十年前，我們開始用 YAML 編排容器、聲明服務(wù)、配置 CI/CD；十年后，我們開始用 Markdown 定義 AI 的行為、規(guī)則和協(xié)作方式。

從 Kubernetes 的 deployment.yaml 到 GitHub 的 .prompt.md、AGENTS.md、SpecKit，我們正經(jīng)歷一次新的"聲明式革命"——從聲明基礎(chǔ)設(shè)施，到聲明智能。

從云原生到 AI 原生：從 YAML 到 Markdown 的轉(zhuǎn)折

在云原生時(shí)代，開發(fā)者的使命是"讓機(jī)器理解我們的配置"。YAML 成為一種描述性編程語言——它不是程序，卻能驅(qū)動(dòng)一切。Kubernetes、Terraform、Helm、Ansible……我們把系統(tǒng)行為抽象成聲明，把部署邏輯變成狀態(tài)描述。

但進(jìn)入 AI 原生時(shí)代，我們面臨新的問題：我們不再需要告訴機(jī)器"怎么運(yùn)行容器"，而要告訴機(jī)器"怎么思考與行動(dòng)"。

于是 Markdown 成為新的規(guī)范語言（Specification Language）。開發(fā)者開始用 Markdown 規(guī)范 AI 的語氣、步驟、協(xié)作方式，把 prompt、rules、skills、spec 當(dāng)作可維護(hù)的"AI 說明書"。這正是規(guī)范驅(qū)動(dòng)開發(fā)（Spec-Driven Development, SDD）的起點(diǎn)。

Markdown：AI 原生時(shí)代的"聲明式語言"

過去我們寫 deployment.yaml 告訴集群如何部署服務(wù)；現(xiàn)在我們寫 .prompt.md 告訴 Copilot 如何理解我們的代碼。

一個(gè)典型的 Copilot Prompt 文件：

# .github/prompts/docs.prompt.md
你是這個(gè)倉庫的技術(shù)文檔助手。
所有輸出必須使用中文 Markdown。
保持簡(jiǎn)潔、使用標(biāo)題、列表和表格。

這幾行文字就能改變整個(gè) IDE 的行為。在 GitHub Copilot、VS Code、Cursor 等環(huán)境中，這些 .prompt.md 文件被自動(dòng)加載，構(gòu)成了 AI IDE 的"語境層（context layer）"。

Copilot Prompt 文件加載流程圖

Copilot Prompt 文件加載流程圖

這意味著：AI 的行為，不再藏在隱形的 system prompt 里，而變成倉庫的一部分。

從 .prompt.md 到 AGENTS.md，再到 Anthropic 的 SKILL.md、GitHub 的 SpecKit，Markdown 逐漸演化為一種新的編程語言——一種描述智能體"該怎么做事"的語言。

從 Prompt 到 Skill 到 Spec：AI 規(guī)范的演化路徑

這種演化并非偶然。YAML 和 Markdown 其實(shí)解決了同一個(gè)問題：如何把人類意圖結(jié)構(gòu)化地傳達(dá)給機(jī)器。

YAML 描述機(jī)器行為的"狀態(tài)與配置"；Markdown 描述智能體行為的"語境與規(guī)則"。從 Cloud-Native 到 AI-Native，我們只是把聲明對(duì)象從容器換成了智能體。

Anthropic Agent Skills：從"聲明配置"到"聲明能力"

Anthropic 的 Agent Skills 是這一趨勢(shì)的典型代表。每個(gè)技能（Skill）是一個(gè)獨(dú)立目錄，核心文件是 SKILL.md：

---
name: pdf-processing
description: 提取并分析 PDF 表單內(nèi)容
---

# PDF 處理技能

1. 讀取文件。
1. 提取字段。
1. 檢查表單一致性。

Claude 啟動(dòng)時(shí)只加載技能名稱與描述（幾十個(gè) token），當(dāng)任務(wù)觸發(fā)時(shí)，再動(dòng)態(tài)加載完整內(nèi)容——這就是所謂的漸進(jìn)披露（progressive disclosure）。

這與 Kubernetes 加載 CRD 的方式驚人地相似：控制平面不需要立即知道每個(gè)字段的細(xì)節(jié)，只要在執(zhí)行時(shí)再解析即可。AI 的"知識(shí)面"也因此實(shí)現(xiàn)了動(dòng)態(tài)擴(kuò)展——用 Markdown 模塊化知識(shí)，用執(zhí)行環(huán)境激活技能。

