SpecMine：规范驱动的开发工件的大规模语料库

规范驱动开发 (SDD) 是一种快速新兴的实践，其中由开发人员编写的结构化自然语言规范，或者（更常见的是）由 AI 工具起草，然后由开发人员策划的结构化自然语言规范，驱动 AI 编码智能体 的实现。自 2025 年以来，出现了一波工具（GitHub Spec Kit [3]、OpenSpec [4]、AWS Kiro [5] 和其他数十种），但这些工具产生的工件从未被大规模研究过。我们展示了 SpecMine，这是一个通过两次普查捕获公共 GitHub 存储库中 SDD 的语料库：涵盖大多数工具的 spec.md/specs.md 文件的广泛普查（73,030 个存储库中的 470,795 个文件，归因于 17 个指定工具），以及对其不同需求/设计/任务布局的 Kiro 普查（12,910 个存储库中的 98,574 个文件）存储库）。每个规范都包含完整的存储库元数据、完整的提交历史记录和解析的文档结构。规范如何成为代码本身就是一个悬而未决的问题，因此对于 11 个工具，我们以至少 10 颗星扫描了其存储库中涉及规范的每个拉取请求，在 581 个存储库及其变更集中捕获了 5,992 个此类 PR。这使得最简单的工作流程、规范和实现在一个 PR 中一起更改，可以直接观察到，并且 2,421,323 个类型引用的普查范围索引（1.28M 到代码文件，863k 到兄弟文档，152k 到 PR，62k 参考，43k 分支，22k 问题）提供了从规范到代码的第二个独立链接。 SpecMine 让社区首次研究人工智能代理时代的软件是如何指定的。