文章目录
前言
各位老铁，你们有没有过这种绝望的时刻？
你对Claude说："帮我写个用户登录模块"，AI刷刷刷给你生成200行代码，你热泪盈眶------终于不用加班了！结果一跑，密码明文存储，SQL注入漏洞比筛子还多，连验证码逻辑都写成了"只要用户输入的不是空字符串就通过"。你气得想砸键盘，AI却无辜地看着你："不是你让我写的吗？"
这就是2025年最痛的领悟：AI不是不够聪明，而是太聪明了，聪明到它猜不透你脑子里的"潜规则"。
就像你相亲时对姑娘说"我人还不错"，结果对方理解成了"长得帅、有房有车、会做饭、孝敬父母、年薪百万"。期望落差之大，足以让项目崩盘。
于是，一帮被AI坑惨了的工程师们一拍大腿：咱们得签合同！不是和AI签，而是和自己签------先把"我要什么"写清楚，再让AI按章办事。这就是今天的主角：SDD（Spec-Driven Development，规范驱动开发）。
SDD是个啥？先写"菜谱"再"炒菜"
用大白话说，SDD就是"先写说明书，再让AI打螺丝"。
想象你要装修房子。传统开发方式是："师傅，给我整得温馨点"，然后瓦工刷了个死亡芭比粉的墙面，你当场崩溃。SDD方式则是：你先拿出厚厚的设计图纸，标明"墙面 Pantone 12-4302 色调、地板橡木实木、插座高度距地30cm"，师傅按图施工，验收时对色卡------对不上就不给钱。
在AI时代，规范（Specification）就是唯一的真理来源（Single Source of Truth），代码只是规范的"衍生品"。就像菜谱是核心，炒出来的菜只是菜谱的物质形态。你想吃红烧肉，改菜谱就行，不用亲自下厨房。
SDD有三个段位，你可以根据自己的控制欲选择：
- Level 1（规范优先）：你写规范，AI参考着写代码，最后你还得人工Review------像教练指导运动员。
- Level 2（规范锚定）：规范长期有效，每次需求变更都得更新规范文档------像建筑图纸，改一版就要归档。
- Level 3（规范即源码）：你只管写规范，代码完全由AI生成，人永不碰代码------像米其林餐厅老板，只定菜单不炒菜。
但光知道理论没用，咱们得落地。这时候就需要两员大将出场：OpenSpec和SuperPowers。
OpenSpec：AI项目的"档案局局长"
OpenSpec是啥？你可以把它理解为"Git的远房表亲，专门管规范版本"。
这玩意儿是Fission AI搞出来的，核心理念叫"Versioned proposals for evolving systems"（为演进中的系统提供版本化提案）。听着高大上，实际上就是：任何需求变更，必须先写提案（Proposal），通过评审才能动工。
它的工作流像政府审批：
- 提案阶段：你想加功能？先写proposal.md，说清楚"我要加啥、为啥加、不加啥（Out of Scope）"------防止AI"过度帮助"把简单需求做成操作系统。
- 规格阶段：写spec.md，用GIVEN/WHEN/THEN格式描述验收标准，像写测试用例一样写需求。
- 变更追踪：每个变更都有Delta标记（ADDED/MODIFIED/REMOVED），就像Git的diff，一眼看出改了啥。
最骚的是它的棕地优先（Brownfield-first）设计。老项目最怕什么？新AI助手一上来就把祖传代码改崩了。OpenSpec要求你必须标注哪些旧逻辑被修改，防止AI乱动你的"屎山"。
安装也简单：npm install -g @fission-ai/openspec，然后openspec init，项目里就多了个openspec/目录，里面分三个档案柜：
📁 specs/ ← 已完成的功能规范（历史档案）
📁 changes/ ← 正在开发的变更（施工图纸）
📁 archive/ ← 已归档的提案（结案卷宗）
这套系统最适合需求不稳定、团队成员多、代码要长期维护的项目。就像给AI戴上了紧箍咒：不是不让你发挥，而是先立规矩再发挥。
SuperPowers：AI的"军训教官"
如果说OpenSpec是制定法律的人，那SuperPowers就是监督执行的军训教官------而且是那种"TDD（测试驱动开发）铁律违者必究"的狠角色。
这玩意儿是Jesse Vincent（键盘大厂Keyboardio的创始人）开源的神器，GitHub上已经爆了5.7万星。它不搞花里胡哨的，就一件事：用严格的流程纪律约束AI的行为。
SuperPowers的核心是Skills（技能包），每个技能都是一份Markdown格式的"军规"，告诉AI在这个阶段该干啥。关键技能包括：
| 技能名 | 作用 | 类比 |
|---|---|---|
