AstraFable индекс координатора дата: 2026-09-21 final

Лучшие практики написания спецификаций: от PRD и RFC до спецификаций для LLM-агентов

Обе модели независимо пришли к одному ядру спецификации: потребность и цель, границы, атомарные требования, критерии приёмки, способ проверки, процедура приёмки, владелец и статус; продуктовый, технический и исполнительский уровни — логические, а не три обязательных документа, а форма выбирается по исполнителю, обратимости и цене ошибки. Обе разводят критерий, проверку и решение о приёмке, считают контракты API единственной формой с проверкой по построению, а LLM — интервьюером и составителем черновика, но не источником обязательств: у Fable LLM-интервьюер выявляет меньше половины неявных требований и не видит неоднозначность собственных формулировок, у Astra модель, «улучшая» требование, тихо сменила допуск, а живой пилот передачи агенту потребовал одного исправления. Эмпирика тонкая у обеих: контролируемых исследований связи «качество спецификации → результат агента» на продуктовых задачах нет, для заданий сотрудникам и подрядчикам нет вообще. Расхождения: Fable определяет спецификацию через «исполняется без уточнений» и даёт нормы объёма из практики компаний, Astra считает эту цель недостижимой как гарантию и предлагает «без вынужденного угадывания»; Astra глубже по машиночитаемой модели с четырьмя автоматами состояний и доверенными событиями одобрения, Fable шире по инструментам spec-driven development и их критике.

Astradone
Модель
gpt-6-astra · effort ultra
Время
38 мин
Источников
60
Слов
15980
Утверждений
302
Валидация
блокеров 0, предупреждений 3
Fabledone
Модель
claude-fable-5-1 · effort max
Время
50 мин
Источников
108
Слов
17110
Утверждений
518
Валидация
блокеров 0, предупреждений 2
Стоимость
$25.27 по списочным ценам

Вердикт координатора

Ядро совпало до полей. Astra описывает спецификацию как версионируемый набор из восьми полей ядра: идентичность с ролями, потребность, результат, область и ограничения, атомарные требования с источником, проверки с ожидаемым наблюдением, приёмка с версиями и принимающим, изменения; Fable — как цепочку звеньев: цель → границы → требования → критерии приёмки → процедура проверки → процедура приёмки → владелец и статус. Обе выводят из ISO/IEC/IEEE 29148 три логических уровня (продуктовый «зачем и что», технический «как», исполнительский «что сделать, чем проверить, кому сдать») и обе подчёркивают, что это не три обязательных документа: для малой задачи всё помещается в одну карточку, а отдельный PRD, RFC или SRS оправдан только вопросом, который он закрывает. Совпала и анатомия по аудиториям: агенту — самодостаточный пакет с файлами, границами, полномочиями и проверкой, которую он запускает сам; сотруднику — короткий task brief с объектом, временем, критерием «сделано» и способом сдачи; подрядчику — ТЗ или SOW с deliverables, испытаниями, актом и процедурой отказа; клиенту — бриф на его языке с рубрикой оценки и SLA с последствиями нарушения.

Проверки и приёмка разведены одинаково. Astra опирается на пять понятий ISO: verification и validation требований, verification и validation результата, acceptance как решение уполномоченного о конкретной версии; Fable формулирует «правило трёх частей»: что должно быть истинно, как это узнать, кто и когда решает. Обе цитируют Cohn: Definition of Done — «резиновый штамп» на каждой карточке, критерии истории — надпись на её обороте, и обе требуют хранить решение о приёмке отдельно от зелёного теста. Обе называют контракты OpenAPI, JSON Schema и AsyncAPI единственной формой, где проверка исполнения автоматизирована по построению, и обе предупреждают, что валидная схема не удостоверяет поведение, права и повторы. Для однозначности обе берут EARS и Given/When/Then как шаблоны предложения; Astra добавляет правило «одно проверяемое обязательство на ID» и таблицу восьми видов неоднозначности с исправлениями, Fable — список запахов требований Femmer (детектор: точность 59 %, полнота 82 %) и 13 критериев QUS для историй.

LLM как автор и как исполнитель оценена одинаково трезво. Обе: интервьюер и составитель черновика, но не источник обязательств; всё неизвестное остаётся вопросом с владельцем, а не правдоподобной догадкой. Fable приводит ReqElicitGym (семь моделей выявляют меньше половины неявных требований), Orchid (1 304 задачи: неоднозначность ухудшает все модели, они дают расходящиеся реализации и не выявляют её сами), SpecFix (переписывание описаний даёт +30,9 % Pass@1 на изменённых задачах), маркеры «[NEEDS CLARIFICATION]» и лимит в пять вопросов за цикл из Spec Kit. Astra приводит эксперимент Krishna (GPT-4, «исправляя» требование, сменила допустимое время ответа с 300 до 500 мс), Bashir (663 промышленных требования, объяснения оценены на 3,84 из 5) и собственный живой пилот: спецификация версии 1.0 была выдана отдельному агенту кодирования, тот воспроизвёл ошибку автора и вернул блокер, версия 1.1 выполнена без вопросов, 20 независимых проверок прошли. Для агента-исполнителя обе требуют самодостаточного пакета, out of scope, исполняемых критериев, свежей сессии и коротких файлов правил только с тем, что нельзя вывести из кода; обе цитируют лимит Codex 32 KiB. По AGENTS.md картина сложена из обеих: Fable показывает, что контекстные файлы стали стандартом де-факто (более 60 тысяч проектов, передача в фонд под Linux Foundation), но 37 % из 34 публичных файлов ниже порога структурной полноты, а правила «пассивны» без активной проверки; Astra добавляет три исследования 2026 года, по которым AGENTS.md экономит время и токены, но не улучшает корректность, а сгенерированные LLM файлы удорожают вывод на 20–23 %. Вывод общий: измерять собственный эффект, не считать «больше контекста» улучшением.