Skill 不只是文檔，還可以附帶腳本。Claude 可以在安全沙箱中運(yùn)行這些腳本，像執(zhí)行容器一樣調(diào)用外部邏輯。這讓"讀文檔"和"執(zhí)行任務(wù)"合二為一——AI 既能理解指令，也能自己完成操作。

Anthropic Agent Skills 加載與執(zhí)行流程圖

Anthropic Agent Skills 加載與執(zhí)行流程圖

Copilot Prompt、Cursor Rules 與 Skills：AI 規(guī)范的中層革命

這三種機(jī)制其實(shí)解決了相同的問題：如何在 AI IDE 中定義"上下文 + 規(guī)則 + 行為"。

? Copilot Prompt 定義"我是誰"；

? Cursor Rules 定義"我該怎么寫"；

? Skills 定義"我能做什么"。

這是一種從上下文到能力的自然過渡。而下一階段，就是從能力到治理——SpecKit。

GitHub SpecKit：讓 AI 按規(guī)范開發(fā)

SpecKit 把"開發(fā)規(guī)范"升級(jí)為一整套治理體系。它以"Constitution（憲法）→ Spec（規(guī)范）→ Plan（計(jì)劃）→ Task（任務(wù)）"為層次，讓 AI 可以像項(xiàng)目經(jīng)理一樣遵循規(guī)則執(zhí)行開發(fā)。

在 .specify/ 目錄中，開發(fā)者定義：

# Constitution
AI 必須遵守：
- 所有代碼遵循 PEP8
- 單元測(cè)試覆蓋率 >= 90%

在 specs/ 中定義階段任務(wù)，AI 按階段執(zhí)行、反饋、驗(yàn)證。這已經(jīng)不僅是提示或風(fēng)格指導(dǎo)，而是治理機(jī)制（governance layer）。

換句話說，SpecKit 是"AI 團(tuán)隊(duì)協(xié)作的 GitOps"。

GitHub SpecKit 治理流程圖

從聲明式到規(guī)范式：AI 編程的第二次范式轉(zhuǎn)移

我們可以把這次變革看作云原生哲學(xué)的延續(xù)。

Kubernetes 用 YAML 管理容器，SpecKit 用 Markdown 管理智能。我們正從"Infrastructure as Code"走向"Intelligence as Specification"。

這不是玩笑。YAML 地獄尚未遠(yuǎn)去，Markdown 地獄正在路上。

規(guī)范驅(qū)動(dòng)開發(fā)（Spec-Driven Development, SDD）

SDD 讓我們重新定義"開發(fā)"的意義：

? Prompt 是上下文配置文件（定義身份與風(fēng)格）

? Skill 是能力模塊（定義行為與工具）

? Spec 是項(xiàng)目憲法（定義規(guī)則與目標(biāo)）

規(guī)范驅(qū)動(dòng)開發(fā)層級(jí)圖

這三層共同構(gòu)成了 AI IDE 的"規(guī)范體系結(jié)構(gòu)"。未來的 IDE 不再是文本編輯器，而是一個(gè)"認(rèn)知操作系統(tǒng)"——具備記憶、技能與規(guī)范。

實(shí)踐建議：在你的倉庫中啟用規(guī)范層

以你的 website/ 倉庫為例：

1.創(chuàng)建 .github/prompts/

? 定義 .github/prompts/docs.prompt.md

? 規(guī)定寫作語氣、風(fēng)格、語言、格式。

2.編寫 AGENTS.md

? 描述項(xiàng)目的開發(fā)流程、依賴、構(gòu)建命令、測(cè)試方法。

? 讓 Copilot 或 Cursor 在項(xiàng)目?jī)?nèi)擁有"本地規(guī)則感知"。

3.加入 SpecKit

? 在 .specify/ 目錄定義項(xiàng)目憲法與階段任務(wù)。

? 讓 AI 以規(guī)范化的方式參與開發(fā)。

4.可選：引入 Skills 模塊

? 把常用的內(nèi)容生成、翻譯、發(fā)布腳本封裝成技能。

? 未來 Claude 或 Gemini 均可調(diào)用。

AGENTS.md 在倉庫中的應(yīng)用流程圖

AGENTS.md 在倉庫中的應(yīng)用流程圖

通過這幾步，你的倉庫就從傳統(tǒng)倉庫升級(jí)為 AI 協(xié)作就緒倉庫（AI-Ready Repo）。

從 YAML DevOps 到 Markdown AIOps

云原生 DevOps 讓我們學(xué)會(huì)：

"讓配置可復(fù)現(xiàn)。"

