Google发布Elephant-Goldfish插件：先写规格再写代码

从「直接写代码」到「先写规格」：Google的新尝试

AI编程代理的能力在过去一段时间里提升明显，但它们的失败方式也越来越清晰：代码写得飞快，方向却从一开始就偏了。Google最新放出的Elephant-Goldfish Model插件，试图把这件事倒过来——先让代理把需求写成规格（spec），再引入多轮零上下文评审，最后才允许它动代码。

据MarkTechPost报道，这个插件的核心流程是：编码代理先起草规格文档，随后经历5个零上下文的评审阶段，全部通过后才进入编码环节。所谓「零上下文」，指的是评审者不继承起草者的对话历史与推理链，只面对规格文本本身。这一设计思路值得拆解。

为什么规格比代码更需要评审

上下文污染是编码代理的隐性缺陷

编码代理通常在一个长会话中工作：读需求、查代码、做推理、写实现。问题在于，同一个上下文里既有错误的假设，也有正确的判断，而代理很难区分哪些是事实、哪些是自己编的。一旦早期理解有偏差，后续所有代码都会围绕这个偏差展开，而且越写越自信。

零上下文评审切断了这条污染链。评审者只看规格，没有「我已经想清楚了」的心理惯性，也就更容易发现需求层面的漏洞。

「上下文污染」这一说法借自大模型应用中的 context contamination / context rot 现象：随着对话轮次增加，上下文窗口里会混入过时信息、错误假设、重复的自我确认以及无关的工具返回结果，使模型对当前任务的判断逐渐偏移。对编码代理而言，污染源主要有三类：早期对需求的误读、探索代码库时得到的片面结论、以及模型自己生成的中间推理被后续步骤当作既定事实引用。由于大模型倾向于与上下文保持一致（self-consistency bias），一旦错误假设写入了上下文，后续生成会不断为其寻找理由，形成自我强化。零上下文评审的价值就在于让评审者从干净状态出发，只依据规格文本做判断，从而绕开这条自我强化的路径。

多阶段评审对应不同风险点

虽然原始信息没有逐一列出5个阶段的具体职责，但从「规格优先」的定位可以推断，评审通常覆盖几类问题：需求是否完整、边界条件是否定义、验收标准是否可测、是否存在与现有系统冲突的假设。把评审拆成多个独立阶段，相当于让不同的「视角」各自把关，而不是让一个综合评审一次性下结论。

这种结构对代理系统尤其重要——单个评审环节容易被规格的措辞带偏，多轮独立评审则能形成交叉验证。

「零上下文评审」在工程上接近一种多智能体评审（multi-agent review）模式：由独立的模型实例承担评审角色，彼此不共享会话状态，只通过规格文档这一显式产物通信。它与常见的 self-refine、自我批判方法的关键差别在于「独立性」——同一上下文的自我评审往往沿用它已有的推理框架，难以跳出原有假设；而独立实例相当于一次冷启动检查。要让这种评审真正有效，通常需要配合结构化输出（例如按维度打分、列出阻塞项）、明确的评审清单以及可追溯的结论记录，否则独立评审也容易退化为走形式的通过盖章。

规格驱动开发（spec-driven development）并非新概念，在需求工程和契约式设计（design by contract）中早有对应实践：先明确输入输出契约、前置后置条件与验收标准，再实现代码。AI 编码代理让这一思路重新受到关注，原因是代理生成代码的边际成本极低，而返工和审查的成本相对固定，于是把质量关口前移到规格阶段的经济性大幅提升。规格在此扮演的是代理与人类之间的「契约」：它既是生成代码的约束条件，也是判断任务是否完成的客观依据，还能作为测试用例的推导来源。

对开发者工作流的实际影响

插件把规格文档变成了一等公民。对使用编码代理的团队来说，这意味着工作流的重心前移：与其在代理生成大量代码后做review，不如在规格阶段就拦住问题。代码review的成本是线性的，规格review的成本则是杠杆式的。

另一个隐含变化是代理的可审计性。规格是自然语言或结构化文本，人可以读、可以存档、可以在团队内评审；而代理内部的推理过程往往不可见。要求代理先产出规格，等于强制它把意图外化，这对团队协作和事后追责都有价值。

需要保持的谨慎

目前公开的信息相当有限：插件的具体形态、支持的代理框架、5个评审阶段各自的判定标准、以及零上下文评审由什么模型执行，都没有细节。把它当作一个已经成熟的工程方案还为时过早。

更现实的看法是，这是一次方向性的信号——编码代理的竞争焦点正在从「生成速度」转向「生成前的把关」。规格优先加多轮独立评审，是一个符合工程直觉的解法，但它的实际效果取决于评审环节能否真正独立、以及规格本身的质量门槛设在哪里。

对正在搭建编码代理流水线的团队来说，这个思路可以直接借鉴：让代理先写清楚要做什么、怎么算做完，再用不带历史包袱的评审去挑刺，最后才放行代码生成。至于Google这个插件的具体表现，还需要等更多实测信息。