vibe coding 一大问题就是，绝大多数人，代码写着写着就会出现问题。
举个例子，你现在突然想到了一个非常不错的 idea。
然后立马打开编辑器，让 AI 凭感觉编程（Vibe Coding），项目刚刚开始的时候进展还挺顺利的，但是做着做着你就会发现开始陷入需求不明确、代码结构混乱、反复修改的泥潭。
所以这种即兴、缺乏规划的开发模式，无论是对于人类还是 AI 来说，都是不可靠的。
因此我们就会有一种更严谨、更具工程思维的方法，规范驱动开发。
1、规范驱动开发核心方法论
1.1 核心理念
规范驱动开发 （Spec-Driven Development, SDD） ：先定义「做什么 」，再考虑「怎么做」
为什么需要规范驱动开发？
假如说你现在想要盖一栋房子，那么你不会直接就喊施工队过来施工，而是会让建筑师先画出详细的蓝图，这张蓝图就是规范（Specification，简称 Spec）【gzh：和平本记】
规范驱动开发的几个关键好处：
1）明确目标：有了规范文档，项目就拥有了清晰无歧义的目标
2）单一事实来源：这份规范成为了你（产品经理/架构师）和 AI（开发者） 之间的合约。所有人都围绕同一个目标工作，避免了沟通偏差和需求误解
3）减少返工：在编码前充分思考，识别出潜在问题和边缘案例，大大减少后期修改代码的成本
4）提高协作效率：AI 代理可以清晰地理解任务，甚至可以并行的执行多个任务，极大的提升了开发效率
2、Spec Kit 入门
Spec Kit 是 GitHub 上的一个开源项目，它是一个为规范驱动开发量身打造的命令行工具包。他通过一系列结构化的命令，引导你和 AI 完成一系列开发流程。
项目地址：
2.1 初始化
1）通过一行命令初始化你的项目
csharp
uvx --from git+https://github.com/github/spec-kit.git specify init
2）选择一个 AI 助手
上面的初始化命令执行完之后会让你选择一个 AI 助手。我这里选择 Claude Code
选择一个脚本类型
因为我是 Mac 电脑，macOS 默认是用 /bin/bash 或 zsh做 shell 的，这些都是 POSIX‐兼容的。所以我选择第一个。
3）初始化完成之后会得到一系列目录文件
scripts/：包含一系列自动化 Shell 脚本，用于创建分支、复制模板等，这是工具自动化能力的核心。templates/：存放各类文档模板，用于保证 AI 生成内容的结构一致性。memory/：存放项目的宪法（constitution.md），定义了项目不可违背的核心原则。
2.2 实际案例演示
假如我们现在需要开发一个，个人待办事项（To-Do List）的网页应用【gzh：和平本记】
1、头脑风暴
因为我们现在只有一个想法，并不知道这个产品的形态是什么样的。所以现在我们可以去找 ChatGPT 聊天，把我们关于产品的想法全部都倾倒给他。
让 ChatGPT 帮我们把零散的想法整理成一份清晰、初步的需求列表。这份需求列表就是我们下一步要输入给 Spec Kit 的原材料。
提示词：
markdown
你好，我需要你帮我规划一个简单的个人待办事项（To-Do List）网页应用。我只是在进行头脑风暴，所以想法可能有点乱，请你帮我整理成一个结构清晰的初步需求列表。
我的想法如下：
1. **核心功能**：我希望能添加新的待办事项，比如输入"学习 Spec Kit"然后就能加进去。
2. **查看任务**：我需要能看到所有我添加的任务列表。
3. **标记完成**：每个任务旁边应该有个复选框或者按钮，我点击了就能把它标记成"已完成"。已完成的任务应该看起来不一样，比如有删除线。
4. **删除任务**：我可能添加了错误的任务，或者任务完成了就不想再看到了，所以我需要一个删除按钮。
5. **界面风格**：我希望界面非常简洁、干净，有点像 Notion 那种现代风格。
6. **数据存储**：刚开始，我不需要复杂的数据库。数据能保存在浏览器里就行，这样我刷新页面后任务还在。
