spec-kit分析

specify

description: 从自然语言功能描述中创建或更新功能规范。 scripts: sh: scripts/bash/create-new-feature.sh --json "{ARGS}" ps: scripts/powershell/create-new-feature.ps1 -Json "{ARGS}"

给定作为参数提供的功能描述,执行以下步骤:

  1. 从仓库根目录运行 {SCRIPT} 脚本,并解析其 JSON 输出中的 BRANCH_NAME 和 SPEC_FILE。所有文件路径必须是绝对路径。
  2. 加载 templates/spec-template.md 以理解所需的章节。
  3. 使用模板结构将规范写入 SPEC_FILE,在保持章节顺序和标题的同时,用从功能描述(参数)中提取的具体细节替换占位符。
  4. 报告完成情况,包括分支名称、规范文件路径,以及进入下一阶段的就绪状态。

注意:该脚本会创建并切换到新分支,并在写入前初始化规范文件。

plan

description: 使用 plan 模板执行实现规划工作流,以生成设计产物。

在给定实现细节作为参数的情况下,执行以下操作:

  1. 从仓库根目录运行 .specify/scripts/bash/setup-plan.sh --json,并解析 JSON,获取 FEATURE_SPECIMPL_PLANSPECS_DIRBRANCH。所有后续的文件路径都必须使用绝对路径。

  2. 阅读并分析功能规格文档,以理解:

    • 功能需求和用户故事
    • 功能性和非功能性需求
    • 成功标准和验收标准
    • 任何提及的技术约束或依赖
  3. 阅读 .specify/memory/constitution.md 中的"宪法",理解宪法性要求。

  4. 执行实现计划模板:

    • 加载 .specify/templates/plan-template.md(已复制到 IMPL_PLAN 路径)

    • 将输入路径设置为 FEATURE_SPEC

    • 运行执行流程(main)中的步骤 1--10

    • 模板是自包含且可执行的

    • 按照指定的错误处理和关卡检查执行

    • 让模板指导在 $SPECS_DIR 中生成工件:

      • Phase 0 生成 research.md
      • Phase 1 生成 data-model.mdcontracts/quickstart.md
      • Phase 2 生成 tasks.md
    • 将用户提供的参数细节纳入技术上下文:$ARGUMENTS

    • 在完成每个阶段时更新进度追踪(Progress Tracking)

  5. 验证执行是否完成:

    • 检查进度追踪是否显示所有阶段已完成
    • 确认所有必需的工件已生成
    • 确认执行过程中无 ERROR 状态
  6. 报告结果,包括分支名、文件路径和生成的工件。

使用仓库根目录的绝对路径进行所有文件操作,以避免路径问题。


tasks

description: 基于可用的设计文档,为该功能生成可执行的、按依赖顺序排列的 tasks.md。 scripts: sh: scripts/bash/check-task-prerequisites.sh --json ps: scripts/powershell/check-task-prerequisites.ps1 -Json

给定作为参数提供的上下文,执行以下步骤:

  1. 从仓库根目录运行 {SCRIPT} 脚本,并解析输出中的 FEATURE_DIR 和 AVAILABLE_DOCS 列表。所有路径必须是绝对路径。

  2. 加载并分析可用的设计文档:

    • 始终读取 plan.md 以了解技术栈和依赖库
    • 如果存在:读取 data-model.md 以获取实体信息
    • 如果存在:读取 contracts/ 以获取 API 接口定义
    • 如果存在:读取 research.md 以了解技术决策
    • 如果存在:读取 quickstart.md 以获取测试场景

    注意:并非所有项目都有全部文档。例如:

    • CLI 工具可能没有 contracts/
    • 简单的库可能不需要 data-model.md
    • 根据实际可用文档生成任务
  3. 按以下模板生成任务:

    • 使用 /templates/tasks-template.md 作为基础
    • 用实际任务替换示例任务,任务依据包括:
      • 初始化任务:项目初始化、依赖、代码规范检查
      • 测试任务 [P]:每个 contract 一个测试任务,每个集成场景一个测试任务
      • 核心任务:每个实体、服务、CLI 命令、接口一个任务
      • 集成任务:数据库连接、中间件、日志等
      • 完善任务 [P]:单元测试、性能优化、文档
  4. 任务生成规则:

    • 每个 contract 文件 → 一个 contract 测试任务(标记 [P])
    • data-model 中的每个实体 → 一个模型创建任务(标记 [P])
    • 每个接口 → 一个实现任务(若文件共享则不可并行)
    • 每个用户故事 → 一个集成测试任务(标记 [P])
    • 不同文件 = 可并行 [P]
    • 相同文件 = 顺序执行(不标记 [P])
  5. 按依赖顺序排列任务:

    • 初始化任务在最前
    • 测试优先于实现(TDD 原则)
    • 模型优先于服务
    • 服务优先于接口
    • 核心优先于集成
    • 所有任务优先于完善
  6. 包含并行执行示例:

    • 将可并行的 [P] 任务分组
    • 展示实际的 Task agent 命令
  7. 在 FEATURE_DIR/tasks.md 中生成内容:

    • 使用实现计划中的正确功能名称
    • 编号任务(T001, T002, 等)
    • 为每个任务标明清晰的文件路径
    • 添加依赖说明
    • 提供并行执行指导

任务生成上下文:{ARGS}

生成的 tasks.md 必须可以立即执行------每个任务都要足够具体,使 LLM 无需额外上下文即可完成。

相关推荐
一切尽在,你来21 小时前
第二章 预告内容
人工智能·langchain·ai编程
草梅友仁21 小时前
墨梅博客 1.4.0 发布与开源动态 | 2026 年第 6 周草梅周报
开源·github·ai编程
孟健1 天前
吹爆 OpenClaw!一个人 +6 个 AI 助理,我再也不想招人了
openai·agent·ai编程
周末程序猿1 天前
再谈Agent Loop:大模型 “能做事” 的核心机制
agent·ai编程
皮卡丘不断更1 天前
手搓本地 RAG:我用 Python 和 Spring Boot 给 AI 装上了“实时代码监控”
人工智能·spring boot·python·ai编程
冬奇Lab1 天前
Hook 机制实战:让 ClaudeCode 主动通知你
ai编程·claude
码路飞1 天前
语音 AI Agent 延迟优化实战:我是怎么把响应时间从 2 秒干到 500ms 以内的
ai编程
海石1 天前
去到比北方更北的地方—2025年终总结
前端·ai编程·年终总结
forgetAndforgive1 天前
免费使用cc opus 4.6等顶级模型,注册送三天plus会员!白嫖活动又来了
chatgpt·ai编程
玄同7651 天前
从 0 到 1:用 Python 开发 MCP 工具,让 AI 智能体拥有 “超能力”
开发语言·人工智能·python·agent·ai编程·mcp·trae