LLM 기반 에이전트들은 기존 코드베이스가 컨텍스트를 제공하는 소프트웨어 엔지니어링 작업에는 뛰어나지만, 처음부터(from scratch) 프로그램을 구축하는 것은 근본적으로 더 어려운 과제로 남아 있습니다. ProgramBench와 같은 최근 벤치마크는 이러한 격차를 수치화합니다. 자연어 문서와 실행 전용 바이너리(binary)를 행동 오라클(behavioral oracle)로만 주어졌을 때, 최첨단 모델(frontier models)조차 인스턴스의 1% 미만을 해결합니다. 기존 프레임워크들은 문서 읽기, 행동 탐색, 코드 합성(code synthesis)을 단일 패스(single pass)로 혼합하여 처리하며, 이로 인해 에이전트가 충분히 조사하지 못하고, 컨텍스트가 드리프트(drift)됨에 따라 행동 의도를 놓치며, 초기 오해를 최종 구현 단계까지 전파하는 문제를 일으킵니다. 고전적인 요구사항 공학(requirements engineering)에서 영감을 얻어, 우리는 행동 명세 유도(behavioral specification elicitation)가 구현에 앞서 수행되어야 하는 일급 단계(first-class phase)가 되어야 한다고 주장합니다. 우리는 코드 합성 전에 명세 유도를 강제하는 2단계 프레임워크인 SpecFirst를 제시합니다. 전용 명세 에이전트(spec agent)가 먼저 바이너리를 조사하고, 관찰 내용과 문서를 결합하여 구조화된 명세를 생성합니다. 다음으로, 코드 합성 에이전트(code synthesis agent)가 이 명세를 사용하여 구현을 주도합니다. 이러한 분해(decomposition)는 코딩이 시작되기 전에 문서의 모호성을 해결하고, 합성 과정 내내 안정적인 행동 참조(behavioral reference)를 제공합니다. 우리는 두 계열의 네 가지 모델과 그 성능 차이가 한 자릿수(order of magnitude)에 달하는 모든 200개의 ProgramBench 인스턴스에 대해 SpecFirst를 평가했습니다. SpecFirst는 단일 루프 베이스라인(single-loop baseline)을 지속적으로 능가하며, 테스트 통과율을 6.9%~21.3%, 바이너리 탐색 커버리지(binary exploration coverage)를 9.4%~18.5% 향상시켰으며, 이는 모두 통계적으로 유의미합니다. 코드 합성에 대한 행동 분석은 사전 명세가 더 빠르고 지속적인 코드 구축을 가능하게 함을 추가로 보여줍니다. 우리의 결과는 명시적인 요구사항 공학 단계가 처음부터 시작하는 프로그램 구축을 위한 효과적인 패러다임임을 입증합니다.