7. **技术方面**：嗯... 我对技术不太懂，但听起来用 React 或者类似的东西可能会不错？你觉得呢？
请帮我把这些想法组织成一个包含"核心功能"、"用户界面"、"技术考量"等部分的初步产品需求文档。文档要简洁明了，方便我后续交给一个 AI 开发代理。结果：
ChatGPT 会给你输出一份文档，把这份文档保存下来。
2、运行 /specify 命令，生成工程规范
这一步我们把刚刚从 ChatGPT 那里获取的需求文档，喂给 Spec Kit。Spec Kit 内置的 AI 代理（我们之前选择的 Claude）会接手这份文档，并将其扩展成一份极其详细和专业的产品规范 (spec.md)。
具体操作：
在你的 AI 代理的命令行界面中，输入 /specify 命令，然后粘贴我们上一步从 ChatGPT 获得的全部需求文档内容。
这时候 AI 会开始分析你的需求，并运行 create-new-feature.sh 脚本。
最终产出：
1）如果你需求文档有写的模糊的地方，AI 会让你澄清，当所有问题都澄清后，AI 会告诉你规范创建成功。
2）项目的 specs 文件夹下面，已经生成了一份非常详细的 spec.md 文件。
3）你的 Git 仓库也自动创建并切换到了一个新分支。
注意：
1️⃣ 这个项目暂时不支持中文。如果生成中文内容会出现乱码。所以我们喂的需求文档要把它换成英文。
2️⃣ 如果生成的文档内容中包含 emoji** 表情，也会乱码，可以关注官方后续的 bug 修复
3、运行 /plan 命令，进行技术规划
当规范确定后，就进入了技术规划阶段。
在这个阶段，我们的目标是将「做什么 」（产品规范）转化为「怎么做 」（技术实现方案）。我们将使用 Spec Kit 的第二个核心命令 /plan。
具体操作：
1）准备技术栈信息
向 AI 提供明确的技术栈选择，告诉它我们想用什么工具来构建这个应用。【gzh：和平本记】
我们将使用的技术栈列表：
- 语言: TypeScript
- 框架: Next.js 14 (使用 App Router)
- UI 组件库: shadcn/ui
- 样式 : Tailwind CSS (shadcn/ui 自带)
- 数据存储: 浏览器 Local Storage** (用于 MVP 阶段)
- 测试: Jest + React Testing Library
2）执行 /plan 命令
在你的 AI 代理的命令行界面中，输入 /plan 命令，然后，将我们上面准备好的技术栈信息粘贴在命令后面。
这时候 AI 代理会开始它的技术规划工作，AI 会告诉你它正在运行 setup-plan.sh 脚本。
首先读取我们之前生成的 spec.md 文件，以充分理解项目需求。
然后，它会结合你提供的技术栈信息，开始进行详细的设计。
在这个阶段，AI 通常不会再向你提问，因为它所需的所有信息（产品需求 + 技术选型）都已经完备了。
3）最终产出
当命令执行完成之后，你会看到新分支文件夹下面多出几个新文件：
plan.md: 这是最重要的产出。这份文件会详细描述，如何组织文件和文件夹（项目架构），会把 UI 拆分成哪些 React 组件（组件分解），描述数据如何在组件之间传递，以及如何与 Local Storage 交互（数据流）。
data-model.md: 这份文件会更具体地定义数据结构和数据库模式。
research.md: AI 会生成一份研究文档，记录它在技术选型或实现细节上的一些考量。
4、运行 /tasks 命令，生成可执行任务列表
具体操作：
在你的 AI 代理的命令行界面中，你只需要输入：
bash
/tasks不需要提供任何额外的参数或文本，因为 AI 知道它需要去读取当前特性分支下的 spec.md 和 plan.md 等所有相关文档。
当你输入 /tasks 之后，AI 会开始执行check-task-prerequisites.sh 脚本，以确保所有需要的文件都已就位。
