基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

最近在尝试用 AI 参与项目开发。 刚开始我的方式很简单： 提需求 ↓ 让 AI 直接实现 ↓ 不断返工 ↓ 继续补需求 结果非常熟悉： 功能能跑 代码越来越多 需求越来越乱 AI 上下文越来越长 后面谁都不敢接手 尤其是涉及： 前后端联动 权限体系 数据结构变更 API 契约 多阶段迭代 时，问题会迅速放大。 后来我接触到了 GitHub 开源的 Spec Kit。 它让我第一次把 AI 开发从： 直接写代码 变成： 先规格 ↓ 再设计 ↓ 再拆任务 ↓ 最后实现 整个过程开始变得可控。 Spec Kit 到底是什么？ 如果用一句话概括： Spec Kit = 把一次开发过程工程化。 它不会让 AI 直接开始改代码。 而是要求先产出一套完整工程文档。 例如： constitution spec plan tasks checklists contracts research 最终形成类似结构： specs/ ├── spec.md ├── plan.md ├── tasks.md ├── research.md ├── data -model.md ├── quickstart.md ├── contracts/ └── checklists/ 看起来像是多写了一堆 Markdown。 但实际作用是： 把需求从聊天记录里解放出来。 让需求、设计、任务、实现都能够被追踪、被审查、被交接。 为什么 AI 项目越来越需要 Spec？ 以前开发靠的是： 需求文档 ↓ 开发 ↓ 测试 现在很多团队变成： 需求 ↓ AI ↓ 代码 中间设计环节直接没了。 于是会出现几个经典问题。 问题 1：需求隐藏在聊天记录里 AI 写了很多代码。 一个月后再看： 为什么这样设计？ 没人知道。 因为答案在某次聊天记录里。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。