AI编码正在飞速发展，每周都有能让我感到吃惊的AI编码工具出现。

还记得上次给大家分享了AI编程的工作流吗？最近我又找到了一个更好的工具，可以更好的生成初创项目的代码实现，那就是9月份 github 开源的 spec-kit。今天，我们就来一起盘一盘它到底有多神。

什么是规则驱动开发（Spec-Driven Development）?

“某某驱动开发”这个词，在软件开发行业都快听出茧子了，从 TDD (测试驱动开发) 到 BDD (行为驱动开发)，核心目标都是为了提升效率和质量。

那么现在这个 Spec-Driven Development 又是什么新花样呢？

Spec-Driven Development 的核心思想是，让规范变得可执行，直接生成企业级的代码实现。换句话说，规范本身就应该是能跑起来、能直接生成代码的“活”蓝图。

github 开源的 spec-kit 项目包含了哪些内容？

spec-kit 正是 GitHub 为实践这一理念给出的官方答卷。

它本质上是一整套为项目开发量身定制的“提示词工具箱”，并巧妙地包装成了命令行工具，能无缝适配各种编程助手（比如 Claude Code）。

你可以把 spec-kit 想象成是给 AI 配备了一位专业的项目经理和一套完整的SOP（标准作业程序）。你只需要跟这位‘项目经理’沟通好目标，剩下的事情它会安排得明明白白。

整个流程主要包含下面这几个步骤：

1. 立个“宪法”：建立项目原则

是的，你没听错，就是‘宪法’（Constitution）！

通过 /speckit.constitution 命令，我们可以为项目创建一套最高指导原则和开发指南。它的优先级极高，后续 AI 生成的任何内容，都必须回头对照“宪法”，不符合要求的还得“回炉重造”。

在这里，你可以定下各种规矩，比如：

• 所有项目文档、注释、提交信息必须使用中文。
• 所有任务执行必须采用深度思考模式。
• 技术栈偏好，等等。

2. 定个目标：创建项目需求

第二步，我们需要用 /speckit.specify 命令来描述我们到底想做什么（What）和为什么做（Why）。

这一步的产出是一个 spec.md 文件，它就像一份高质量的 PRD (产品需求文档)，里面包含了开发背景、用户故事、功能需求等。

强烈建议你仔细读一遍生成的 spec.md。感觉 AI 生成的需求还是有点空泛？别担心，spec-kit 还提供了一个‘灵魂拷问’神器：/speckit.clarify 命令。它会向你提问，帮你把模糊的想法澄清，并将答案补充回文档里，这个过程本身也是一次绝佳的需求梳理。

3. 画个蓝图：决定技术栈与架构

需求明确后，就该用 /speckit.plan 命令来规划技术实现了。

这一步，你需要告诉它你的技术选型偏好。然后，它会为你生成一整套技术文档，包括：

• 整体技术规划 (plan.md)
• 技术研究 (research.md)
• 数据模型设计 (data-model.md)
• API 接口文档 (api.yaml)
• 快速开始指南 (quickstart.md)

等等，这简直是保姆级服务！

4. 列个清单：生成任务列表

第四步需要生成任务清单，主要专注于任务清单和任务分解。

蓝图画好了，接下来就是把大象放进冰箱——分解任务！

使用 /speckit.task 命令，AI 会自动将需求和技术方案分解成一份详细的任务清单 task.md。

在我自己的实践中，它居然帮我把一个不算复杂的项目分解出了 7 个大阶段，80 个子任务！虽然越往后的任务可能会有些许偏差，但整体的规划能力已经相当惊人了。

5. 开干！执行任务

万事俱备，只欠执行。/speckit.implement 命令会根据 task.md，逐一执行开发任务。

我个人的习惯是让 Claude Code 按阶段执行，每个阶段完成后，用 git 做好版本控制。稳扎稳打，步步为营。

实战演练：用 spec-kit + Claude Code 从零构建项目

理论说再多，不如上手搞一波！

首先，通过 uv 安装 spec-kit 的命令行工具：

uv tool install specify-cli --from git+https://github.com/github/spec-kit.git

然后，用 specify init <PROJECT_NAME> 初始化项目。

specify init ./TinyCodeBase

specify 初始化界面

接下来，我们完整走一遍流程（以下演示基于 Claude Code）：

然后我们从头来走一遍使用 spec-kit 进行开发的流程。本次演示是基于 Claude Code 进行开发的。

第一步：立“宪法”

/speckit.constitution
构建项目开发原则：
1. 所有文档、注释、提交信息均使用中文编写。
2. 采用深度思考模式，确保代码质量。
3. 请你根据通用最佳实践，适当补充其他原则。

AI 生成的项目“宪法”

第二步：定目标并澄清

/speckit.specify
产品需求：
核心目标是构建一个轻量版的 AI 代码知识库工具。它能读取一个 Git 仓库或本地代码文件夹，自动分析代码并生成结构化的文档（包含项目目录树和每个文件的代码解析）。最终，让开发者能通过一个简单的可视化界面，在5分钟内完成“导入代码 → 生成文档 → 查阅结构”的全流程。

AI 会产出 spec.md。接着，我们用 /speckit.clarify 进行“灵魂拷问”，让需求更具体。

它向我提出了多个问题，这里再放两张”拷问“的过程：

通过问答澄清需求细节

第三步：画蓝图

/speckit.plan
技术实施计划：
1. 后端采用 NodeJs 方案，数据库采用 SQLite 保存本地的方案，
2. 大模型需要支持配置 API_ENDPOINT、apikey、模型名称，以支持第三方模型厂商（通过 .env 来实现）
3. 前端方案采用简单的 html + css + js 的技术方案
4. 项目需要创建的根目录为 speckit-mvp，不影响该仓库其他的已有代码

AI 随即产出了 plan.md 和一系列配套的技术设计文档。

技术实施计划

第四步：列清单

/speckit.task
开始生成开发任务清单

然后它帮我产出了 task.md 文件。

开发任务清单

第五步：开干！

/speckit.implement
开始执行阶段1和阶段2

看着 AI 一行行地敲出代码，项目从无到有，这种感觉太棒了！

执行阶段1和阶段2

执行阶段3

到这里，一个项目的 MVP 版本就基本完成了！

当然，由于本次开发完全放手交给AI，在开发完成后，验收遇到了很大的阻力。由 spec-kit 很难进行bug修复和功能优化。

这部分工作，我最后交给了 cursor 来完成。这又涉及到 cursor 最近开放出的另一个王炸功能 Browser，这个我们下次再说。

总结

回顾全文，spec-kit 表面上是一套提词命令，但其背后，是一种全新的“规则驱动开发”思维。它就像一位专业的项目经理，引导我们先想清楚“为什么”和“是什么”，再动手“怎么做”，从而保证了 AI 生成代码的质量和方向。

如果你也厌倦了和 AI “鸡同鸭讲”的低效沟通，不妨亲自上手体验一下 spec-kit 带来的改变！

本项目所有代码均已开源，后面我们也会基于这个项目继续完成 TinyCodeBase 的开发。欢迎大家来我的 GitHub 仓库 TinyCodeBase 围观！

如果觉得有帮助，别忘了 Star 哦！你的反馈是我持续探索的最大动力！✨