接着，AI 会系统性地阅读 plan.md, data-model.md, spec.md 等所有上下文文件。
然后，它会开始进行任务生成，将大的实现步骤（比如构建 UI 组件）分解成非常具体的小任务，比如创建 Button.tsx文件、创建 Input.tsx 文件、创建 TodoItem.tsx 组件等。
最终产出：
当命令执行完成后，AI 会给出一个总结，告诉你总共生成了多少个任务，分布在几个阶段中，以及有多少个任务可以并行执行。
然后我们回到 vscode** 就可以看到 task.md 这个文件
解释一下这个文件:
1）所有的任务都被分成了逻辑清晰的阶段
2）每个任务都有一个唯一的 ID，如 T001, T002。
3）每一个任务都有非常具体的操作指令。例如：
sql
T001 [P] Create Next.js 14 project with TypeScript and Tailwind CSS
4）并行标记
那些带有 [P] 标记的任务代表是相互独立的，可以并行执行。
5）依赖关系
告诉你哪些阶段必须在前一个阶段完成后才能开始。
到这里 Spec Kit 的核心三步曲已经走完了，你现在拥有了一份机器可读、人也可读的、极其详尽的施工手册(tasks.md)。
5、实施与编码（最终执行）
现在我们可以让 AI 进行真正的编码工作了。
你可以复制 tasks.md 中的一个任务描述（例如 T001 [P] Create Next.js 14 project with TypeScript and Tailwind CSS），然后直接作为指令发给 AI 代理，它就会开始执行。
对于那些被标记为 [P] 的任务，你可以同时打开多个 AI 代理会话（或者使用 Claude Code 的子代理功能），把不同的并行任务分配给它们。
6、总结
通过上面这5步，我们完成了从一个模糊的想法，到一个结构化的需求，再到一个详细的技术计划，最后到一个可执行的任务列表，并最终产出代码的全过程。【gzh：和平本记】
3、FAQ
1、Spec Kit 可以为某个特定功能生成规范文档吗？
GitHub Spec Kit 的工具包可以为一个全新的、完整的项目制定开发规范，也可以用它来为现有项目中某个特定的新功能（例如，用户认证功能）制定开发规范
2、既然 Spec Kit 有 /specify 和 /plan 命令，为什么还需要先用 ChatGPT 进行「规划」？这两者之间到底是什么关系？
我们可以把整个开发过程分成两个大的阶段：
1、人类主导的战略规划与创意构思
这是最开始、最模糊、最纯粹的头脑风暴阶段。在这个阶段你可能只有一个模糊的想法（比如我想要一个 CMS 系统），你需要把它变成一个相对清晰、有逻辑的产品概念。
这个阶段最适合由人类来主导，而 ChatGPT 这样的通用大语言模型，是这个阶段最好的对话伙伴和思维整理工具。
因为 ChatGPT 非常灵活，你可以用非常口语化甚至杂乱的语言和他对话，它能帮你把零散的想法整理成结构化的文本。
2、工具驱动的工程化实现
当你有了一个清晰的产品概念之后，接下来就是把它变成真正的软件。这个过程需要严谨的工程步骤：定义详细规范、设计技术架构、分解任务、编写代码。
这个阶段最适合由像 Spec Kit 这样的专业工具来主导。Spec Kit 本身并不是一个创意工具，它是一个工程框架。它的作用是接收一个已经相对明确的需求，然后以一个高度结构化、自动化的方式将其实现。
因为 Spec Kit 的 /specify, /plan, /tasks 命令被设计用来执行特定的工程任务（扩展规范、生成计划、分解任务），输出是可预测的、标准化的工程文档。
总的来说，specify和 plan 这两个命令确实能扩展你的想法，但是他们并不能完成完整的规划工作，所以，我们使用 ChatGPT 来帮助我们规划，ChatGPT 最终会给你提供一份需求文档，一旦你明确需求，就可以把它交给 spec kit ，以便将其扩展成一份完整的规格文档。