企业级 AI Coding,先算清「爆炸半径」:用 Spec + Skill 做检测、、评估与改单建议

以 618 促销「每人限领优惠券由3张改为5张」为例，看影响面如何从「凭经验猜」变成「可出报告、可门禁、可复盘」。

一、AI 写码越快，「改一行炸一片」越隐蔽

很多企业上了 Copilot、Cursor、内部大模型之后，研发反馈很分裂：一边是「出活快了」，一边是「不敢改老模块」。根因往往不在模型不够聪明，而在于 企业级交付仍然缺一张「影响面的地图」。

所谓 爆炸半径，不是炫技词汇，而是改一个锚点（字段、规则、接口、REQ）时，按规定必须联动哪些文档、测试、契约与交付物。在传统项目里，这张图存在于老员工的脑子里；在 AI Coding 场景里，模型会帮你改代码，但 不会自动知道产品口径、客服手册、边界 TC 是否一起变——结果变成：代码合并很快，联调与上线很慢。

我们在一套 618 促销活动的 Spec Coding 样例里，把这件事做成了可演示、可度量、可自动化的流程。下文用真实字段与编号举例，读者可直接对照自己项目里的 PRD / 用户故事 / 接口 / 用例表。

二、618 场景：一句「加码」背后到底要动哪里？

运营在群里说了一句：

若只把这句话丢给 AI「帮改一下领券逻辑」，常见结果是：模型改了后端校验或前端展示中的一处，漏掉 AC、漏改测试边界、漏同步 UI 文案，甚至 04 里的业务规则 R-02 仍写着 3。联调时前端显示「x/3」，接口已允许 5；上线后客服培训手册还是 3 张——这就是 爆炸半径失控，不是模型「笨」，是 缺少 Spec 真源与检测 Skill。

在我们固定的 十四文档体系（01～14）中，这条需求有清晰锚点：

金标准答案（评审冻结用）：一次合规变更至少联动 04 → 05 → 09 → 06 → 13 → 14六类文档；10领取记录表可视情况同步。改完后 TC-011的断言应从「第 4 次拒绝」改为「第 6 次拒绝」，06文案从 x/3 改为 x/5。

传统模式排期：开会打听 → 各端自查 → 联调对口径 → 补手册，约 2 天仍可能漏边缘交付物。 

Spec + Skill 模式：先出 影响面报告→ 按清单 sync 联动→ gates 终检→ 再改代码，约 10～15 分钟确认范围（618 样例叙事）。

三、企业级 AI Coding 的爆炸面：三层，而不是全库 grep

我们主张 Spec-first：先文档、后代码。爆炸半径分三层，Skill 分工执行：

1）规则层——「应该影响谁」

来自 写作顺序 + 变更同步表（spec-sync-on-changeSkill）。例如：

• 改 API 字段 / 错误码→ 必走：09 → 10 → 05 AC → 13 TC → 14 行
• 改 业务规则→ 必先 04，再下游 05 / 09 / 06 / 13 / 14

规则层 不依赖代码结构，适合老项目：只要 01～14 真源在，就能给出 必改文档顺序，避免「只改 09 不改 AC」。

2）证据层——「文档里真的提到了谁」

在 Spec 目录（如 Spec模板-投研助手/*.md）对锚点做引用扫描：REQ 编号、字段名 limitPerUser、端点 POST /coupons/receive、TC-ID 等。可用脚本 impact-scan.py输出 JSON：命中文件、行号、片段——报告里可粘贴，评审可复核，不是黑盒 AI 幻觉。

618 金样例提示：若扫描类型仅按「字段→API 链」推断，可能 漏掉 04 业务真源与 06 UI（规则层 Recall 约 67%）；合并规则 + 证据 + 人工对账后，才可达到金标准 100% 召回。这正是企业落地时要修的：规则表要覆盖业务真源，不能只会改接口。

3）代码层——「实现改哪里」

仅在报告标 P0、契约 breaking 或 TC 已绿之后再缩小范围下钻（receive 路由、校验、对应用例）。AI Coding 应用在这一层提速；爆炸半径估算不应第一步就全库 grep，否则噪音大、仍不知道「产品算不算改完」。

