AI 编程不靠运气，Kiro Spec 工作流复刻全攻略

一文复刻 Kiro Spec 工作流到 Cursor/ClaudeCode 等各种AI IDE

🙅‍♂️模型受限，用不了高级模型怎么办？

一文教你复刻 AWS 新出的 AI IDE Kiro 中的 Spec 工作流

支持 Cursor/ClaudeCode/CodeBuddy 等各种AI IDE

文末有全套提示词和教程 ⬇

大家好，我是 Booker。

我最近研究 Kiro 的推文又爆了

再加上最近经常听到朋友们吐槽：AI IDE 里的大模型选择有时会受限，担心开发效率会不会大打折扣 。我实践之后发现，只要方法用对了------比如 Kiro Spec 工作流------即使没有高级大模型，依然能让开发体验和产出大幅提升。

于是这次特地整理成一篇系统的文章，详细分享我的实操经验和方法论。无论你用的是 Cursor、Claude Code 还是其他 AI IDE，都可以参考这套方案。

拉霸式 vibe coding，真的靠谱吗？

你是否有过这样的体验：在 AI IDE 里输入一句模糊的需求，点击"生成"，满怀期待地等着 AI 给你一个完美的程序？结果却像在拉霸机前拉动拉杆------有时中个小奖，大多数时候却一无所获。

最近X上面流行这么一张图，非常形象：

拉霸游戏和 vibe coding 的异同：

拉霸游戏：买代币，拉拉杆，偶尔中大奖，更多时候是"再来一次"，最终庄家总是赢家。

氛围编程（vibe coding）：买 Tokens，写模糊提示，点"生成"，有时得完美代码，有时一团乱麻。AI 鼓励你"再试一次"，你安慰自己"这次一定能修好 bug"，但最终模型厂商总是赢家。偶尔你觉得自己赚到了，回头却发现花了更多时间。

vibe coding 最大的问题是：它让开发变成了"碰运气"，而不是"可控的工程"。

常见的 vibe coding 流程示意图

黄色节点为"人"操作，蓝色为 AI 产出，红色为不理想结果。

有没有更好的办法？------传统研发流程是怎么做的

传统软件工程强调需求澄清、技术设计、任务拆分、过程可追溯。这样做虽然"慢"，但能让项目稳步推进、可复盘、可协作。每一步都有人参与评审，确保方向和细节都不会跑偏。

Kiro AI IDE 就把这种流程做成了**"Spec 工作流"**，让 AI 编程也能像工程师一样靠谱。

传统研发流程示意图

该流程强调需求评审和迭代反馈，体现传统软件工程的闭环和持续优化。

Kiro 的 Spec 工作流有多香？

Kiro 是 AWS 推出的 AI IDE，除了免费集成 Claude 4，更大的亮点是它的 Spec 工作流：

一个 Spec 可以说是一个规格/规范，如果用过BDD (行为驱动开发) 可能就会比较熟悉这个名词。

Spec 是用来解决如何把模糊的想法转化为详细的实施计划、跟踪和验收标准的问题。

每个 Spec 都是一个文件夹，下有 3 个核心文件：
1. requirements.md ------ 需求文档（用 EARS 语法写用户故事和验收标准）
2. design.md ------ 技术方案（架构、流程、注意事项）
3. tasks.md ------ 任务清单（todolist，便于跟踪）

感觉有没有很熟悉？其实这和很多大厂的研发流程、敏捷开发的拆解方式如出一辙，但 Kiro 把它和 AI IDE 深度结合，极大提升了落地效率。

什么是 EARS 需求语法？

EARS（简易需求语法）最早用于喷气发动机控制系统，后来被软件工程广泛采用。它用简单句式约束需求，避免"模糊表达"，让需求更清晰、可落地。

参考资料：EARS 语法指南

我还整理了一个速查表，可以快速理解一下：

例：When 用户点击"静音"，系统应当抑制所有音频输出。

例如一个完整的例子：

Claude Code 也能玩 Spec 流程！（含实操演示和对话示例）

即使没有 Kiro，其他 AI IDE 也能复刻这套流程。以 Claude Code 为例，整个过程可以非常丝滑：

在项目下建立 CLAUDE.md
- 你可以把下面的提示词模板直接写进 CLAUDE.md，作为 AI 协作的"工作说明书"。
- 最新版本的提示词可以在这个 Github 链接获取。

启动 Claude Code，输入原始需求
- 直接把你的想法、用户故事写进对话框。
- Claude 会自动读取 CLAUDE.md，开始和你进行需求澄清和确认。
需求确认后，Claude 输出 requirements.md
- Claude 会用 EARS 语法梳理需求，生成标准的 requirements.md。
- 你可以随时补充、修改，Claude 会持续和你对齐。