spike

Spike

通过最小可运行实验回答一个经验性技术问题。Spike 是探索性工作：交付物应是证据、结论和建议，而非生产代码。

流程

1. 明确不确定性。 提出一个可观察的问题，说明答案会如何影响下一步决策、相关环境和具有代表性的条件、哪些观察结果会验证或推翻假设，以及成本、时间或范围限制。先检查现有证据；如果答案已有定论，就不要再构建实验。
2. 选择决定性探测。 设计成本最低、能检验实际不确定性的实验。如果有多个可行的探测方案，先从最有可能以最低成本推翻假设的方案开始。不要将 Spike 扩展到相邻问题。
3. 确定产物的处置方式。 在构建前，决定是在保留证据后删除实验，还是将其保留在独立的探索性目录中，避免被误认为生产代码。
4. 只构建观察所需的内容。 创建最小的可运行配置，在具有代表性的条件下直接呈现相关行为。包含重要的失败或边界情况。避免生产级加固、可复用抽象、无关清理以及不能改善证据的脚手架。
5. 运行并记录。 记录评估问题所需的实际命令、输入、条件、输出、测量结果和失败情况。将观察结果与解读分开。只有在原定限制范围内才调查意外情况。
6. 得出结论。 给出一个结论：Validated、Partial 或 Invalidated，并提供支持性证据、重大意外情况、剩余的不确定性、生产环境限制，以及针对 Spike 所促成决策的建议。

如果证据消除了不确定性，那么假设被推翻也意味着 Spike 成功。如果达到限制时问题仍未解决，请报告 Partial；不要悄悄延长实验，也不要夸大结果。

生产边界

实验不会因为奏效或被保留就成为生产代码。将实验的任何部分用于生产，都是按照项目常规实践开展的新生产工作，不能继承 Spike 的任何质量保证。

完成标准

• 已明确说明问题、其对决策的影响、具有代表性的条件、决定性观察结果和限制。
• 实验检验了实际的不确定性，包括重要的失败情况，且未扩展到交付工作。
• 结论基于记录的执行证据，并区分观察结果、解读和未解决的不确定性。
• 产物已删除，或仅保留在事先声明的独立目录中。
• 建议说明证据对下一步决策的意义，且不将实验代码视为可用于生产的代码。