AI 编排框架学习篇（二）| Spec Kit：规约先行 · 0→1

Slow菜鸟

316人浏览 · 2026-05-07 17:07:14

Slow菜鸟 · 2026-05-07 17:07:14 发布

AI 编排框架学习篇（二）| Spec Kit：规约先行 · 0→1

1. 一句话定义

Spec Kit 是 GitHub 开源的一套"规范驱动开发（Spec-Driven Development）“工具包。它让规范（spec）成为可执行文件——你先写规格说明书，AI 根据规格自动生成代码。不再是"先写代码再补文档”，而是"先写规范，代码自动生成"。

和 Superpowers 的区别：Superpowers 也是 spec-driven 理念（brainstorming → writing-plans），但 Superpowers 是一个技能包，而 Spec Kit 是一个独立 CLI 工具，通过 specify 命令和斜杠命令来驱动流程，不依赖具体的技能系统。

2. 适用场景

0→1 最优，1→10 也有官方支持。 当你从零开始一个新项目、需求还没完全定型时，Spec Kit 的核心工作流最为适用——先写规范再生成代码，避免"写到一半发现理解错了"的返工。对于存量项目，Spec Kit 官方内置了 specify init --here 命令和存量项目（迭代增强）开发阶段，可直接在已有代码库中初始化。社区扩展 Brownfield Bootstrap 进一步丰富了存量项目场景。不过总体而言，存量项目的规范渐进引入体验仍不如 OpenSpec 的 delta 模型自然。

3. 它解决了什么问题

大多数开发者（包括 AI）的惯常做法：拿到需求直接写代码。写到一半发现理解错了，或者漏掉了边界情况。返工比一次做好更费时间。

Spec Kit 强制你先写规范、再写代码，并通过结构化流程（constitution → specify → clarify → checklist → plan → tasks → analyze → implement）确保规范在每一步都经过验证，最后 /speckit.implement 根据已验证的规范生成代码。

4. 核心亮点

4.1 可执行的规范

Spec Kit 的核心创新：spec 不只是文档，还是输入。你写完 spec，系统能直接根据它生成代码。不再是"人读了文档再写代码"，而是"文档本身就是代码的蓝图"。

4.2 斜杠命令工作流

命令	阶段	做什么
`/speckit.constitution`	定规矩	项目原则、编码规范
`/speckit.specify`	写规范	功能需求（what & why）
`/speckit.clarify`	澄清	澄清模糊的需求
`/speckit.checklist`	质量清单	验证规范质量
`/speckit.plan`	规划	技术实现方案
`/speckit.tasks`	拆任务	拆成可执行的任务
`/speckit.analyze`	交叉检查	spec/plan/tasks 一致性检查（实现前执行）
`/speckit.implement`	实现	根据规范生成代码
`/speckit.taskstoissues`	转 Issue	将任务转为 GitHub Issues

4.3 严格的门禁流程

完整流程中每个步骤为下一步提供经过验证的输入。官方也为快速实验提供了精简路径（specify → plan → tasks → implement），可跳过 constitution 和 checklist。确保：

规范没写清楚 → 不能开始规划
规划未经审核 → 不能开始实现
实现没验证 → 不能提交

4.4 跨 30+ AI 编程助手

Spec Kit 不绑定 Claude Code，支持 Claude Code、Copilot、Gemini CLI、Cursor、Windsurf、Codex CLI、Qwen Code、Kilo Code、Roo Code、Amazon Q 等 30+ 编程助手。

4.5 扩展和预设

支持扩展机制（添加新能力）和预设（定制工作流），团队可以根据自己的开发流程自定义。社区已贡献 105 个以上扩展和 22 个以上预设，200 位以上贡献者参与。

5. 概览

项目	数据
仓库	github.com/github/spec-kit
Stars	93K+
分叉	8.1K+
许可证	MIT
最新版本	v0.8.7（2026-05）
依赖	Python 3.11+、`pipx`（持久安装）或 `uvx`（一次性使用）

⚠️ 理念提醒：Spec Kit 和 Superpowers 都强调"先写规范再写代码"的理念。区别在于 Superpowers 是 Claude Code 技能包，而 Spec Kit 是独立 CLI 工具，支持 30+ AI 编程助手，不限定平台。

