主要观点：为 AI 生成代码编写需求时，需注重极端明确性、无歧义性、约束定义、可测试性和结构化输入等原则，以减少代码中的幻觉并生成高质量代码。
关键信息：

• 敏捷开发中的 INVEST 品质（独立、可协商、有价值、可估计、小且可测试）可作为软件开发的基础品质。
• 文档化：需求需记录，为 AI 生成代码时，文档是主要输入，需具备机器可解释性、结构化格式以保证一致性和可靠性。
• 正确性：需正确理解系统需求，AI 生成代码时可能会按错误要求生成代码，验证需求至关重要。
• 完整性：涵盖所有属性和特征，包括边缘情况、错误处理、非功能需求和假设等。
• 无歧义性：避免需求理解的歧义，防止 AI 任意选择解释导致错误。
• 一致性：使用相同术语，保持逻辑流一致，对 AI 生成代码至关重要。
• 可测试性：要求有可测试的方法，包括小、可观察、可控制等方面，以确保代码可靠。
• 可追溯性：能前后追溯需求与设计、代码和测试的关系，便于调试、维护和验证。
• 可行性：需求需在项目约束内可实现，要明确相关约束。
  重要细节：
• 对于 AI 生成代码，文档格式和精度很重要，一致性可避免生成冗余或错误代码，可追溯性有助于调试和维护。
• 可测试性的小要求可通过分解大需求实现，可观察性需明确输出和状态变化，可控制性可通过依赖注入等技术实现。
• 缺乏可追溯性会导致代码维护困难，明确约束可指导 AI 生成可行代码。