| brainstorming | 苏格拉底式提问，逼AI想清楚了再动手 | 像论文导师，先问死你 |
| writing-plans | 把任务拆成2-5分钟的小块 | 像把大象切块，一口一口吃 |
| test-driven-development | 强制RED-GREEN-REFACTOR循环 | 像先画靶再射箭，射不中不能换靶 |
| subagent-driven-development | 派子代理并行执行任务 | 像包工头找农民工分队 |
| requesting-code-review | 两阶段审查（规格合规+代码质量） | 像安检+海关双重检查 |
最狠的是subagent-driven-development（子代理驱动开发）。AI不再是一个人干所有活，而是像项目经理一样，派专门的Implementer子代理写代码，派Reviewer子代理审查，派Debugger子代理修Bug------多AI协同，各司其职。
而且SuperPowers是自动触发的。你不需要记命令，AI在干活前会自动检查："哦，我在实现阶段，必须先跑TDD技能"。就像汽车不系安全带就发不出警报声，AI不按流程就走不动道。
这套系统最适合追求代码质量、需要严格测试、团队协作复杂的场景。一句话：OpenSpec管"做什么"，SuperPowers管"怎么做"。
双剑合璧：1+1>2的暴力美学
现在问题来了：OpenSpec和SuperPowers，选哪个？
小孩子才做选择，成年人全都要。真正的暴力美学是双框架组合拳。
第一层：用OpenSpec做项目骨架
先用OpenSpec初始化项目，建立规范基准。每次新需求都走openspec propose流程，生成proposal.md。这一步解决"需求漂移"问题------很多项目做着做着就歪了，就是因为前期没写清楚"不做啥"。
第二层：用SuperPowers做行为约束
把SuperPowers的技能文档放在项目的.claude/或.cursor/目录里。当OpenSpec的规范定好后，SuperPowers的writing-plans技能读取规范，自动拆分任务。然后subagent-driven-development技能派子代理执行，强制执行TDD。
第三层：双向验证闭环
OpenSpec规格文档 → SuperPowers读取并拆分任务
↓
SuperPowers子代理执行（强制TDD）
↓
OpenSpec验证引擎检查实现是否满足规格
↓
SuperPowers审查技能提供测试通过证据
↓
OpenSpec归档变更，更新 specs/ 目录
这套组合拳打下来，AI编程就从"开盲盒"变成了"流水线作业"。规范是图纸，SuperPowers是监工，OpenSpec是档案管理，三者缺一不可。
避坑指南：别把这些当银弹
当然，这两把利器也不是万能的。根据实战经验，有几个坑你得避开：
坑1：规范写成散文
别写"用户体验要好"这种虚的，要写"页面加载时间小于2秒，错误提示使用红色#FF0000"。AI读不懂散文诗，它要的是结构化约束。
坑2：全量加载SuperPowers技能
14个技能全装上，Token烧得比火箭还快。建议只选5个核心：TDD、writing-plans、systematic-debugging、verification-before-completion、requesting-code-review。
坑3：在小脚本上用重武器
如果你只是写个一次性爬虫，别搞SDD，纯属大炮打蚊子。SDD适合多人协作、长期维护、对稳定性要求高的项目。
坑4：以为规范不用维护
规范不是一次性写完的，而是随系统演进的核心资产。每次改代码都要问：规范更新了吗？Delta标记了吗？归档了吗？
写在最后：从"氛围编程"到"规范编程"
2025年，AI编程已经从"玩具"变成了"生产工具"。但工具越强大，越需要规矩约束。
SDD+OpenSpec+SuperPowers这套组合拳，本质上是在解决一个核心矛盾：AI有能力写代码，但没有纪律维护工程质量。它不会主动先写测试，不会系统定位Bug根因，也不会在写代码前检查spec。
通过结构化规范（OpenSpec）+ 强制执行纪律（SuperPowers），我们终于可以把AI从"瞎猜的实习生"培养成"靠谱的老司机"。
下一篇，我会用实战案例演示：如何用OpenSpec+SuperPowers在3天内重构一个遗留系统的用户认证模块，且零回归Bug。敬请期待！
朋友们，今天的内容就到这里。如果你觉得有收获，欢迎点赞、在看、转发三连------毕竟，在这个AI时代，掌握规范驱动开发的人，才是掌握AI的人。
PS：目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。