核心变化：不再让 AI 每次读一堆 spec / plan / task / change log。过去这种纯 SPEC 推动方式，在模型能力弱的时候有用，但现在模型能力变强了许多，不需要过多的硬性约束，也可以规划得很好。因此，如果严格的遵守 SPEC 开发范式，我觉得会更快烧掉上下文和 token。
现在 SPEC-AGENTS 升级到 v3，改成我称之为 EDPP 的开发方式：「证据驱动阶段规划」。
它的不同之处是，先告诉 AI 边界、当前 phase、验收标准，但不些具体的实现方式。一轮开发后，用测试和 evidence 证明结果，通过之后，再基于当前阶段的实现，直接制作下一个的计划。然后在按照计划执行，如此循环。 有点像渐进式开发的感觉。
我做了一个小对比测试：同一个需求下，v2 默认读取约 601 tokens，v3 约 290 tokens，少了 51.7%；需要维护的写入面从 5 个降到 2 个。
EDPP 让大模型“少写文档”，将宝贵的上下文留给真正长期有价值的东西。
https://github.com/yibie/SPEC-AGENTS.md
