GitHub 官方开源：138k Star 的 Spec Kit，让 AI 编程助手先写规范再写代码

用 AI 写代码，最容易踩的坑是”随缘编程”（vibe coding）。

你跟 AI 说”帮我写个用户登录功能”，它啪啪啪给你写了一堆。结果样式不符合项目规范、用了项目里没有的依赖、错误处理方式和现有代码不一致、测试也没写。你改半天，还不如自己从头写。

问题不在 AI 笨，在于你给的信息太模糊。AI 不知道你的项目有什么规范、用什么架构、遵循什么约定。它只能按自己的默认习惯来，和你的项目对不上。

GitHub 官方开源的 Spec Kit 想解决这个。它的思路是：让 AI 先理解你的意图、明确规范、做好规划，再开始写代码。138k Star，MIT 协议。

这是什么

Spec Kit 是 GitHub 发布的命令行工具，用来做 Spec-Driven Development（规范驱动开发）。它不是又一个 AI 编程助手，而是给现有 AI 助手加一套结构化的工作流。

装好之后，你在 AI 助手的对话里用斜杠命令调用它（比如 /speckit-specify），它会引导 AI 走完一整套流程：先理解你要做什么、识别你没说清楚的地方、规划技术方案、拆解任务、最后才写代码。

核心理念一句话：规范先行，编码在后。不是让 AI 直接接受模糊提示就开干，而是先建立结构化的规范文档，再按规范执行。

六大命令工作流

Spec Kit 的核心是六个斜杠命令，按顺序走完就是一个完整的开发流程。

/speckit-constitution。每个项目跑一次，定义项目的指导原则——代码质量标准、测试要求、可维护性约束。这些原则会在后续所有步骤里被检查和遵守。

/speckit-specify。把一个需求变成规范文档。你说”我要一个用户登录功能”，它会帮你把这个需求拆成明确的规范——要做什么、为什么做，但还不动手决定怎么做。

/speckit-clarify。问最多 5 个针对性问题，把模糊的地方问清楚。比如”用 JWT 还是 session？""支持第三方登录吗？“你的回答会被折回到规范里。这步是个质量门，避免在没想清楚的情况下就往下走。

/speckit-plan。从规范生成技术方案——怎么做。用什么框架、什么架构、数据怎么存。比如”用 Vite + 原生 JavaScript，SQLite 存元数据”。

/speckit-tasks。把技术方案拆成有依赖顺序的任务清单，生成一个 tasks.md。每条任务都是可执行的，前后有依赖关系。

/speckit-implement。引导 AI 按任务清单的顺序写代码，每一步都对照规范、方案和任务文档执行。

除了这六个，还有 /speckit-checklist（生成质量检查清单）、/speckit-analyze（只读分析规范之间的冲突和缺口）、/speckit-converge（检查代码是否符合规范，反复迭代直到通过）。完整的闭环是：implement → converge，直到报告”Converged”。

支持主流 AI 助手

Spec Kit 不是绑定某一个 AI 的。它支持一大票主流编程助手，GitHub 官方列出来的就有 40 多个。

你可能在用的这些都在列：Claude Code、Cursor、GitHub Copilot、Codex CLI、Gemini CLI。还有 Amp、Cline、Devin、Factory Droid、Junie、Kilo Code 等等。

安装时选对应的集成就行：

uv tool install specify-cli
specify init my-project --integration claude

把 claude 换成 copilot、cursor-agent、codex、gemini 就是对应的助手。不同助手的调用方式略有差异，多数用 /speckit-命令，Codex 用 $speckit-命令，Kimi 用 /skill:speckit-命令。

实际用起来

安装需要 Python 3.11+ 和 uv。装好 specify-cli 后，初始化项目、选集成、开始用。

一个典型的完整流程是这样的。项目初始化时跑一次 /speckit-constitution 定下原则。每开发一个新功能，跑 /speckit-specify 写规范、/speckit-clarify 把模糊处问清楚、/speckit-plan 出技术方案、/speckit-tasks 拆任务、/speckit-implement 写代码、/speckit-converge 检查是否达标。

短一点的路径是：specify → plan → tasks → implement → converge。

生成的规范文档（constitution.md、spec.md、plan.md、tasks.md）都留在项目里，可以版本控制、可以团队共享。这意味着团队的规范是显式写在文件里的，不是存在某个人脑子里。

为什么值得用

直接跟 AI 说”帮我写个功能”和用 Spec Kit 走一遍流程，差别在结果的确定性。

模糊提示下，AI 每次猜的方向可能不同，代码风格不统一、架构不一致、要反复改。规范驱动下，AI 在动手前就清楚了项目的约定和这次要做什么、怎么做，写出来的代码和项目现有结构对得上，返工少。

Spec Kit 的定位是把软件工程的流程引入 AI 辅助编程。传统软件工程里，先写需求文档、再做技术方案、再拆任务、最后编码，这套流程保证了质量和可维护性。AI 编程省掉了这些中间环节，但也丢了确定性。Spec Kit 把它们补回来。

适合什么人

如果你符合这几条，Spec Kit 值得试试：在用 Claude Code、Cursor、Copilot 这类 AI 助手写代码；受够了 vibe coding 的不确定性；团队需要统一的代码规范和开发流程；做的是有一定复杂度的项目，不是几行代码的小修改。

几个提醒。需要 Python 3.11+ 和 uv。138k Star 是 GitHub 官方项目，社区活跃。规范文档会留在项目里，注意不要把敏感信息写进去。完整的九步流程对很小的改动可能有点重，短路径模式更适合日常用。

获取方式：GitHub 仓库 github.com/github/spec-kit，uv tool install specify-cli 安装。

让 AI 先想清楚再动手，比让它直接开干靠谱。138k Star 说明不少开发者认同这个判断。