用原型替代 Spec-Driven：AI 时代写代码比写文档更便宜

核心问题：大家都在给 AI 写 SPEC，却忘了可以直接写代码

Matt Pocock 观察到一个普遍现象：

很多人把全部精力花在写一份超详细的 spec 上，指望 AI 的产出能严丝合缝地匹配它——结果却常常跑偏。

这个思路的本质是：希望把所有东西一次性定好，然后一击即中。

但在这个过程中，大家忘记了一件事：

你其实可以直接写代码。你完全可以写代码。

原型和 Spec 的争论，从 Agile 时代就有了

原型（prototype）和 spec 的对比不是 AI 时代的新话题，它在 Agile 运动中就已经是核心讨论点：

• 原型：用来回答某些问题、用完就弃用的代码。目的是验证想法，不是交付产品。
• Spec：详细的需求文档，试图在动手之前把所有细节想清楚。

传统上，写 spec 的成本低于写代码，所以人们倾向于「先想清楚再动手」。但 AI 改变了这个等式。

关键变化：生成代码的成本大幅下降

目前来说，一件事情变便宜了——生成代码的成本相比之前大幅下降。

这是 AI 时代最重要的转变之一：

• 以前：写一个可交互的原型需要大量时间 → 人们选择先写文档
• 现在：用 AI 几分钟就能生成一个高保真原型 → 写代码比写文档更划算

高保真 vs 低保真原型

在编写原型时，有两个层次：

类型	适用场景	示例
低保真	方向性探索	草图、线框图、简单的页面结构
高保真	需要验证具体交互	弹窗的确认/取消按钮、表单验证流程

有些情况下，具体的交互是明确的（比如弹窗必须有确认和取消按钮）。但有些情况是特殊的——只有跑一遍半成品的代码，才能真正验证想法能否成立。

Questions really can only be answered by a prototype, and because producing these prototypes is now cheaper.

因为构建高保真原型的成本大大降低了，在很多时候，做一个可交互的原型比写一份 PRD 更有说服力。

实操：用 Claude Code 的 Skill 来做原型

Matt Pocock 的做法不是写 spec 或 PRD 文档，而是：

1. 使用 Skill 机制来快速构建原型
2. 用原型来验证设计问题，而不是在文档里猜测
3. 原型回答完问题后，可以丢弃或重构

他提到的具体工具和方法：

• GoMe skill：用来快速搭建原型，而不是写 spec
• Wayfinder skill（Matt 正在创建的新 skill）：把一大块工作拆成不同的规划 session，每个 session 有自己的 ticket

Wayfinder 的设计思路

概念	说明
Session	一次聚焦的规划对话，围绕一个明确的子问题
Ticket	每个 session 产出的任务卡片，指向具体要做的原型或实现

这本质上是一种 原型驱动的任务拆解：不是先拆任务再写代码，而是先写原型来暴露问题，再根据发现拆解后续工作。

我的理解

Matt Pocock 的核心观点可以总结为一句话：

在 AI 让写代码变便宜之后，原型比 spec 更划算——因为原型能回答 spec 永远无法回答的问题。

这个思路和传统软件工程教育是反的。我们习惯了「先设计再编码」，但 AI 改变了成本结构之后，「先编码来验证设计」可能才是更高效的路径。

具体到日常工作：

1. 遇到模糊需求时，先让 AI 生成一个原型，而不是先写文档
2. 用原型来跑通关键交互，确认可行性后再补文档
3. 把原型当成可丢弃的探索工具，不用背负「这代码要进生产」的心理负担
4. 用 Skill 封装常用的原型生成模式（如 GoMe、Wayfinder），进一步降低启动成本