AI 原生 AIOps 讓我們學(xué)會(huì)：

"讓智能可復(fù)現(xiàn)。"

YAML 定義了容器生命周期，Markdown 定義了智能體生命周期。

我們正在經(jīng)歷一個(gè)歷史性轉(zhuǎn)折——從編排基礎(chǔ)設(shè)施，到編排智能。

從 DevOps 到 CollabOps：規(guī)范驅(qū)動(dòng)開發(fā)的哲學(xué)轉(zhuǎn)向

DevOps 的革命，讓我們第一次相信——通過聲明與自動(dòng)化，機(jī)器可以可靠地與人協(xié)作。

十年后，我們正進(jìn)入另一個(gè)協(xié)作范式——CollabOps（Collaborative Operations）：不僅是機(jī)器之間的協(xié)作，而是人、智能體、代碼共同參與的自治網(wǎng)絡(luò)。

在云原生時(shí)代，YAML 是信任的契約：我們把配置寫進(jìn)文件，讓集群去實(shí)現(xiàn)；系統(tǒng)變成"聽話的執(zhí)行者"。

在 AI 原生時(shí)代，Markdown 成為新的契約：我們把規(guī)則寫進(jìn)文檔，讓智能體去遵守；系統(tǒng)變成"懂事的協(xié)作者"。

區(qū)別在于：

? DevOps 解決的是命令如何執(zhí)行得更準(zhǔn)確；

? CollabOps 解決的是意圖如何被正確理解。

這就是規(guī)范驅(qū)動(dòng)開發(fā)（Spec-Driven Development）的哲學(xué)基礎(chǔ)：

用可閱讀、可協(xié)作的方式描述智能行為，讓機(jī)器理解人類的"為什么"，而不僅是"做什么"。

它繼承了 YAML 的聲明式精神，又吸收了 Markdown 的可解釋特性。YAML 是機(jī)器能解析的最小真理，Markdown 是人類能閱讀的最大模糊。而 AI，恰好生存在這兩者之間。

未來的開發(fā)者，或許不再是"寫代碼的人"，而是"設(shè)計(jì)規(guī)范的人"——他們定義了 Agent 的角色、邊界、合作方式；他們像 DevOps 寫 CI/CD 一樣寫 Skills、Prompts、Specs；他們構(gòu)建的，不再是程序，而是認(rèn)知協(xié)作系統(tǒng)。

正如云原生讓我們學(xué)會(huì)用 YAML 馴化復(fù)雜性，AI 原生將教會(huì)我們用 Markdown 馴化智能。這場(chǎng)轉(zhuǎn)變，不只是工具的升級(jí)，而是開發(fā)哲學(xué)的延續(xù)。

從 Infrastructure as Code 到 Intelligence as Collaboration——這是我們時(shí)代新的編程宣言。

結(jié)語：AI-Native 的未來，是規(guī)范的未來

當(dāng) Prompt 成為配置文件、Skill 成為插件、Spec 成為治理機(jī)制，AI IDE 就不再是輔助工具，而是團(tuán)隊(duì)中的認(rèn)知成員。

YAML 讓我們聲明了機(jī)器的狀態(tài)；Markdown 讓我們聲明了智能的意圖。

這場(chǎng)從 YAML 到 Markdown 的遷移，不僅是語法層的變化，更是開發(fā)哲學(xué)的更迭：

云原生讓計(jì)算可編排，AI 原生讓智能可編排。

總結(jié)

本文探討了從 YAML 到 Markdown 的技術(shù)演變，揭示了 AI 原生時(shí)代規(guī)范驅(qū)動(dòng)開發(fā)的興起。通過對(duì)比云原生與 AI 原生的聲明式范式，文章闡明了 Markdown 如何成為描述智能體行為的新語言，并通過 Prompt、Skill、Spec 的層級(jí)演化，展示了從基礎(chǔ)設(shè)施自動(dòng)化到智能協(xié)作的哲學(xué)轉(zhuǎn)向。實(shí)踐建議為開發(fā)者提供了啟用規(guī)范層的具體路徑，最終強(qiáng)調(diào)了 CollabOps 作為未來協(xié)作范式的意義。這一轉(zhuǎn)變不僅改變了開發(fā)工具，更重塑了開發(fā)者與 AI 的協(xié)作方式。

參考文獻(xiàn)

1. Equipping Agents for the Real World with Agent Skills - anthropic.com

2. Spec-driven development with AI: Get started with a new open source toolkit - github.blog

3. AGENTS.md Emerges as Open Standard for AI Coding Agents - infoq.com