6. 优点 & 缺点

✅ 优点	❌ 缺点
93K⭐，GitHub 官方出品	理念和 Superpowers 重叠
规范可执行，文档即蓝图	需要 Python 3.11+ 环境
跨 30+ 编程助手，不限 Claude	存量项目的规范渐进引入体验不如 delta 模型自然
完整流程保证质量，也支持精简快速路径	open issues 积压较多，维护消化速度有限
扩展和预设机制可自定义	简单任务用 Spec Kit 太重

7. 安装方式

Spec Kit 是 Python 工具，通过 pipx 或 uvx 安装。

方式一：持久安装（推荐，支持 macOS / Linux / Windows）

pipx install git+https://github.com/github/spec-kit.git

安装后直接使用 specify 命令。

方式二：一次性使用（无需安装，支持 macOS / Linux / Windows）

uvx --from git+https://github.com/github/spec-kit.git specify init <项目名称>

初始化项目

specify init <项目名称> --integration claude

--integration 参数指定使用的 AI 编程助手（claude / copilot / cursor 等）。

8. 实战示例：用 Spec Kit 开发一个用户管理 API

假设你要开发一个用户管理的 REST API（Python + FastAPI），支持注册、登录、个人信息查看和更新。以下是完整的 spec-first 流程。

前置条件

先在终端执行安装和初始化（一次性操作）：

# 终端执行（持久安装）
pipx install git+https://github.com/github/spec-kit.git
# 终端执行（初始化项目）
specify init user-api --integration claude

安装完成后，Claude Code 中就有了 /speckit.* 斜杠命令可用。后续所有命令都在 Claude Code 中操作。

Step 1：定规矩

在 Claude Code 中输入：

/speckit.constitution

AI 引导你设定项目原则与治理规则，你逐条回答：

Spec Kit → 项目的核心原则是什么？
你       → 安全性优先，所有接口需要认证和授权

Spec Kit → 代码质量标准？
你       → 使用 Black 格式化，mypy 类型检查，测试覆盖率 ≥ 80%

Spec Kit → 架构约束？
你       → RESTful API，遵循 JSON:API 规范，三层架构（router → service → model）

自动产出文件：

CONSTITUTION.md — 项目原则、治理规则、编码规范

所有后续步骤的代码生成都会遵循这里定的规矩。技术栈选择（Python + FastAPI + PostgreSQL）在 Step 5（技术规划）中确定。

✅ 进入下一步。

Step 2：写规范

在 Claude Code 中输入：

/speckit.specify

AI 引导你写出功能需求：

Spec Kit → 描述你要做什么功能？

你       → 用户注册、登录、查看个人信息、更新个人信息

Spec Kit → 详细说一下注册流程？

你       → 用户提供邮箱和密码，密码需要哈希存储，
          注册成功后返回 JWT Token

Spec Kit → 登录流程？

你       → 用户提供邮箱和密码，验证成功后返回 JWT Token，
          Token 有效期 24 小时

...（继续补充个人信息 CRUD 的细节）

自动产出文件：

SPECIFICATION.md — 完整功能规范，包含每个接口的输入/输出/业务规则

✅ 规范写完了。下一步澄清模糊点。

Step 3：澄清模糊点

在 Claude Code 中输入：

/speckit.clarify

AI 自动识别规范中模糊的地方并提问：

Spec Kit → 我注意到以下几个点需要澄清：
          
          1. 密码强度要求？
          你 → 至少 8 位，含大小写字母和数字

          2. Token 过期后如何处理？
          你 → 返回 401，前端跳转登录页

          3. 邮箱需要验证吗？
          你 → 初期不需要，后续版本再加

          4. 更新个人信息时，邮箱可以修改吗？
          你 → 不可以，邮箱一旦注册不可修改

所有模糊点澄清后，SPECIFICATION.md 自动更新，补充这些细节。你不需要手动编辑文件。

✅ 所有需求都已明确。下一步生成质量检查清单。

Step 4：生成质量检查清单

在 Claude Code 中输入：

/speckit.checklist

AI 自动根据规范生成质量检查清单，验证需求的完整性和清晰度：

Spec Kit → 质量检查清单：
          
          ✅ 所有用户故事都有明确的验收标准
          ✅ 边界情况已覆盖（空输入、超长输入）
          ⚠️ 建议补充：并发注册时的邮箱唯一性保证

清单中的问题可以回到 Step 2 或 Step 3 补充修正。通过后进入技术规划。

✅ 规范质量已验证。下一步出技术方案。

Step 5：技术规划

在 Claude Code 中输入：

/speckit.plan

AI 自动生成技术方案：

Spec Kit → 生成实现方案：

          技术栈：Python 3.12 + FastAPI + SQLAlchemy + PostgreSQL
          
          目录结构：
          ├── app/
          │   ├── models/        # SQLAlchemy 模型
          │   ├── schemas/       # Pydantic 校验
          │   ├── routers/       # API 路由
          │   ├── services/      # 业务逻辑
          │   └── core/          # 配置、数据库连接
          ├── tests/
          └── alembic/           # 数据库迁移
          
