在当前大模型辅助编程日益普及的背景下，开发者正面临一个普遍困境：AI生成的代码看似完美，却常常忽略关键边界条件、性能缺陷或架构一致性。这种现象被戏称为“AI精神病”（AI psychosis）——过度依赖AI构建复杂系统，反而陷入不断修补细节的泥潭。

近日，一篇题为《Specsmaxxing – On overcoming AI psychosis, and why I write specs in YAML》的技术博客在Hacker News引发热议。作者回顾了自己从“Markdown狂热者”到“规范极简主义者”的转变过程：起初试图用大量非结构化文档（如PRD.md、AGENTS.md、testing-guide.md等）指导AI代理协同开发，甚至构建出能连续运行1.5小时的自动化开发流水线。然而，尽管产出并非“垃圾”，仍难以达到工程级质量。

作者指出，“Slop in, slop out”（输入混乱，输出亦然）是AI编程的核心挑战。仅靠自然语言提示或松散文档，无法确保AI理解需求的精确边界。于是他转向更结构化的规范语言——YAML，并提出“AI验收标准”（Acceptance Criteria for AI, ACAI）的概念：通过可解析、可验证的标签系统，明确标注每个功能点的实现位置、测试覆盖及依赖关系。

这种方法不仅提升了AI生成代码的一致性，还使人类开发者能快速定位AI是否真正满足了原始需求。例如，在分页查询场景中，YAML规范可明确指定必须使用游标分页（cursor pagination）而非偏移分页（offset pagination），并禁止N+1查询模式。AI代理在执行时需严格遵循这些约束，而非依赖模糊的上下文推断。

作者强调，真正的软件工程发生在规范编写阶段，而非代码生成瞬间。高质量的手写规范如同“有机牧场饲养的牛肉”，远胜于临时拼凑的提示词。他甚至认为，“Peak Slop”（混乱开发的顶峰）已经过去，开发者正逐步回归严谨的工程实践——只不过这次，工具换成了AI，而规范成了人机协作的契约。

该实践为AI原生开发提供了新思路：与其让AI自由发挥，不如用机器可读的规范框定其行为边界。这不仅减少了后期调试成本，也使人机协作更加透明可控。对于追求可靠性的工程团队而言，Specsmaxxing或许正是通往高效AI编程的关键一步。