Lekcja 3 z 10Metodologia25 minut naukiInżynieria Wymagań

Od Rozmowy do Kodu: Spec-Driven Development, PRD i Prompty Architektoniczne

Jak przekształcić notatki z wywiadu w profesjonalny Product Requirements Document (PRD) oraz prompty, które zmuszają AI do wygenerowania bezbłędnej aplikacji.

Cel lekcji: Opanowanie tworzenia modularnych specyfikacji PRD w standardzie Spec-Driven Development i generowania kodu produkcyjnego za pomocą promptów kontekstowych.

Lektor Kurak PM

Posłuchaj wyjaśnienia lekcji i praktycznych wskazówek

Program Lekcji Krok po Kroku (3 etapów)

Czym jest Spec-Driven Development i dlaczego deklasuje tradycyjny kod

W tradycyjnym programowaniu programista spędza 80% czasu na pisaniu składni i debugowaniu literówek. W podejściu Spec-Driven Development (SDD) PM poświęca ten czas na stworzenie bezbłędnej, wielowymiarowej specyfikacji PRD (Product Requirements Document).

Dla modelu sztucznej inteligencji jakość wygenerowanego kodu zależy w 100% od jednoznaczności specyfikacji: modelu encji, reguł biznesowych, stanów brzegowych i kontraktów API.

Jeśli Twoja specyfikacja precyzyjnie opisuje zachowanie w 10 scenariuszach skrajnych, AI generuje czysty, w pełni otypowany kod w TypeScript w kilka sekund bez halucynacji.

Złota Zasada PM-a & Klucze Wdrożenia:Zasada Zero Niejasności: Jeśli człowiek czytający Twój PRD musi zadać pytanie 'a co jeśli użytkownik kliknie dwa razy?', to model AI w tym miejscu wymyśli losowe rozwiązanie. Wszystkie stany brzegowe muszą być zdefiniowane przed promptowaniem.

Anatomia Żelaznego Dokumentu Wymagań Produktowych (PRD) dla AI

Profesjonalny dokument PRD dla agentów AI składa się z 5 niezmiennych sekcji: 1. Cel biznesowy i Persony, 2. Diagram przepływu użytkownika (Happy Path + Error Paths), 3. Schemat bazy danych (tabele, relacje, klucze obce, indeksy), 4. Kontrakt API (REST lub Server Actions) z typami request/response, 5. Warunki brzegowe i wymagania niefunkcjonalne (czas odpowiedzi, RLS, limity).

Używamy formatu Markdown z blokami kodu Mermaid i tabelami schematów bazodanowych. Taki format jest natywnym językiem rozumowania dla modeli LLM.

Gotowy Prompt AI do wykorzystania w projekcie

Działasz jako Lead Systems Architect. Na podstawie poniższego briefu utwórz kompletny dokument PRD w Markdownie: [Wklej notatkę z wywiadu z klientem]. Uwzględnij schemat bazy PostgreSQL ze schematem typów TypeScript, 5 kluczowych endpointów API oraz listę 8 negatywnych przypadków testowych (edge cases).

Kaskadowe Promptowanie Architektoniczne w Cursorze i Claude

Nigdy nie wrzucaj całego 50-stronicowego PRD na raz z poleceniem 'zbuduj mi aplikację'. Modele tracą wtedy uwagę (context drift) i pomijają detale.

Stosuj orkiestrację kaskadową: Krok 1 - Wygenerowanie schematu bazy danych i migracji SQL. Krok 2 - Utworzenie typów TypeScript i walidacji Zod. Krok 3 - Implementacja logiki biznesowej i zapytań bazodanowych. Krok 4 - Komponenty interfejsu użytkownika w React i Tailwind. Krok 5 - Testy E2E.

W ten sposób kontrolujesz każdy etap i natychmiast wychwytujesz ewentualne rozbieżności z wizją klienta.

Złota Zasada PM-a & Klucze Wdrożenia:Złota Zasada Kaskady: Każdy krok musi kompilować się bez ostrzeżeń lintera i TypeScriptu przed przejściem do kolejnego komponentu.

Kluczowe Wnioski z Lekcji

Precyzyjne PRD eliminuje 95% błędów architektonicznych i długu technologicznego.
Modele AI działają jak genialni koderzy ze sklerozą – potrzebują jasnego, niezmiennego pliku specyfikacji w repozytorium.
Kontrakty TypeScript i schematy bazy danych tworzone są przed jakimkolwiek kodem interfejsu.

Porada z Aktówki Kuraka

Kurak zdradza sekret: Gdy masz dobre PRD, nakarmienie nim Cursora trwa 10 sekund, a gotowa działająca baza powstaje w 5 minut. Kto nie ma specyfikacji, ten poprawia ten sam błąd przez 3 dni!

Niebieski Kurak AI PM • Zawsze weryfikuj fakty, a nie deklaracje.

Quiz Sprawdzający Wiedzę z Lekcji 3

Czym charakteryzuje się podejście Spec-Driven Development w projektach prowadzonych z AI?