码对不对"。
一个测试覆盖率完美的代码库，仍然可能在构建错误的产品。
这就是为什么 SDD 在 TDD 之上是有意义的：SDD 先确认"做的东西对不对"，TDD 再确认"代码对不对"。
📌 本节核心要点
| 概念 | 要点 |
|---|---|
| 方法论光谱 | 瀑布（最严格）→ SDD → TDD → 敏捷 → Vibe Coding（最灵活） |
| 对歧义的态度 | TDD 用测试消除，SDD 用规格消除，Vibe Coding 接受歧义 |
| TDD 的盲区 | 回答"代码对不对"，但不回答"做的东西对不对" |
| 核心规律 | 越严格的方法论前置成本越高，但长期越可靠 |
知识检查
问题 1：把五种方法论按"严格程度"从高到低排列。
查看答案
瀑布模型 → SDD/BDD → TDD → 敏捷（Scrum）→ Vibe Coding
从"文档驱动"到"规格驱动"到"测试驱动"到"迭代驱动"到"对话驱动"。
问题 2：三种方法论对"歧义"的态度有什么根本不同？
查看答案
- TDD：用测试消除歧义——写一个测试，把"期望行为"固定下来
- SDD：用规格消除歧义——OpenAPI 里写的是整数就是整数，不会误解
- Vibe Coding：接受歧义——用自然语言描述，AI 用统计推断来填补理解空白
核心洞察：在 AI 时代，歧义的成本被放大了——模糊的指令可能导致 AI 生成大量微妙错误的代码。
问题 3：什么是 TDD 的"肮脏秘密"？SDD 如何弥补这个盲区？
查看答案
TDD 的"肮脏秘密"：它回答"这段代码正确吗？"但不回答"这是正确要构建的东西吗？"。一个测试覆盖率完美的代码库，仍然可能在构建错误的产品。
SDD 弥补了这一点：SDD 先确认"做的东西对不对"（规格定义意图），TDD 再确认"代码对不对"（测试验证实现）。两者互补。
下一节预告
光谱给了我们宏观定位，但具体差在哪里？下一节从六个维度逐一拆解。