Эмпирика тонкая, и обе это признали. Общие источники: NaPiRE (228 компаний: неполные и скрытые требования — главная проблема практики), Adzic (более 50 проектов без контрольных групп), METR (16 разработчиков, 246 задач: замедление на 19 % с AI, среди причин — неявные требования репозиториев) и DORA 2025. Fable добавляет анализ около 400 тысяч сессий Claude Code (люди принимают около 70 % решений «что строить», агент около 80 % решений «как»; верифицированный успех у экспертов 28 % против 15 % у новичков), мультивокальный обзор 67 источников с тезисом «ограничивает дисциплина спецификации, а не способности модели», таксономию шести SDD-фреймворков и разбор Bossavit о мифе «дефект в требованиях в 100 раз дороже». Astra добавляет опрос о DoD (137 ответов, 93 % считают полезной, правила устаревают) и case report spec-as-source (50 design docs, регенерация за 1,5–3 часа и около $100 API, без контроля). Ни одна не нашла контролируемого исследования связи «качество спецификации → результат агента» на продуктовых задачах, лонгитюдных данных о дрейфе и какой-либо эмпирики о заданиях для сотрудников вне разработки. Уверенность у обеих: высокая в анатомии форм и необходимости отделять свидетельство от решения, средняя в дереве и машиночитаемой структуре, низкая в долгосрочном эффекте.

Расхождения. Первое — определение цели. Fable определяет спецификацию как документ, «по которому исполнитель делает работу без уточнений», Astra после пилота считает это недостижимой гарантией и предлагает цель «без вынужденного угадывания» с отдельным измерением доли передач без вопросов и классификацией вопросов по причине; координатор принимает позицию Astra как измеримую, а формулу Fable как идеал формы. Второе — нормы объёма. Fable даёт пределы из практики компаний: одна страница A4 у Intercom, пресс-релиз меньше страницы и FAQ до пяти у Amazon, design doc 1–3 страницы для инкремента и 10–20 для крупного проекта, файл правил до 500 строк у Cursor; Astra отказывается от универсального порога страниц («главный спор — цена ясности») и даёт только иллюстративные затраты времени. Обе совместимы: пределы Fable — ориентиры по форме, а не норма содержания. Третье — отношение к spec-driven development. Fable подробно излагает критику: Böckeler (Kiro превратил мелкий баг в четыре истории с 16 критериями, Spec Kit генерирует избыточный Markdown), Thoughtworks (процессы многословны и не масштабируются по размеру задачи), Бек и Фаулер («SDD предполагает, что при реализации вы не узнаете ничего нового»), и трактует спецификацию как стабилизатор, а не ускоритель; Astra принимает типологию spec-first / spec-anchored / spec-as-source и рекомендует spec-anchored, оставляя spec-as-source ограниченным экспериментом. Четвёртое — машиночитаемая модель. Astra разделяет четыре автомата состояний (документ, исполнение, доказательства, приёмка), привязывает evidence к версиям спецификации и артефакта и настаивает, что поля confirmed, actor и pass заполняются доверенным серверным событием, а не ответом модели; Fable ведёт одну цепочку статусов документа плюс статусы требований и результаты критериев, зато добавляет дельты изменений ADDED / MODIFIED / REMOVED из OpenSpec и исход accepted_with_notes, тогда как Astra запрещает тихий waiver: обязательный критерий либо выполнен, либо результат возвращён. Пятое — источники: у обеих ISO 29148 не прочитан в нормативном теле (Astra по аннотации и фрагменту, Fable по Wikipedia и вендорскому пересказу), а структура ТЗ по ГОСТ 34.602 у Fable взята из материалов редакции 1989 года, у Astra подтверждена только карточка редакции 2020; и то, и другое перед цитированием нужно проверить по первоисточнику.