          数据模型：
          - User: id, email, hashed_password, nickname, created_at, updated_at
          
          API 路由：
          - POST /api/v1/auth/register
          - POST /api/v1/auth/login
          - GET  /api/v1/users/me
          - PATCH /api/v1/users/me

自动产出文件：

PLAN.md — 完整技术实现方案

✅ 方案已出。下一步拆任务。

Step 6：拆任务

在 Claude Code 中输入：

/speckit.tasks

AI 自动将方案拆成任务列表：

Spec Kit → 生成任务列表：

          1. [core] 项目骨架：配置 FastAPI、数据库连接、Alembic
          2. [model] 定义 User 模型和迁移脚本
          3. [api] 注册接口 POST /api/v1/auth/register
          4. [api] 登录接口 POST /api/v1/auth/login
          5. [api] 查看个人信息 GET /api/v1/users/me
          6. [api] 更新个人信息 PATCH /api/v1/users/me
          7. [test] 为每个接口编写测试

自动产出文件：

TASKS.md — 可执行任务列表，每个任务有明确的完成标准

✅ 任务就绪。下一步交叉检查一致性。

Step 7：交叉检查

在 Claude Code 中输入：

/speckit.analyze

AI 自动检查 spec/plan/tasks 三者的一致性，在写代码之前发现矛盾：

Spec Kit → 一致性检查结果：

          ✅ 规范与方案对齐，无矛盾
          ✅ 任务列表完整覆盖规范中的所有需求
          ✅ 技术方案中的 API 设计与规范中的接口定义一致
          
          ⚠️ 建议：任务 7 的测试覆盖可增加边界情况

注意：/speckit.analyze 官方建议在实现之前执行，确保规范、方案、任务三者对齐后再开始写代码。实现后也可再跑一遍做最终验证。

✅ 一致性检查通过。可以开始写代码了。

Step 8：生成代码

在 Claude Code 中输入：

/speckit.implement

AI 自动逐任务生成代码：

Spec Kit → 开始实现...

[1/7] 项目骨架 → 生成 main.py, config.py, database.py
[2/7] User 模型 → 生成 models/user.py, 迁移脚本
[3/7] 注册接口 → 生成 routers/auth.py, schemas/auth.py
[4/7] 登录接口 → 追加到 routers/auth.py
[5/7] 个人信息 → 生成 routers/users.py
[6/7] 更新个人信息 → 追加到 routers/users.py
[7/7] 测试 → 生成 tests/test_auth.py, tests/test_users.py

✅ 全部任务完成。

所有代码已生成到项目目录中，每个文件都符合 Step 1 定的编码规范。

🎉 全部完成。一个完整的用户管理 API，从规范到代码已全部就绪。整个过程你通过 8 个命令完成了从项目原则到代码生成的完整闭环，所有文件均由 AI 自动生成。

总结：Spec Kit 的核心是用结构化流程保证规范质量。从定规矩（constitution）到交叉检查（analyze），每一步都为下一步提供经过验证的输入。analyze 在实现之前执行是官方推荐的关键步骤——确保规范、方案、任务三者对齐后再开始写代码。门禁流程的核心价值在于"每一步都为下一步提供经过验证的输入"——既可以走完整 8 步保证质量，也可以走精简 4 步快速验证想法。

龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

飞书钉钉QQ全打通，讯飞Loomy让电脑替你上班

Loomy不是市面上唯一的桌面Agent，但它可能是对国内办公环境适配最好的那一个。飞书、钉钉、QQ的远程操控打通了"人不在电脑前也能干活"的场景；目录级隔离和自有API Key支持解决了"敢不敢把文件交给AI"的顾虑；桌面宠物和卡通界面则让冰冷的工具协作多了一丝温度。它目前的短板也很明确：复杂跨平台任务的稳定性还需要提升，Skill生态的丰富度还在建设中。但如果你是一个每天被重复性办公任务淹没的