背景：規格驅動的 AI 軟體移植
InfoQ 報導，Akka 以 65 個開放原始碼專案測試一套規格驅動工作流，用來進行 AI 輔助軟體移植。這裡所稱的軟體移植，不只是產生一段新程式碼，而是把既有專案的模型、介面、行為與測試脈絡，重新實作到另一個目標環境或現代化架構中。這種工作過去高度依賴工程師理解系統、拆解需求、改寫程式與反覆驗證；生成式 AI 雖然能加速撰寫，但若只靠提示詞，很容易在跨元件決策、錯誤處理與效能表現上失控。因此 Akka 的實驗重點不是 AI 能不能寫程式，而是把規格、上下文、模型選擇、自動驗證、權杖消耗與執行效能放進同一個可量測流程中，觀察哪些環節真正影響交付結果。
實驗設計與交付迴路
Akka 的實驗分成兩個階段。第一階段先分析全部 65 個專案，為每個專案產生規格，並實作最多 10% 的表面積，也就是先處理一部分功能範圍；接著再依照系統特性和可量測結果，選出 10 個專案進行完整實作。這種漏斗式做法讓團隊先以較低成本取得訊號，再決定是否投入完整移植。交付工具鏈以發現、規格、移植、基準測試、改進為循環；發現階段會分析程式碼、模型、結構描述與執行時行為，實作、測試與審查則由 Claude 搭配 Akka Specify 處理，並由共用基準測試執行器比較測試、程式碼大小與延遲。
實驗也顯示，具有主張、證據與型別化行為的結構化規格，能提升第一次實作的成功率。相對地，上下文檔案仍有不足，尤其是在跨元件決策上最為明顯。Akka 因此把介面列舉、測試匯入、來源追溯、差異測試與對抗測試列為後續方向。InfoQ 也提到 GitHub Spec Kit 採取類似思路，將編碼代理工作流圍繞規格、規劃、任務、實作與收斂來組織。
初步量測與模型效率
第一階段耗費 99.3 小時，消耗 94.1 億個權杖；在 65 個移植案例中，有 57 個在程式碼行數或效能上出現改善。這個數字看起來亮眼，但必須搭配後續限制一起解讀。模型選擇方面，Sonnet 平均每個移植花 61 分鐘，Opus 平均花 120 分鐘，但 Opus 使用的權杖數比 Sonnet 少約 40%。更高的努力設定會增加消耗，卻沒有穩定提升效率。這代表模型能力、推理預算與交付速度之間不是單調關係，投入更多算力不一定得到更好的結果。
這項發現也引發工程社群討論。Aaditya 在 Akka 執行長 Tyler Jewell 的 LinkedIn 貼文下指出，較小模型的行為更接近他觀察到的現代化工作：小模型會遵循規格，較大模型則可能自行即興發揮。他也質疑，程式碼行數下降主要來自移除死碼，還是目標語言本身差異。Avahi 行銷主管 Rick Bryce 則在同一串討論中提出，規格限制本身也可能影響結果。這些意見把問題指向一個核心：移植效率差異究竟來自模型能力、規格約束，或兩者共同作用。報導中甚至以更便宜的模型給出更緊緻的移植作為值得追蹤的發現。
驗證、效能差異與限制
驗證並不是只跑一次測試。Akka 同時使用原始單元測試與整合測試，並由稽核檢查序列化、安全性、錯誤處理、個人可識別資訊、冪等性與架構邊界。當失敗暴露新問題時，Akka 會加入護欄，但額外的退出條件也提高了移植成本。這說明自動化驗證能提高信心，卻不是免費的；規格與護欄越嚴，交付流程越可控，但時間與權杖成本也可能上升。
效能結果因專案類型而異。應用程式、框架與函式庫通常改善，基礎設施與工具類專案則出現中位數退化。Akka 報告 Dify 有 143,333 倍改善，但同時指出比較的工作負載並不相同；Netflix Metaflow 則約慢 100 倍。這些極端數字提醒，跨專案基準測試若沒有控制工作負載、硬體與量測條件，很容易把不同條件的結果放在一起比較。也就是說，57 個改善案例是重要訊號，但不能直接等同於普遍適用的保證。
對實務的意義
從這項實驗可以看出，規格驅動 AI 交付的價值，在於把模糊提示詞轉成可檢查的規格、證據與型別化行為，再用測試、基準與稽核形成閉環。它讓 AI 輔助移植從單次生成，變成可追蹤、可比較、可改進的工程流程。然而，實驗也暴露幾個限制：跨元件決策的上下文仍不完整，模型與努力設定的效果不穩定，程式碼行數下降可能混入死碼移除或語言差異，效能比較也可能因工作負載不同而失真。未來需要介面列舉、來源追溯、差異測試與對抗測試等機制，才能讓規格驅動流程更接近生產環境要求。
整體而言，Akka 以 65 個開源專案建立的實驗框架，提供了比單一成功案例更有參考價值的觀察。它沒有證明 AI 可以無條件取代移植工程，而是指出一條可量測的路徑：規格品質、上下文完整度、模型與成本選擇、驗證強度與基準公平性，必須一起設計。對需要現代化老舊系統或跨語言移植的團隊來說，這套思路的關鍵不是追求最大模型或最高努力設定，而是先建立能驗證結果的規格與量測基礎，再決定是否擴大自動化範圍。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。