Карта согласий и расхождений

Раздел Согласие Astra Fable Комментарий координатора
0. Вердикт в целом Общее ядро с представлениями для исполнителей; LLM — интервьюер и черновик, не источник обязательств; сильнейшая альтернатива — краткий task brief с примерами и одним принимающим; уверенность низкая в исполнении без уточнений Одно ядро для трёх уровней; форма по исполнителю, обратимости и цене ошибки; SDD-инструменты дали шаблоны, но многословны; LLM-интервьюер выявляет меньше половины неявных требований; альтернатива — разговор с приёмочными тестами Один вывод; расходятся в формулировке цели «без уточнений»
1. Что это и как работает полное Восемь полей ядра с «как ломается»; продуктовые и технические формы с добавленной приёмкой; EARS с правилом «одно обязательство на ID»; восемь видов неоднозначности; анатомия по пяти аудиториям; пять понятий ISO и элементы критерия; SLI с правилом нулевого знаменателя Характеристики требований по 29148; шаблоны HashiCorp, Confluence, Intercom, Amazon, Shape Up, Google, Uber, ADR и MADR; EARS с ограничениями и внедрениями; Kiro, Spec Kit, OpenSpec, AGENTS.md, Model Spec, рекомендации OpenAI и Anthropic; work instruction, SOW, ГОСТ 34.602 и 34.603, бриф, SLA; таблица «где ломается» по 13 формам Совпадают; Fable подробнее по шаблонам компаний и инструментам, Astra по модели данных
2. Актуальность и доказательная база в целом Существование практик подтверждено лучше их превосходства; NaPiRE, Olsson, исходный EARS, DoD survey, Krishna, Bashir, три исследования AGENTS.md; SMART как вендорская заявка; типология Böckeler; изменения 2023–2026 Распространённость: 80+ компаний с RFC, 60 тысяч проектов с AGENTS.md, 138 тысяч звёзд Spec Kit, Productboard 94 %; таблица из 11 исследований LLM в требованиях; METR, 400 тысяч сессий, мультивокальный обзор, таксономия SDD; споры: «новый водопад», истории как карго-культ, лепрекон 100×; ограничения длины Fable шире по эмпирике LLM-автора, Astra по эмпирике контекста агентов; цифры звёзд и опросов — интерес, не эффект
3. Где применимо и где нет полное Подходит при передаче между людьми и агентами, дорогой ошибке, повторяемом поведении, обсуждаемом решении; не подходит при неизвестном результате, дешёвом наблюдаемом изменении, тексте вместо решения владельца, недоступном формате Подходит, когда исполнитель не может спросить, цена ошибки высока, решение затрагивает многих, есть приёмка третьей стороной, проверку можно автоматизировать; не подходит при высокой неопределённости, однофразном изменении, доступном разговоре, отсутствии владельца, несоответствии формы размеру Совпадают
4. Альтернативы и дерево решений в целом Восемь пакетов от общего ядра до SOW; временная ось work_type для связи с классификатором доставки; дерево по неизвестности результата, сервису, инциденту, внешнему исполнителю, сотруднику, разработчику или агенту с модификатором цены ошибки Восемь способов от письменной спецификации до work instruction с колонками «LLM-исполнитель» и «человек вне разработки»; дерево по исполнителю: агент, разработчик, сотрудник, подрядчик, клиент, «строить ли», исследование, TLA+ Деревья объединены ниже; сопоставление с классификатором доставки сделано координатором
5. Практическое применение полное Жизненный цикл из девяти шагов с разделением действий LLM и решений человека; четыре сквозных примера: живой пилот с агентом, обход поливной линии, ТЗ на импорт контактов с актом, бриф на диагностику процесса; затраты входа; ошибки первого применения; пересмотр по событиям Шесть шагов внедрения; жизненный цикл из семи шагов с источниками; четыре примера: экспорт CSV агентом, орошение поля № 7, интеграция кассы с испытаниями по ГОСТ, бриф сети ресторанов с SLA; ошибки; три траектории через месяцы; цены Примеры совпали по аудиториям; у Astra один пример исполнен реально
6. Артефакты полное Десять артефактов; универсальный YAML-шаблон; дополнения по шести профилям; чек-лист Q1–Q16 с автоматизируемым подмножеством; протокол приёмки без тихого waiver; журнал изменений; машиночитаемая структура с четырьмя автоматами; JSON Schema, пример, валидатор, демонстрация Ядро из 12 полей с основаниями; шаблоны по аудиториям с примерами: task spec, task brief, work instruction, ТЗ, бриф, SLA, one-pager, design doc и ADR; чек-лист из 10 пунктов; протокол приёмки с accepted_with_notes; журнал дельтами; YAML-структура с правилами статусов Объединены ниже
7. С чем используется в связке полное Восемь связок с конфликтами; Diátaxis как справочный слой; схема связей потребность → требование → задача → результат; формальные методы выборочно Десять комбинаций; что предшествует и следует; шесть конфликтов: большая спецификация против обучения, истории против задач, wireframes против pitch, императивный Gherkin, длинный файл правил, spec-as-source против ручных правок Совпадают
8. Метрики здоровья и антипаттерны полное Десять признаков как авторские ориентиры; пять антипаттернов Двенадцать признаков с нормами из источников; семь антипаттернов Антипаттерны пересекаются по пяти: роман, оружие, переспецификация, устаревшая, без владельца; Fable добавляет «приёмка без критериев» и «LLM написал 20 страниц»
9. Инструменты и софт в целом Notion, Linear, Jira и Confluence, Kiro с ценами; категории контрактов, Cucumber, docs as code, агентские редакторы Spec Kit, Kiro, Claude Code, OpenSpec с ценами и ограничениями; Confluence, Linear, Jira; Cucumber, OpenAPI, PactFlow; выбор по масштабу Дополняют друг друга
10. Адаптация под LLM и агентов полное Типология SDD; 12 осей интервью с признаками блокирующего пробела; семь уровней проверки полноты; семь «чему не доверять»; слои пакета исполнителя; конфликт версий как стоп; checkpoint; автоматическая приёмка как делегированное полномочие; переходы состояний; расширения модели; прототип с 20 семантическими случаями Протокол интервью из семи блоков; шесть проверок полноты; пять «чему не доверять»; форматы для GPT-4.1 и Claude; критерии как тесты, stop-хуки, субагент-ревьюер; границы контекста; иерархия и конфликты по Model Spec; что остаётся человеку; конвейер статусов; риски; репозитории Совпадают по принципам; объединённые правила ниже
11. Происхождение и что читать полное Три задачи письменной спецификации; этапы от Spolsky до 2023–2026; 16 позиций чтения с честными оговорками о непрочитанном Таблица событий 1984–2026; 13 фигур; 22 позиции чтения Совпадают
12. Открытые вопросы полное Формат без причинных данных; исполнение без уточнений; полевая форма не испытана; внешняя приёмка иллюстративна; объём контекста; выгоды через месяцы; модель проверяет форму; сопоставление с классификатором; приёмочный эксперимент 4 × 5 задач Lenny платный, Google и Intercom из вторых рук, ISO 403, OpenAI harness 403, EPAM 403, ГОСТ по редакции 1989, arXiv по аннотациям; противоречия по AI-продуктивности, SDD, историям, EARS; какие данные изменили бы выводы Совпадают по сути

Шкала согласия: полное, в целом, частичное, расхождение, только у одной.

