阿里版 Claude Code:Spec和Goal模式到底该用哪个?
前言
最近一直在使用阿里的Qoder,通过Qoder+DeepSeek V4,从0到1完成了一个自动化测试平台的开发,效果还不错。
而AI编程到底该让它自主发挥,还是每一步都盯着?
每一步都盯着太麻烦,让它自主发挥又不放心。
而Qoder的Quest模式给出了两种选择:Spec模式和Goal模式。
本文用Spec模式做了一次功能开发,用Goal 模式从零搭了个【视频转 GIF】网站并部署公网,附全过程截图,看完或许能帮你找到最适合自己的协作方式。
首先还是先看一下两种模式的直观差别:

Spec 模式(规范驱动)
你描述需求 → AI 生成一份 Spec 文档(含设计、任务拆解、验收标准)
你审核这份 Spec,可以反复修改直到满意
你确认后,AI 按任务列表逐项执行
你要全程参与拍板,方案必须先过你的眼
工作流程:AI自主分析需求→生成Spec文档→严格遵守文档步骤、约束→分层生成对应代码→输出符合统一标准的工程结构
适用场景:企业项目、多人协作、前后端联调、单元测试生成、标准化模块开发、接口开发
优缺点:
优点:代码统一规范,结构可预期,便于维护、联调、测试;产出稳定可控
缺点:需要严格编写审核 Spec 文档,前期输入成本更高
Goal 模式(目标驱动)
你描述最终要达成的状态(例如"开发一个视频转GIF的网站")
AI 自主规划路径、自主执行、自我评估完成度
没达到目标就继续迭代,达到了就自动结束
中间过程 AI 自己把控,不需要每一步都等你确认
工作流程:AI 自主分析需求→自选技术方案→自主设计结构→直接输出完整代码
适用场景:快速原型、小型脚本、无规范约束的临时工具、快速验证想法
优缺点:
优点:输入极简,不用写大量前置规范,上手快
缺点:输出不可控,文件结构、命名、接口、注释、分层完全随机;多人协作、项目标准化场景极易混乱
来张各个维度的对比图片:

只看解释还是不够直观,接下来我们用两个实际操作案例来直观感受一下!
Spec模式
点击左下角的+号,选择Spec模式,在现有的测试平台上,新开发一个“批量导入测试用例”的新功能:

Qoder会先全面了解梳理现有的项目结构+代码,然后规划出待办事项:

因为我的需求说得很简单,所以在制定详细计划之前,它会自动问我几个关键问题,让我选择回答,从而明确设计方向:

确认完所有信息后,开始生成Spec文档让我确认:

我可以修改Spec文档,修改后点确认,Qoder就开始按计划实现,先创建任务列表:

然后就按照任务逐一实现代码:

代码生成完毕后,会自动进行编译验证,测试通过后,归纳总结:


重启服务器,批量导入测试用例的功能已经做好了:

可以看到,整个过程我是可控的,会要求我直接参与进去,决策到底要如何实现这个功能。
从开发方案设计->开发任务拆解->验收标准,全程都需要我去拍板决定,整个过程都按我指定的规范来做,能够满足团队开发规范。
当然Qoder的Spec模式也只是一种简易版的SDD(Specification-Driven Development),规范驱动开发。
标准的公司级开发团队里面,目前更多的是配合用更专业的SDD Skill,比如:OpenSpec,能够实现全生命周期契约跟踪闭环。
Goal模式
接下来我们使用Goal模式,来直接一句话需求,开发出一个【视频转GIF】网站,并完成部署上线。
首先还是左下角点+号,选择Goal模式,然后输入需求如下图:

然后Qoder这次是直接开始自己出方案,然后直接开始编码,并没有让我再去确认方案,也没有生成Spec文档让我去拍板。
就它自己以目标为驱动,直接开干,只要满足我的目标就行,过程不需要我来参与,它自己全权决定:

开始编写代码+安装依赖:

编码+依赖都完成后,开始启动服务:

然后让我直接看网站效果:

最后它自己再做一下总结->项目结构:

总结项目用的技术栈:

总结项目的使用方式:

然后它自己还做了一轮API端到端测试:

最后我自己去测试了一下效果,上传一个视频文件,执行转换:

转换完成,提供了转换后的GIF图片预览和下载:

下载GIF,查看GIF图片效果:

实现得还是很完美的,整个功能主流程,一把通过,没有bug!
可以看到,整个过程都不需要我做任何决策拍板,AI 自主分析需求→自选技术方案→自主设计结构→直接输出完整代码。
对于快速原型、小型脚本、无规范约束的临时工具、快速验证想法,就更适合用Goal模式来实现。
最后再把本地的这个video_to_gif项目,发布到VicroCode上去,以后就可以通过公网直接访问使用了,video_to_gif 公网访问地址:https://www.vicoco.cn/p/268/
VicroCode上发布后, 视频转GIF图片的操作过程参看下面的这张GIF图片(其实下面这张GIF图片就是
video_to_gif生成的):

更多推荐

所有评论(0)