四、Skill 链：检测 → 报告 → 评估 → 修改建议

我们把能力拆成 可 @ 调用的 Skill（与 Cursor / 内部 Agent 集成），形成企业可复制的「改需求标准作业」：

Step 1：@spec-impact-blast-radius— 出影响面报告

输入：锚点（如 limitPerUser、REQ-SC618-006）或自然语言「3 张改 5 张」。 

输出（对齐 report-template.md）：

1. 1. 结论摘要：爆炸半径标签（小/中/大）、影响面指数（非工时承诺）、必改文档数、最大风险一句 
2. 2. 锚点说明：对应 04 R-02、05 AC-002-02、09 字段等 
3. 3. 必改文档表：带顺序与原因（例：先 04，再 05，再 09…） 
4. 4. 引用命中表：文件名 | 行上下文 | 命中词 
5. 5. RTM / TC 影响：ROW-006 正向链；TC-011 需改断言次数 
6. 6. 爆炸半径分级：L0 直接 → L1 契约 → L2 行为 → L3 验证 → L4 范围 → L5 计划 
7. 7. 建议下一步：勾选框形式——是否调用 sync、gates、是否下钻代码 

指数公式（用于对比，非科学绝对值）： 

影响面指数 = L0×1 + L1×3 + L2×2 + L3×2 + L4×4 + L5×1 + (无TC的REQ)×5 + …

618 样例 limitPerUser变更通常为 「中」改「大」之间，用于评审排序，不能当人力估算。

Step 2：@spec-sync-on-change— 按报告执行联动修改

报告只分析；改文档由 sync Skill 按表逐篇执行：同一 REQ 前缀、同一字段名 limitPerUser、AC 里写清「第 6 次拒绝」、09 JSON 示例与 1.1 路径约定一致。 

禁止：只改后端、不碰 05/13；或只改 PRD、不碰 09。

Step 3：@spec-validate-gates— 文档侧评估 / 门禁

改完后终检（来自 01第七节），不过 不得标 Approved / 不得冻结基线：

G2 失败样例刻意保留：90% 追溯完整度仍可能带发布风险——门禁要把「矩阵上有行但无 TC」拦在 Approved 之前。

Step 4：@spec-doc-versioning— 冻结与 Git 基线

Phase1 评审通过后：05/09/14 升版 v0.2、状态 Approved → Frozen（基线），git tag spec/sc618-phase1。 

此后修改必须回到 impact → sync → gates流程，不允许在主干上 silent 改 Frozen 正文。

贯穿轮次：R1～R4 与总控

• R1spec-round1-proposal：02 采集 → 03 Phase1 冻结 → 04 PRD（含 R-02） 
• R2spec-round2-anchor：05 US/AC ↔ 09 API 双锚 
• R3spec-round3-design：06 界面、10 库存与 decreaseStock乐观锁 
• R4spec-round4-close：13 TC、14 RTM 
• 总控spec-coding-14：接到「改限领张数」时 路由到 impact + sync，不代替轮次 Skill 写正文 

OpenSpec 可选：propose → 写真源 → validate → apply 代码 → archive，与 01～14 双轨不打架。

为什么必须拆成多个 Skill，而不是一个「万能 Agent」？

企业落地里最容易踩的坑，是把「分析、修改、评审、打 tag」塞进一次对话。结果是：模型改了几份文档，却 没有报告留痕，评审无法签字，出事后也无法回答「当时认为影响面有多大」。 

我们的做法是 职责分离：

• impact只读分析，默认不改真源（除非用户明确要求「分析并修复」）； 
• sync只改文档，且按顺序联动； 
• gates只读检查，失败则阻断 Approved； 
• versioning管版次与 Git 快照，与 OpenSpec 变更包解耦。 

这样，AI Coding 的每一次需求变更，都能留下 「报告 → 修改 → 门禁 → 标签」四件套，满足金融、政企、大型互联网里常见的 审计与交接要求。

五、618 Gold 样例：一份影响面报告长什么样？

以下节选结构，便于企业直接套用：

## 结论摘要- 爆炸半径：中偏大- 锚点：limitPerUser（REQ-SC618-006）- 必改：04, 05, 09, 06, 13, 14（顺序不可跳）- 最大风险：只改 09 不改 AC-002-02 / TC-011 边界## 必改文档（节选）| 顺序 | 编号 | 动作 ||------|------|------|| 1 | 04 | R-02：3→5（张/人） || 2 | 05 | AC-002-02、RULE-002 || 3 | 09 | limitPerUser 示例与 ERR-LIMIT || 4 | 06 | UI-COUNT、ERR-MSG || 5 | 13 | TC-011：第 6 次拒绝 || 6 | 14 | ROW-006 状态与变更记录 |## 建议下一步- [ ] @spec-sync-on-change 按上表修改- [ ] @spec-validate-gates 终检- [ ] 代码：CouponReceive 校验 + 跑 TC-009~014

修改建议由 Agent 按篇给出 diff 提纲（非盲目生成整库补丁）：例如 05 的 Given/When/Then 如何改、13 的边界值如何随规则 +1。这与「让 AI 直接改代码」的区别是：改单建议绑定 REQ/TC 编号，可评审、可回滚、可进 Git。