Уникальные находки

Только у Astra

  • Живой пилот передачи агенту: спецификация версии 1.0 на предварительную проверку импорта CSV содержала ошибку автора о поведении csv.reader, исполнитель воспроизвёл её и вернул блокер; версия 1.1 выполнена без вопросов, 19 тестов исполнителя и 20 независимых проверок автора прошли; артефакты pilot-spec.md и протокол с SHA-256. Вывод: первая передача не выдержала критерий «без уточнений», безопаснее цель «без вынужденного угадывания».
  • Пять понятий ISO (verification и validation требований, verification и validation результата) плюс acceptance как решение уполномоченного о конкретной версии; методы проверки — тест, осмотр, измерение, анализ, демонстрация, и не каждую человеческую задачу нужно превращать в программный тест.
  • Таблица восьми неоднозначностей с исправлениями: неизвестный субъект, размытый порог, скрытый квантор, открытый перечень, отрицание без результата, смешение решения и причины, выдуманная точность («LLM уточнила: 10 000 пользователей»), календарная двусмысленность.
  • Четыре автомата состояний вместо одной колонки «Done»: документ (draft, in_review, approved, superseded, retired), исполнение (not_started … accepted, rejected), доказательства (pass, fail, not_run с версиями спецификации и артефакта), приёмка (pending, accept, return, reject с actor и decided_at); новая версия делает прежнее evidence непригодным для автоматического зачёта.
  • Граница доверия к модели в данных: confirmed, actor, pass и approved_by — поля, которые LLM может выдумать; в продукте их заполняет доверенное серверное событие; текстовая политика в AGENTS или authority не заменяет права доступа и sandbox.
  • Context manifest как отдельный артефакт (обязательные входы с версиями, доступность, приоритеты, секретность и аудитория, срок актуальности) и checkpoint для долгой работы агента: baseline, выполненное, оставшиеся критерии, вопросы, версии evidence, следующий безопасный шаг.
  • Правило «конфликт версий — основание остановить затронутую часть работы»: агент не выбирает удобный текст между PRD, контрактом и тестом и не снижает критерий ради зелёного запуска.
  • Автоматическая приёмка только как заранее заданное полномочие для дешёвого обратимого класса работ; таблица «что подтверждает и не подтверждает» каждый этап от JSON parse до решения приёмки.
  • Три исследования AGENTS.md 2026 года с разными исходами: Lulla (124 PR: время 98,57 → 70,34 с, токены 2 925 → 2 440, без gold-test), Gloaguen v2 (300 SWE-bench Lite и 138 CTXbench: значимого улучшения нет, LLM-файлы +20 % и +23 % к стоимости вывода), Khatri (288 прогонов: улучшения корректности нет).
  • Опрос о Definition of Done (137 ответов из 45 стран, 93 % считают полезной, встречаются устаревшие правила), обзор Olsson (84 статьи, корпус до 2019), исходный кейс EARS (36 требований → 47, средняя длина 36,9 → 25,6 слова).
  • SLI как отношение пригодных событий к учитываемым с правилом нулевого знаменателя: отсутствие обращений за окно — «нет наблюдений», а не 100 %; FAR 37.6 и Part 46 как структурный референс приёмки внешних работ; HSE о детализации инструкций по задаче и последствиям ошибки.
  • Чек-лист Q1–Q16 с явным подмножеством для автоматизации (роли, критерии, целостность связей) и пунктом «пробная передача: исполнитель воспроизводит цель и один сложный сценарий до исполнения».
  • Прототип: схема, синтетический пример, валидатор связей с 20 семантическими случаями, демонстрация выбора формы и приёмки; таблица расширений для продукта: content_hash, authenticated_event, evidence store, профили внешней передачи.

Только у Fable

  • Характеристики требований по 29148 (necessary, appropriate, unambiguous, complete, singular, feasible, verifiable, correct, conforming) и набора (complete, consistent, feasible, comprehensible, validatable); лестница BRS, StRS, SyRS, SRS; IEEE 830 заменён в 2011 году.
  • Шаблоны компаний из первых рук: HashiCorp PRD (problem — «сердце документа», user research — «самый важный раздел», критерии приёмки «как тест-кейсы», approvals) и RFC (статусы WIP, In-Review, Approved, Obsolete; owner и approvers); Intercom Intermission (одна страница A4, job stories, без дизайна решения); Amazon PR/FAQ (пресс-релиз из шести частей меньше страницы, FAQ до пяти, молчаливое чтение, старшие говорят последними, go/no-go); Uber (утверждение немногими, затем рассылка всем; шум признан издержкой); публичные шаблоны RFC более чем у 80 компаний; MADR с полем confirmation.
  • Полевые ограничения EARS: больше трёх предусловий дают громоздкие предложения, нефункциональные требования ложатся плохо; внедрения в Airbus, Bosch, Dyson, Honeywell, Intel, NASA, Siemens; Kiro встроил EARS с 2025 года и формулу для багфиксов «WHEN … THEN system SHALL CONTINUE TO …».
  • Запахи требований Femmer (детектор: точность 59 %, полнота 82 %), QUS из 13 критериев и AQUSA на более чем 1 000 историй из 18 компаний, картирование 166 работ по BDD с «острой нехваткой метрик».
  • Одиннадцать исследований LLM в требованиях: LLMREI (33 симулированных интервью), генерация уточняющих вопросов (не хуже человеческих, лучше с подсказкой типичных ошибок интервьюера), ReqElicitGym (меньше половины неявных требований), редакции формулировок (26 участников, 130 формулировок), DeepQuali, QuRE (1 266 требований Mercedes-Benz), детекция неоднозначности (+20,2 % при 10 примерах), SpecFix, Orchid, генерация Gherkin.
  • Анализ около 400 тысяч сессий Claude Code (70 % решений «что» у людей, 80 % решений «как» у агента; 28 % против 15 % верифицированного успеха), мультивокальный обзор 67 источников, таксономия шести SDD-фреймворков (Spec Kit, OpenSpec, BMAD, GSD, Spec Kitty, Reversa) с рисками дрейфа, чрезмерного доверия и привязки к платформе; 37 % из 34 публичных AGENTS.md ниже порога полноты; правила пассивны, активная проверка повышает соблюдение; в 2 853 репозиториях контекстные файлы обычно единственный механизм.
  • Инструменты SDD в деталях: Spec Kit (constitution; specify → clarify ≤ 5 вопросов → plan → checklist как «unit tests for requirements» → tasks → analyze → implement → converge; истории P1–P3 с полем Independent Test; FR- и SC-идентификаторы; тесты утверждаются человеком и должны сначала падать; 138 тысяч звёзд), Kiro (requirements.md, design.md, tasks.md; requirements-first и design-first; quick spec; тарифы от 0 до $200), OpenSpec (specs как текущая истина и changes как предложения; дельты ADDED / MODIFIED / REMOVED; 70 тысяч звёзд), Tessl (spec-as-source, закрытая бета).
  • Правила вендоров моделей: Model Spec с цепочкой полномочий root → system → developer → user → guideline, «предполагай добрые намерения», цитируемый текст и выводы инструментов без полномочий, парные примеры, лицензия CC0; OpenAI для GPT-4.1 (буквальность, побеждает поздняя инструкция, правила «always» провоцируют лишние вызовы) и для GPT-5 (противоречия измеримо ухудшают результат); Anthropic («правильная высота» инструкций, «покажи промпт коллеге без контекста», 3–5 примеров, XML-теги); Claude Code (интервью → SPEC.md, свежая сессия, e2e-проверка, субагент-ревьюер видит только diff и критерии, stop-хуки как детерминированные гейты, «если diff описывается одним предложением, пропустите план»).
  • Критика SDD из первых рук: Böckeler (Kiro: мелкий баг → 4 истории и 16 критериев; Spec Kit: «я бы лучше ревьюила код, чем все эти markdown-файлы»), Thoughtworks (Assess в ноябре 2025, «длинные spec-файлы трудно ревьюить»), Бек и Фаулер («новый водопад»), Yeret (возврат хэндоффов), Linear («user stories — карго-культ»), Bossavit (миф о 100-кратной стоимости дефекта требований).
  • Формы для людей вне разработки с источниками: элементы work instruction, разделы SOW с sign-off до оплаты, приёмочное тестирование по ISTQB (критерии → выполнение → сравнение → pass/fail → sign-off), три вида испытаний по ГОСТ 34.603 с протоколом и актом, бриф из девяти разделов как «живой документ» до старта, компоненты SLA, Spolsky о единственном авторе.
  • Нормы объёма как метрики здоровья: одна страница A4, пресс-релиз меньше страницы и FAQ до пяти, design doc 1–3 или 10–20 страниц, ADR 1–2 страницы, файл правил до 500 строк и 32 KiB; «каждая строка файла правил проходит тест: без неё агент ошибётся».
  • Пересказ поста OpenAI о harness engineering: «чего нет в контексте агента — не существует», «устаревшее в контексте неотличимо от истины», переход от пятничной уборки «AI-slop» к правилам в линтерах и архитектурным проверкам; фоновые агенты, открывающие PR с исправлением дрейфа.

