未來像Anthropic這種”AI Native”的公司將會是主流,其實spec driven development已經和loop有類似的效果,我花了兩天時間寫的rockbot都差不多是這樣,用 #DFD 和#DeepSeek v4 pro,每次修改都是ai閉環,我提出所大謂的明確目標都是叫ai去收集數據分析後修改dfd,再叫ai寫測試驗證

https://youtu.be/_gXIaDnIOys?si=T6JBmnWMBBT9TySY

AI原生组织的底层逻辑

YouTube

另外我認為所謂的 "AI native"的充要條件:是否具備可計算性,如果一件事完全沒有辦法計算的那麼它是不能夠只依賴AI完成,例如發視頻起碼目前沒有人能夠計算一條視頻如何才能得到最高點擊率(例如),只要是可以計算的,AI能夠開發用電腦做simulation有可能避免人工參與完全自動化輸出結果,就例如我開發的rockbot我可以要llm“看”輸出的圖片重覆直至輸出它認為我會滿意的圖片,只要我的要求是明確的,例如穿紅色衣服,那麼它就不會輸出藍色衣服(例如)

#AINative

都是亂講的例子,切勿深究
真實一點的例子應該是我開發rockbot 時加入了真實數據,例如 openrouter API返回的數據,AI會參考知道甚麼時候context length過長,甚麼時候圖片尺寸太大,它就會一直修改直至滿足要求
當然這是理想情況,現實中很多論文都有提過,AI會有類似幻覺的狀況,它會去修改那些測試數據,所以我的做法是手工叫它連接真實服務器收集數據(這是要燒錢的所以不能跑多),這樣子它就不會産生偏離,所調的可計算性其中一點就是,計算出來的結果要符合客觀事實,例如這裏的OpenRouter API它返回的數據是真實的AI不會自己改掉