你的 Agent 擴充功能真的有效嗎？
Microsoft Developer Blog · 2026-06-10
微軟首席開發倡導者 Waldek Mastykarz 於 2026 年 6 月 10 日發表此文，作為「Agent Experience（AX）」系列的第三篇。文章的核心問題是：工具被呼叫不等於品質提升——Extension 可能消耗大量 context window，卻未帶來任何可量測的改善，甚至讓輸出品質退步。
原本的問題
多數開發者以「工具是否出現在 Agent 的可用清單中」作為成功指標，卻忽略了更關鍵的問題：Agent 是否在正確情境下選用工具？輸出品質是否真的提升？額外的 token 消耗是否值得？僅測量工具呼叫次數，而不追蹤品質與成本，會讓工程師在沒有有效反饋的情況下持續疊代。
採用的方法
文章提出一套受控比較框架：在完全相同的任務上，分別以「有 Extension」與「無 Extension」兩種設定執行，並沿四個維度量測結果。
- Discovery（可發現性）：工具是否出現在 Agent 的可用工具集合中
- Selection（選用率）：Agent 是否在相關任務中優先選用此 Extension
- Quality（輸出品質）：最終輸出是否有可量測的改善
- Composition（工具組合）：Extension 與其他工具的互動是否如預期
評估策略分為兩類：確定性檢查（AST 語法樹解析、程式碼編譯）精確但維護成本高；LLM-as-judge 評估迭代速度快，但需要對準確性與一致性進行校準。文章建議每個情境至少執行 5 到 10 次，而非單次運行，以避免隨機性干擾結果。
實際效果
Mastykarz 強調，token 用量（prompt + completion 的總消耗）是不可或缺的成本基準線。如果一個 Extension 讓 token 預算增加三倍，卻只帶來輕微的品質提升，其投入產出比可能根本不合算。文章也點出幾個常見陷阱：在空工作區而非真實專案中測試、跳過建置驗證步驟，以及以「工具有無出現」代替「工具被正確使用」作為衡量標準。
原始來源：Microsoft Developer Blog — Is your agent extension actually working?
規格驅動開發：AI 原生工程的規格先行方法
Microsoft Developer Blog · 2026-06-10
微軟首席軟體工程師 Apoorv Gupta 於 2026 年 6 月 10 日發表這篇方法論文章，提出「規格驅動開發（Spec-Driven Development，SDD）」框架。SDD 的核心主張是：規格文件應成為貫穿整個軟體生命週期的結締組織，從業務意圖一路連結到架構設計、實作，再到驗證。
原本的問題
在以 AI 為主力的開發流程中，「以 Prompt 為先」的工作方式容易造成四個關鍵轉譯斷點：利害關係人需求→需求文件、需求→架構設計、設計→實作、實作→驗證。每一個斷點都可能引入語意落差，最終導致架構漂移（architectural drift）、程式碼漂移（code drift）與實作不一致的問題。缺乏持久性規格，讓 AI 每次生成的程式碼缺乏共同的基準語境。
採用的方法
Gupta 提出基於 GitHub Spec Kit 的七階段工程生命週期，讓規格文件在各階段之間流動而非重新撰寫。
- Constitution（原則層）：確立全域設計原則與護欄
- Specify（需求層）：將業務需求拆解為可測試的情境
- Clarify（釐清層）：解消歧義，對齊利害關係人理解
- Plan（規劃層）：制定架構決策與技術約束
- Tasks（任務層）：將規格分解為可交付的實作單元
- Implement（實作層）：以 AI 協助產生符合規格的程式碼
- Validate（驗證層）：對照原始規格進行驗收
參數化規格是此框架的關鍵設計——規格本身可以接受不同的輸入參數，讓相同的框架結構適用於不同的資產類型或服務，而不必從頭撰寫新的規格文件。
實際效果
文章列舉三個具體案例。在一個棕地（brownfield）專案中，導入參數化規格後，新資產類型的上線時間從 2 至 3 週縮短至數天。另一個綠地（greenfield）分散式平台則借助 SDD 協調橫跨出席者管理、設施、安全、供應商、物流與法規遵循等「數千個移動部件」。第三個案例是將 React/TypeScript 原型遷移至正式產品，其中包含多個負責不同職責的 Agent（DRI、Provisioning、Policy），以及健康監控與管理後台儀表板，整個過程都以規格文件作為協調基礎。
原始來源：Microsoft Developer Blog — Spec-Driven Development: A Spec-First Approach to AI-Native Engineering