Объединённое дерево решений

  • Если результат ещё неизвестен или успехом считается новое знание→discovery brief или one-pager: гипотеза, источники, критерий остановки, предел затрат, срок эксперимента; полная спецификация только после результата; PR/FAQ преждевременен, детальное ТЗ закрепляет догадки
  • Если решается «строить ли вообще»
    • Если рынок и экономика понятны→PR/FAQ: пресс-релиз меньше страницы, FAQ до пяти, реестр неподтверждённых обещаний, молчаливое чтение и решение go/no-go; принять PR/FAQ — принять основание для следующего шага, не поставку
    • Если важнее ограничить вложение времени→pitch по Shape Up: problem, appetite, solution в набросках, rabbit holes, no-gos; обязательные результаты и критерии завершения фиксируются, детали внутри рамки оставляются команде
    • Если проблема ясна, а решение нет→one-pager по образцу Intercom: проблема со ссылками на исследования, job stories, критерии успеха, scope по релизам, без дизайна решения
  • Если главная неизвестность — технический выбор, решение неочевидно или затрагивает несколько команд→design doc или RFC на 1–3 страницы: контекст, goals и non-goals, альтернативы и компромиссы, план проверки спорных предположений, rollout и rollback, owner и approvers, статус; одно значимое решение → ADR по MADR с полем confirmation; очевидное решение → без документа
  • Если граница работы — интерфейс между системами или командами→contract-first: OpenAPI, AsyncAPI или JSON Schema плюс семантические правила отказов, прав и повторов и контрактные тесты; задача исполнителю ссылается на контракт
  • Если работа — продолжающийся сервис→service specification с SLI, целевыми значениями, окном, исключениями, владельцем измерения и порядком разбора; SLA только при явных последствиях нарушения, иначе это SLO
  • Если требуется срочное восстановление→incident task brief: состояние, безопасное действие, stop conditions, проверка восстановления, ссылка на действующую инструкцию; ADR после стабилизации при смене решения
  • Если результат известен и исполнитель внешний
    • Если подрядчик или партнёр с оплатой по результату или высокой ценой ошибки→ТЗ или SOW: deliverables, вклад заказчика, критерии pass/fail на каждый deliverable, acceptance environment с зафиксированными данными, программа испытаний (предварительные, опытная эксплуатация, приёмочные), протокол и акт, срок review от получения полного комплекта, процедура отказа и доработки, change request для нового scope
    • Если подрядчик при низком риске→бриф с deliverables и критериями без формальных испытаний
    • Если аудитория — клиент→бриф на страницу на языке клиента: ожидаемый результат, критерии успеха с измерением, вклад клиента, границы, пример результата, один принимающий, рубрика оценки («есть подтверждение / есть гипотеза и план проверки / нет основания») и период обратной связи; для услуги с обязательствами — SLA
  • Если результат известен и исполнитель — сотрудник подразделения
    • Если операция повторяемая и инструкция существует→карточка запуска: версия work instruction, входы, место, время, чек-лист исключений, контрольные точки с ответственным
    • Если операция разовая→task brief: результат, входы и материалы, объект и место, шаги при необходимости, инструменты, критерии «сделано», срок с часовым поясом, приёмщик и способ сдачи (в том числе без сети), что делать при отклонении и когда остановиться; без технической архитектуры продукта и кодовых слов
    • Если операция новая или дорого обратимая→расширенный brief плюс подтверждение понимания и промежуточная контрольная точка до необратимого действия
    • Если работа дешёвая и полностью наблюдаемая→короткая карточка результата с одной процедурой проверки
  • Если результат известен и исполнитель — разработчик или LLM-агент
    • Если изменение описывается одной фразой и обратимо→задача или промпт с проверкой (тест, сборка), без спецификации
    • Если задача затрагивает несколько файлов или подход неясен→task spec: цель, файлы и интерфейсы, out of scope, требования в EARS или Given/When/Then с идентификаторами, критерии как тесты, написанные до реализации и падающие, сквозная проверка, ссылка на DoD и файл правил репозитория
      • Если это новая функциональность с продуктовой неопределённостью→сначала one-pager, затем spec с уточнением до нуля маркеров «[NEEDS CLARIFICATION]»
      • Если это дефект→bug specification: воспроизведение, expected и actual, область регрессии; на критическом пути — явная формула сохраняемого поведения «SHALL CONTINUE TO»
      • Если главная сложность — несколько акторов и ветвлений процесса→use case с extensions плюс требования качества и сценарии приёмки
      • Если цена ошибочного технического решения высока или нужна миграция→mini-RFC с контрактом, планом rollback и ADR, затем задачи
    • Если исполнитель — LLM при любом предыдущем выборе→тот же пакет плюс context manifest с версиями, полномочия и stop conditions, команды проверки, формат evidence и сдачи (изменённые объекты, невыполненные критерии не скрываются), свежая сессия; конфликт версий между PRD, контрактом и тестом — остановка и решение владельца
    • Если задача агента операционная или аналитическая→инструкция по образцу Model Spec: иерархия инструкций и правило конфликтов, допущения и вопросы при неясности, формат вывода, 3–5 примеров, критерий остановки; данные из документов и инструментов без полномочий
  • Модификатор цены ошибки на всех ветках: необратимое действие→независимая проверка до действия, точная baseline, явные полномочия; низкий риск → роли владельца, исполнителя и принимающего могут совпадать; автоматическая приёмка только как заранее делегированное полномочие для дешёвого обратимого класса
  • Правила жизни любой формы: маркеры неопределённости и незакрытые блокирующие вопросы запрещают статус approved; изменение критерия или scope — новая версия с дельтами и пересмотром затронутых задач и evidence; документ без владельца переводится в obsolete