六、如何衡量？才有底气使用 Spec

「好在哪里」必须能 对比、能复盘，我们拆三类度量：

1）文档健康度（冻结前）

• 追溯完整度= 五段链闭合的 REQ / 总 REQ → 618 90%（9/10，缺 US-008 无 TC） 
• AC 覆盖率= 有 TC 的 AC / 总 AC → 618 87.5%（28/32） 
• 影响面 Recall= 预测必改 ∩ 金标准 / 金标准 → 规则层约 67%，补全 04/06 后 100%

2）过程效率（改需求时）

• 变更影响评估耗时：传统约 2 天 vs Spec 约 10～15 分钟（同场景） 
• 漏改文档次数：结合 RTM + sync 流程迭代统计（目标 ↓）

3）结果质量（上线后）

• 口径不一致类缺陷占比、P0/P1 缺陷密度、需求遗漏率（目标从约 20% → 5% 量级）

七、和「只让 AI 扫代码」的对比

企业级 AI Coding 的正解不是「少写 Spec」，而是 Spec 做地图，Skill 做巡检员，AI 做实现手。

八、看不见的成本：为什么「没用 Spec 也没事」？

很多团队说「我们没用十四文档，项目也上线了」。往往不是没有损失，而是损失被 加班、英雄主义、联调周消化掉了，不会出现在「Spec 债」科目上。常见表象与 Spec 的解法如下：

618 样例里刻意保留 REQ-SC618-011（操作日志）在 14 有行、13 无 TC，就是用来演示：即使追溯完整度 90%，仍可能带缺口——门禁必须存在，爆炸半径报告里也要标 「缺口风险」，而不是粉饰太平。

九、落地建议：四个动作，一个 618 试点

1. 1. 选一条真实变更做金样例（如限领张数、错误码、审批状态），写进 04/05/09/13/14，跑一遍 impact 报告。 
2. 2. 把「先报告、后改码」写进 PR 模板：无影响面摘要、无 gates 结果，Spec PR 不合并。 
3. 3. 冻结基线：Phase1 过了 gates 就打 spec/xxx-phase1tag，变更走 sync。 
4. 4. 用可视化实验台培训：覆盖矩阵、变更对比、影响面记分卡、遗漏实验——让新人 看见爆炸半径，而不是背概念。

读者自检清单（复制到评审会）

1. 1. 我们是否能在 15 分钟内说出「改 limitPerUser」要动哪些文档与 TC？ 
2. 2. 改接口字段时，是否 先改 09 再改 05 AC，而不是反过来？ 
3. 3. 发布前是否跑过 G1/G2/G3，且 14 里无「有 REQ 无 TC」的 P0 行？ 
4. 4. 影响面报告是否归档（如 变更影响面/日期-锚点.md），并与 Git PR 关联？ 
5. 5. AI 生成代码的上下文，是否 默认带 05+09 片段，而非整本 PRD？ 

五条里若有 两条以上答否，就值得用 618 样例做一次 impact + sync试点——通常半天内就能看到「漏改清单」与「联调口径」的差异。

十、爆炸半径不是焦虑营销，是 AI 时代的交付准则

618 促销这类活动，规则一改，牵动领取、库存、试算、看板、权限多条链。AI 可以加速写码，但 不能替企业承担「改没改全」的责任。 

通过 十四文档真源 + 影响面 Skill（检测、报告、评估、改单建议）+ 联动与门禁，我们把「爆炸半径」从老员工的直觉，变成 可生成、可复核、可冻结、可度量的工程能力。

若你正在推进企业级 AI Coding，不妨用下一次「改一张券、改一个字段」的需求做试点：先 @spec-impact-blast-radius 出报告，再让 AI 改代码——这一顺，往往比多训几个 PoPompt 更管用。

• 《企业级AI Coding成熟度模型》V1.0发布
• 1个场景(618促销)5种范式(Spec/Vibe/Glue/TDD/Harness) ，企业级AI Coding经验分享(附代码示例)
• 反常识，企业开发Spec Coding不如Vibe Coding代码惊艳，但Spec Coding才是精准“靶向药”（附G1～G6上下文阶梯图）
• 越早发现越便宜：企业级AI Coding的7道代码分层质量拦截防线
• 企业级AI Coding「Landing Zone」
• 企业级 AI Coding：有了 Landing Zone，为什么还要谈「脚手架」？
• 企业级AI Coding ｜ 公开一套经过企业用户验证的14份Spec文档
• 企业级AI Coding ｜ 以618促销为例的14份Spec模板