OpenSpec、Spec-Driven Development 与 CreateNow:AI 编码为什么开始从 Prompt 走向 Spec

OpenSpec、Spec-Driven Development 与 CreateNow:AI 编码为什么开始从 Prompt 走向 Spec

如果你最近在看 OpenSpec、Spec Kit、Claude Code、Copilot coding agent 这条线,会发现一个非常明确的变化:AI 编码的瓶颈已经不只是"模型写得快不快",而是"需求能不能被持续、可审查、可回放地执行"。

这也是为什么我觉得 CreateNow 值得关注。它不是再造一个 prompt 面板,而是在把 spec-driven 的核心思想产品化:先让意图成形,再让任务执行,再让结果可回验。

先把入口放前面,方便你边读边验证:

本文会重点拆 3 件事:OpenSpec 为什么会火;spec-driven 到底在解决什么问题;CreateNow 为什么能把这套方法从开发者工作流,推进到普通用户也能使用的软件工位。

1. 为什么 OpenSpec 会突然变得重要

OpenSpec 抓得很准。

它真正解决的不是"怎么生成更多代码",而是"怎么先把变更意图说清楚"。

在传统开发里,很多问题其实都不是因为程序员不会写,而是因为需求、设计、实现边界没有在同一层被对齐。

AI 编码把这个问题放大了。

因为模型一旦开始执行,如果它拿到的是一条模糊的愿望句,那它会非常高效地在错误方向上前进。

所以 OpenSpec 这类框架强调:

  • 先产出 proposal
  • 再产出 design
  • 再拆 tasks
  • 再明确 spec delta
  • 最后才进入实现

这背后的思想,本质上就是:

AI 越强,规格越重要。

2. 但 OpenSpec 解决的,主要还是"开发者如何和代理协作"

这里就出现了一个很关键的分水岭。

OpenSpec 非常适合开发团队。

因为开发团队本来就理解 proposal、design、tasks、spec 这些概念,也知道为什么要在编码前把它们整理清楚。

但普通用户的问题不是"不会写 spec delta"这么简单。

普通用户真正的问题是:

  • 他脑子里有一个软件想法
  • 他知道自己要解决什么问题
  • 他也知道哪里别扭、哪里不顺、哪里想改
  • 但他不知道怎么把这些意图翻译成 AI 可执行的软件需求

也就是说,开发者缺的是"规范化执行前的结构",普通用户缺的是"从自然语言到规范结构的翻译层"。

这正是 CreateNow 有意思的地方。

3. CreateNow 本质上是在做"面向普通人的需求编译器"

CreateNow 的思路不是让用户先学会写规格文档。

它更像是把 OpenSpec 这一类思想,往前又推了一步:

  • 用户先说自然语言
  • 系统再追问角色、流程、约束、验收标准
  • 然后把聊天结果编译成结构化需求
  • 再让需求进入任务拆解、状态执行、测试反馈和部署

换句话说:

OpenSpec 让开发者可以更稳定地驱动 AI。

CreateNow 则试图让普通人也能先把"想法"变成"可驱动 AI 的需求结构"。

这不是一个小差别,而是两个完全不同的人群入口。

4. 为什么这件事会成为下一阶段 AI 编码的分水岭

现在很多人已经不再满足于:

  • 让 AI 写一个页面
  • 让 AI 写一个接口
  • 让 AI 修一个 bug

真正开始有价值的,是:

  • 让 AI 参与从需求到交付的完整链路
  • 让任务状态持续推进而不是每次重新开局
  • 让规格、执行、测试和修改保持一致

也就是说,行业正在从 code-first 走向 intent-first,再走向 spec-first。

在这个阶段,谁能把"意图表达"稳定转成"软件生产动作",谁就不再只是一个代码工具,而会变成软件工位。

这也是为什么我认为 CreateNow 的定位很值得关注:

它不是简单去竞争"谁写代码更像大神",而是在竞争更大的位置:

谁能把 spec-driven development 这套思想,变成普通人也能消费的软件体验。

5. 如果你已经在关注 AI 编码,现在最值得试的不是更多 prompt,而是更完整的工作台

一句话总结:

AI 编码真正缺的,已经不是"更会写"。

真正缺的,是"更会对齐"和"更会交付"。

OpenSpec 代表的是开发团队正在补规格层。

CreateNow 代表的是普通用户也开始拥有进入这条链路的入口。

如果你对当前智能编码的感觉是:

"很炫,但离真正做出软件总差最后一层。"

那你大概率就在等这种产品。

直接体验入口

如果你更想边看边验证本文讨论的这些判断,可以直接从这里进入:

相关推荐
一个天蝎座 白勺 程序猿1 分钟前
MongoDB迁移新范式|从烟囱式孤岛到KES-AI融合架构
人工智能·mongodb·架构·kingbasees
倍利福猎头公司官方账号2 分钟前
人形机器人分析——电机(机器人猎头公司专项分析)
大数据·人工智能·机器人·求职招聘·业界资讯
稳石氢能7 分钟前
政策落地与市场冷遇并存,氢能产业如何跨越“最后一公里”?
大数据·人工智能
9i编程11 分钟前
手敲重构学透 Multi-Agent 代码(下):从 AgentScope 1.0.8 升级到 2.0,API 变了什么、踩了哪些坑
人工智能·openai·ai编程
安逸Ai13 分钟前
AI 编程助手如何读取、检索和修改大型代码仓库?
人工智能
码云之上14 分钟前
Harness Engineering:让 Agent 在受控边界内运行
人工智能·前端框架·前端工程化
AI 小老六19 分钟前
Agent Runtime 如何用 Session、Memory、User Profile 和 Skill 实现外部学习
服务器·人工智能·学习·ai·架构·自动化
aqi0023 分钟前
15天学会AI应用开发(十九)使用LangGraph实现持久记忆功能
人工智能·python·大模型·ai编程·ai应用
又折桃枝换酒钱23 分钟前
CycleChart:一个统一的基于一致性学习的双向图表理解与生成框架(翻译与解读)
人工智能·深度学习·学习