Software Design Document
PulseAugur coverage of Software Design Document — every cluster mentioning Software Design Document across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Claude Code 插件更新规格说明以紧邻代码
开发者更新了他们的 Claude Code 插件 "SDD"，以改进 "活体规格" 的采用。最初，规格说明集中在一个单独的文件夹中，难以维护，几乎不可能被现有代码库采用。新版本允许规格说明直接位于其描述的代码旁边，使用灵活的配置根据文件路径和模式定义域。此更新还支持从现有代码起草初始规格说明，从而简化了开发者的流程。
-
Claude Code插件使用分层上下文来保留项目规范
一位开发者为Claude Code创建了一个名为SDD（Spec-Driven Development）的插件，以解决AI助手忘记项目约定的问题。SDD利用四层上下文自动加载，确保AI能够访问项目规范、原则和架构决策。这种方法旨在防止AI发明新的约定，而是让它遵守既定的项目指南，从而提高开发效率和一致性。
-
开发者构建 Claude Code 插件以简化 AI 辅助开发
一位开发者为 Claude Code 创建了一个名为 SDD（Spec-Driven Development）的新插件，以简化使用 AI 助手构建软件的过程。SDD 旨在通过提供更集成、更适应 Claude Code 的定制化工作流程来改进现有的 spec-kit 等工具。主要功能包括将规范与代码一起提交、可恢复的会话以及区分小型拼写错误修复和大型功能实现的自适应仪式。
-
IndusAgent框架利用AI工具提升工业异常检测能力
研究人员推出IndusAgent，一个旨在利用Agentic工具增强开放词汇工业异常检测的新型框架。该系统通过整合领域特定推理和外部工具以获得更清晰的视觉解释，解决了多模态大语言模型的局限性。IndusAgent利用结构化数据集Indus-CoT和强化学习目标来优化异常分类、定位和高效的工具使用，在多个基准测试中实现了最先进的零样本性能。
-
面向AI的规范驱动开发需要领域驱动设计原则
本文认为，AI驱动的软件开发规范并非不完整，而是缺乏领域驱动设计（DDD）原则。文章提出将五种DDD构件——通用语言、限界上下文画布和上下文映射——整合到规范驱动开发（SDD）中，作为其基本要素。作者建议，这种方法可以提高AI生成规范的清晰度和有效性。
-
SceneSelect 引入选择性学习用于轨迹预测，准确率提升 10.5%
研究人员推出 SceneSelect，这是一种新颖的以场景为中心的轨迹预测范式，解决了传统以模型为中心方法的局限性。这种新方法分析场景特征，将输入动态路由到专门的专家模型，从而提高准确性并减少计算浪费。SceneSelect 利用无监督聚类来对场景进行分类，并使用分类模块来分配输入，从而可以灵活地与现有模型集成，并在无需大量重新训练的情况下适应新数据集。实验表明，SceneSelect 在多个基准测试中的平均性能优于现有方法 10.5%。