Сопоставление с классификатором типов работы

Astra предложила временную ось work_type, не читая соседнего исследования; Fable назвала связку по типам «повторяемая, проектная, исследовательская, инцидент, подрядная, сервисная». Координатор сопоставляет обе с режимами и профилями из исследования по методологиям доставки.

Тип работы у Astra и Fable Режим и профиль в классификаторе доставки Форма спецификации
Исследование, discovery EXPERIMENT, у Fable зонд R8; профили T12 исследование и T14 инфраструктура с неизвестной технологией Discovery brief, one-pager, паспорт эксперимента
Новая поставка BET или SCRUM; T13 продуктовая функция One-pager или PR/FAQ → pitch или PRD → RFC при необходимости → task spec
Изменение, исправление FLOW; T08 мелкие улучшения, T10 корректирующий ремонт, T22 дефект качества Bug specification, story с примерами и DoD
Повторяемая операция ROUTINE и DISPATCH; T01 ежедневный контроль, T04 регламенты, T05 сменные операции, T09 профилактика Карточка запуска со ссылкой на work instruction и техкарту
Инцидент INCIDENT; T17, T19 Incident task brief, живой журнал, постмортем
Продолжающийся сервис Политика потока с SLE; T03 стандартный запрос, T06 услуга по записи Service specification, SLO, SLA при обязательствах
Внешняя проектная поставка NETWORK с контрактом передачи; T11 инфраструктурный проект, T15 проект с датой ТЗ или SOW с матрицей приёмки, актом и change log
Индивидуальный кейс CASE; T18, T21, T23 Файл кейса с чек-листами этапов и SLA; бриф клиенту

Объединённая структура спецификации, проверок и приёмки

Обе модели предлагают машиночитаемые схемы; ниже их объединение как основа единой модели с разными представлениями. Всё это авторские предложения обеих моделей, заимствования из шаблонов и стандартов отмечены.

