最近在社群平台上看到好多人發文，內容大概就是我使用 xxx 模型，輕鬆開發出了一個可以用的程式，甚至有很多不是工程師本業的人都做到了。我想說真的那麼神嗎？結果我已經花了兩週的時間還是沒辦法開發出我覺得正常的系統。這讓我思考問題到底出在哪？
在我深入研究這個問題的根源時，我接觸到了 《規格驅動全自動開發術》 這套課程。這才讓我意識到問題的核心：
會寫程式的工程師不等於能開發出能解決問題的系統。
真正的問題在於，我們缺乏一個能讓 AI 精準執行的藍圖。其實，開發系統就如課程提到的翻譯鏈，工程師應該要學會把「業務抽象」到「技術指令」完整做完整的翻譯，才有可能讓 AI 開發出我們想像中的系統。目前軟體開發上的難題一樣是在溝通上，如果能把翻譯做好，其實最後實作的部分不論是靠人類或 AI 都能做好！只是 AI 的優勢是他能更快速且品質有一定水準的實作。
接下來，我會整理學習這套課程翻譯方法的心得，重點解析這條「翻譯鏈」的三個關鍵站點。
第一站：串起業務領與與工程領域的共同語言 — Event Storming
產品經理與工程師經常在對立面，產品經理關心業務價值，而工程師關注程式寫不寫得好。系統是否可用且好用，關鍵在與這兩者是否有完整的溝通。
如果要讓不同領域的人可以良好溝通，就需要共同的語言，而 Event Storming (事件風暴) 就是這個橋樑。Event Storming 不僅是團隊討論工具，它更是**系統邊界的建模**。他讓大家明確知道當下最重要需要解決的問題到哪裡，系統需要做的什麼程度。
透過 業務事件 (Event) 狀態的改變可以推出因果鏈：
Actor觀察 Read Model -> 下達Command -> 透過 Rules 檢查-> 改變 Aggregate 狀態-> 產生 Event。
這套流程圖完美地貫穿了 Problem 和 Solution 兩個領域。它讓工程師知道「要做什麼」（業務需求），也讓業務知道「系統如何運作」（系統流程）。
第二站：從共同語言轉化為業務規格 — DSL-Level Gherkin
我們最終目標是要寫出程式碼，所以 PM 與工程師有共識後，需要把這些結果轉換成可執行的規格。在這個級別，先不討論技術上的細節，而是列出系統上的案例 (Example)或情境 (Scenario)。目的是讓關心業務相關的人員可以看得懂的層次，在本課程中這個級別的語言稱為DSL (Domain Specific Language) Gherkin。
根據 Event Storming 的結果，我們可以歸納出兩種翻譯模式，並確保它們都遵循 **「Spec by Example」（透過具體範例定義規格）的原則：
以實際案例來說
Feature: 食譜管理
Rule: 建立食譜時應包含基本資訊
Example: 成功建立食譜需包含必要資訊
Given 使用者輸入食譜名稱「番茄炒蛋」
And 使用者輸入預計烹飪時間「15」分鐘
And 使用者加入主要食材「雞蛋」與「番茄」
When 使用者儲存食譜
Then 食譜「番茄炒蛋」應成功建立
第三站： ISA-Level Gherkin（測試程式碼的組合語言）
我們使用 AI 幫忙開發系統時，最怕的就是 AI 腦補。
可以透過定義測試框住 AI 開發的範圍，但剛剛的 DSL 並沒有包含到以下兩點
- 技術場域：這是前端、後端還是移動端，已經呼叫的方式（API、UI...）
- 技術參數：API 的路徑在哪？請求的 Body 結構是什麼？
ISA (Instruction Set Architecture) 級別的 Gherkin 是介於 DSL (高階語言) 和實際測試程式碼 (機器碼) 之間的「組合語言」。它是一個測試程式碼的抽象層。
- ISA 的定義：它使用 Gherkin 語法，但其步驟 (Step) 明確指定了技術操作和技術參數。
- ISA 的作用：它消除 AI 的所有腦補空間，讓 AI 只需要「翻譯」指令，而不需要「思考」測試邏輯。
Feature: 食譜管理
Rule: 建立食譜時應包含基本資訊
Example: 成功建立食譜需包含必要資訊
Given 使用者輸入食譜名稱「番茄炒蛋],烹飪時間「15」分鐘,加入主要食材「雞蛋」與「番茄」, with table:
| name | cooking_time | ingredients |
| 番茄炒蛋 | 15 | 雞蛋, 番茄 |
When (UID="$Ming.id") 儲存食譜
Then 回應 200
And 驗證存在新增的食譜, with table:
| name | cooking_time | ingredients |
| 番茄炒蛋 | 15 | 雞蛋, 番茄 |
個人反思：從過程導向到結果導向
這就是 AI 時代軟體工程師的職涯轉型：不再是單純實現「怎麼跑」（過程導向），而是要定義「結果要什麼」（結果導向）。
向上，必須更精準的對準業務需求；向下，必須將規格消除與 AI 協作時的模糊性。
－－－－－－
立即和我一樣到水球軟體學院學習「AI x BDD：規格驅動全自動化開發術」課程，就抽 Claude Code Pro 版一年份！
這裡行動：https://waterballs.tw/y0vtd
趕快將活動分享出去，越多人參加，中獎人數越多！
詳細活動規則請見官網。