Сущность Поля и правила Откуда
Идентичность и роли id, title, kind (product, technical, task, service), audience (agent, developer, employee, contractor, client), owner — один ответственный за содержание, executor, acceptor, approvers, parent и связи; schema_version отдельно от revision содержания; ADR нумеруются монотонно, номера не переиспользуются обе
Статусы Документ: draft → in_review → approved → superseded или obsolete; исполнение: not_started → in_progress → submitted → changes_requested, accepted или rejected; требование: draft, clarify, approved, implemented, verified; у Astra четыре независимых автомата, у Fable одна цепочка с правилами переходов обе
Потребность и цель Кто столкнулся с чем, источник потребности, ожидаемое изменение, сценарий; problem как «сердце документа»; исходная формулировка запроса сохраняется дословно обе
Результат и границы Deliverable с форматом и местом сдачи, scope_in, scope_out и non-goals, предпосылки, вклад другой стороны, зависимости, условия остановки обе
Входы и контекст inputs[] с reference, revision, access; для агента context manifest (обязательные материалы и версии, доступность, приоритет документов, срок актуальности) и ссылка на файл правил репозитория с тем, что нельзя вывести из кода обе
Требования Атомарные id, шаблон EARS (ubiquitous, state, event, optional, unwanted) или Given/When/Then, text, priority (must и should или P1–P3), source_ref и certainty (факт, предположение, решение владельца), confirmed; одно проверяемое обязательство на ID; ключевые слова SHALL и MUST обе
Критерии и проверки criteria[] с requirement_ids, given / when / then или procedure, expected, method (test, inspection, measurement, analysis, demonstration), ref на команду или тест, evidence_required; для агента — исполняемая команда и сквозная проверка e2e_check; для людей — контрольная точка с ответственным; тесты утверждаются человеком и пишутся до реализации обе
Открытые вопросы и допущения open_questions[] с blocking и resolved, маркеры «[NEEDS CLARIFICATION]», assumptions[]; approved недостижим при блокирующих вопросах; отсутствие ответа не превращается в согласие обе
Полномочия authority.allowed, forbidden, stop_conditions, граница необратимых действий; текстовая политика не заменяет права доступа и sandbox Astra, у Fable через Model Spec
Процедура приёмки acceptance_procedure: кто, когда (от какого события отсчёт), по какому протоколу, срок review, on_reject с перечнем провалившихся критериев, повторная сдача; для подрядчика — acceptance environment, программа испытаний, протокол и акт; для клиента — демонстрация, рубрика, период обратной связи обе
Исполнение и доказательства execution.status, artifact_ref, artifact_revision; evidence[] с criterion_id, spec_revision, artifact_revision, result (pass, fail, not_run), reference, checker; evidence привязано к версиям, новая версия требует повторной проверки затронутых критериев Astra, у Fable как traces.checks и result
Решение о приёмке acceptance.decision (pending, accept, accept_with_notes, return, reject), actor, reason, evidence_ids, версии, decided_at — время решения, не генерации черновика; accept требует pass по всем обязательным критериям на тех же версиях; отклонение либо возвращает результат, либо оформляется новой baseline, у Fable допускается accepted_with_notes с замечаниями и сроком доработки обе
Журнал изменений changelog[] с version, date, author, kind (ADDED, MODIFIED, REMOVED), ids, reason, approved_by, влияние на задачи, проверки и evidence; записи не удаляются, устаревшее помечается superseded обе
Трассируемость Требование → задачи → проверки → evidence → решение о приёмке и назад к источнику потребности; traces.tasks, traces.checks, traces.acceptance_record; converge или матрица сверяет код и документ обе
Профили по аудиториям Агент: среда, разрешённые пути и инструменты, команды, output contract, stop conditions, свежая сессия; сотрудник: объект и место, дата с часовым поясом, материалы, шаги, пределы, контакт при отклонении; подрядчик: deliverables, вклад заказчика, комплект сдачи, среда приёмки, сроки review, change request; клиент: результат обычным языком, что предоставить, пример, один принимающий, рубрика; сервис: eligible events, SLI, target, окно, исключения, владелец измерения, порядок споров обе
Граница доверия к модели confirmed, actor, pass, approved_by заполняются доверенным серверным событием, не ответом LLM; ROUTED или approved не равны разрешению исполнять; классификация не равна обязательству, брони и одобрению Astra
Автоматические проверки Схема и обязательные поля; уникальность ID и разрешение ссылок; каждое must покрыто критерием; нет маркеров и блокирующих вопросов при approved; лексика запахов как подсказка ревьюеру, не блокировка; форма EARS или Given/When/Then; кросс-артефактная согласованность spec, plan и tasks; противоречия внутри требований и инструкций; генерация позитивных, негативных и граничных примеров; размер по форме; версии evidence совпадают с принимаемыми обе
Остаётся человеку Достаточность набора must и валидация смысла; бизнес-компромиссы и пороги; утверждение тестов и ожидаемых наблюдений; ревью замысла; решение о приёмке; изменение обязательств; полномочия на необратимые действия обе

Объединённые правила для LLM как автора и исполнителя

  • Первый результат LLM-автора — карта неизвестных, а не длинный документ; интервью идёт порциями до пяти вопросов по влиянию на результат и цену ошибки, «не задавая очевидных вопросов, копая в трудные места»; уже известное извлекается из разрешённых источников с указанием происхождения, а не запрашивается повторно.
  • Оси интервью: потребность и адресат, результат и достаточность, границы, входы, время с календарём и часовым поясом, ошибки и отказы, качество с порогами и единицами, полномочия, проверка, приёмка, неявные требования по доменному чек-листу; признак блокирующего пробела для каждой оси.
  • Черновик разделяет факты, предположения и предложенные решения; неизвестное помечается маркером, а не заполняется правдоподобным числом; порог или срок, предложенный моделью, остаётся assumption до подтверждения владельцем.
  • Полнота проверяется по уровням: схема, граф связей, лексика запахов, матрица сценариев actor × состояние × вход × исход, противоречия (например, «ответ за 24 часа» против «только в рабочие дни»), примеры, пробный запуск; полнота относительна границе и источникам, поэтому обязательна пробная передача с исполнителем и принимающим.
  • Чему не доверять у LLM-автора: восстановленному намерению, самостоятельно выбранным числам, собственному баллу качества и однозначности, автогенерированным тестам как единственному эталону, ссылке без проверки содержимого и версии, имени в поле одобрения, переписанной формулировке без валидации автора, симулированным стейкхолдерам как замене реальных.
  • Пакет для LLM-исполнителя: результат с must и критериями, среда с командами и данными, минимальный context manifest, полномочия и stop conditions, проверки, формат сдачи; стабильные правила репозитория живут в коротком файле правил, задание — в спецификации; обязательное требование не прячется в необязательной ссылке.
  • Инструкции «на правильной высоте»: конкретные, но не хрупкие; каждая строка файла правил проходит тест «без неё агент ошибётся»; Cursor рекомендует до 500 строк, Codex обрезает на 32 KiB молча; противоречивые правила измеримо ухудшают исполнение, при конфликте GPT-4.1 берёт более позднюю инструкцию, поэтому конфликты устраняются до выдачи.
  • Иерархия и конфликты по образцу Model Spec: ближайший файл правил побеждает, явный промпт перекрывает всё, цитируемый текст, документы и выводы инструментов не имеют полномочий, если спецификация не делегирует их явно; конфликт версий между PRD, контрактом и тестом — остановка и решение владельца, а не удобный выбор агента.
  • Критерии приёмки как исполняемые проверки: тест, сборка, линтер, сравнение с эталоном, скриншот; гейт остановки — условие цели, stop-хук или субагент-ревьюер, который видит только diff и критерии; отчёт о сдаче не выдаёт skipped, blocked и failed за pass.
  • Границы контекста: качество падает по мере заполнения окна, исследование выносится в субагентов, повторное чтение архива возвращает устаревшие указания; для долгой работы — checkpoint с baseline, выполненным, оставшимися критериями, вопросами и следующим безопасным шагом.
  • Автоматическая приёмка — только заранее делегированное полномочие для дешёвого обратимого класса; зелёный тест, разрешение выполнить работу и право принять результат — три разных факта; для нового, спорного и необратимого решает назначенный человек.
  • Дрейф спецификации и кода — главный риск: спецификация хранится рядом с кодом, меняется дельтами с пересинхронизацией задач, «устаревшее в контексте агента неотличимо от истины», поэтому нужны фоновые проверки дрейфа и статус obsolete для того, что не поддерживается.

Статистика запусков

Показатель Astra Fable
Модель и effort gpt-6-astra, ultra claude-fable-5-1, max
Время работы 38,0 мин 50,4 мин
Поиск и чтение 68 поисковых запросов по собственному учёту; 60 источников: 52 полных текста, 6 фрагментов, 2 аннотации 51 поиск, 135 обращений к страницам, 59 правок файла; 108 источников
Пересечение источников 23 общих URL, 32 общих домена: Amazon, agents.md, Agile Manifesto, EARS, Anthropic о контексте, Atlassian PRD, Shape Up, Claude Code, Nygard, Cockburn, Gherkin, Diátaxis, Spec Kit, Google design docs, Spolsky, Kiro, Codex, Fowler о SDD, Scrum Guide, Write the Docs, INVEST
Объём, слов 15 980 17 110
Типизация утверждений 302: 178 гипотез, 85 фактов, 19 эмпирики, 17 мнений, 3 вендор 518: 174 факта, 149 вендор, 98 мнений, 71 эмпирика, 26 гипотез
Ссылок на источники в тексте 202 802
Дерево решений 6 ветвей, 16 листьев 8 ветвей, 18 листьев
Антипаттерны, термины 5, 67 7, 58
Стоимость CLI не сообщает $25,27 по списочным ценам
Статус валидации 0 блокеров с первого раза, 3 предупреждения: 429 у HashiCorp, 403 у ResearchGate, недоступен protect.gost.ru 0 блокеров с первого раза, 2 предупреждения: 429 у HashiCorp при проверке шаблонов PRD и RFC

Открытые вопросы

  • Контролируемого исследования связи «качество спецификации → результат агента» на продуктовых задачах нет ни у одной модели; Orchid и SpecFix работают на уровне функций, METR измеряет время, а не качество спецификаций. Обе предлагают собственный пилот: у Astra по пять задач для агента, сотрудника, подрядчика и клиента с классификацией вопросов по причине и измерением доли правильных результатов с первой сдачи.
  • Цель «исполняется без уточнений» спорна: Fable кладёт её в определение, Astra после живого пилота считает гарантией недостижимой; обе согласны, что вопросы из-за пропусков нужно учитывать отдельно от вопросов из-за новой информации, а KPI «ноль вопросов» поощряет угадывание.
  • Эмпирики о заданиях для сотрудников вне разработки, подрядчиков и клиентов нет: только консультантские структуры, HSE и FAR как референсы, иллюстративные примеры обеих моделей; полевая форма не испытана на реальных сотрудниках.
  • Сколько нужно текста и контекста: практические пределы Fable (страница, 1–3 страницы, 500 строк, 32 KiB) и разнонаправленные исследования AGENTS.md у Astra не дают универсального порога; ответ — сравнение короткого и расширенного пакета на своих типах задач без изменения критериев.
  • Лонгитюдных данных о дрейфе спецификаций и стоимости поддержания за год и более нет; опрос о DoD показывает, что правила устаревают, но не задаёт частоту пересмотра.
  • Нормативные первоисточники не прочитаны: ISO/IEC/IEEE 29148 у Astra по аннотации и фрагменту, у Fable по Wikipedia и вендорскому пересказу; ГОСТ 34.602 у Fable по материалам редакции 1989 года, у Astra только карточка редакции 2020 года; единый публичный шаблон «Google PRD» не существует, сборник Lenny платный, Intercom по вторичным пересказам.
  • Эффект маркеров неопределённости, лимита в пять вопросов и тестов, падающих до реализации, не измерен; это вендорские практики Spec Kit и Kiro без опубликованных данных.
  • Прототип Astra проверен только на семантических случаях: полная валидация по JSON Schema Draft 2020-12 не выполнена из-за отсутствующей зависимости; HTML-демонстрации обеих сторон без браузерного QA.
  • Недоступные источники: пост OpenAI о harness engineering и отчёт EPAM о Spec Kit (403), статья о «SDD как новом водопаде», страницы ISO и PMI, большинство arXiv-статей у Fable по аннотациям.

Заметки о прогоне

  • Четвёртая тема дня 2026-09-21: обе модели запущены одновременно в 14:26 UTC, очередь Fable была свободна; Astra закончила за 38 минут, Fable за 50.
  • Обе прошли валидацию с первого раза; все предупреждения относятся к проверке доступности ссылок, обе упёрлись в лимит запросов HashiCorp.
  • Пересечение источников самое высокое среди всех тем: 23 общих URL при 32 общих доменах, потому что у темы есть канонические тексты (EARS, Cockburn, Gherkin, Nygard, Spolsky, Shape Up, Spec Kit, Kiro, Claude Code, Model Spec), к которым обе и пошли; различались эмпирикой и глубиной модели данных.
  • Astra помечает гипотезой 178 из 302 утверждений и приложила исполняемый прототип с живым пилотом передачи агенту; Fable — 26 из 518 при 149 вендорских утверждениях: её практическая база во многом состоит из документации Claude Code, Kiro и Spec Kit, а самый цитируемый практический источник — рекомендации производителя самой модели; советы от этого не становятся неверными, но их статус — вендор, и в карте согласий он учтён.
  • Astra намеренно не читала соседнее исследование по методологиям доставки и предложила временную ось work_type; сопоставление с классификатором выполнил координатор в отдельной таблице.
  • Полная JSON Schema validation у Astra не выполнена: в среде участника не нашлось Draft202012Validator; скрипт честно записал full_validation_complete:false.