Vibe Coding 很有趣，但当项目稍大一点，纯靠 prompt 驱动的开发流程就容易散架——需求没理清、步骤跳来跳去、AI 生成的代码偏离意图。Spec Kit 要解决的就是这个问题：在你和 AI 之间加一层结构化的规格说明，让 AI 按规格而不是凭感觉来写代码。
Spec Kit 是 GitHub 官方开源的 Spec-Driven Development（规格驱动开发）工具包，目前在 GitHub 上已有 83.9k 星，支持 20 多种 AI 编程代理，社区扩展和贡献者数量都在快速增长。
规格驱动开发是怎么回事
传统的软件开发里，规格说明只是中间产物——写完就扔，真正干活的还是代码。Spec-Driven Development 反过来：把规格说明抬到核心位置，让它直接驱动实现。
具体到 Spec Kit 的场景：你先用自然语言描述要做什么（specification），工具帮你把它拆成技术方案（plan）和任务列表（tasks），然后 AI 代理按计划逐步实现。整个过程是多步精炼，不是一句 prompt 生成全部代码。
这背后的核心假设是：AI 擅长按照清晰的规格来执行，但不擅长从模糊的需求里独立做端到端的判断。你负责”做什么”和”为什么”，AI 负责”怎么做”。
安装 Specify CLI
Spec Kit 提供了一个名为 specify 的 CLI 工具，基于 Python，用 uv 安装。
一次性安装（推荐）
# 安装指定版本（推荐，vX.Y.Z 替换为最新 release tag）
uv tool install specify-cli --from git+https://github.com/github/spec-kit.git@vX.Y.Z
# 或安装 main 分支最新版
uv tool install specify-cli --from git+https://github.com/github/spec-kit.git安装完成后，specify 命令会直接在 PATH 中可用。
免安装运行
uvx --from git+https://github.com/github/spec-kit.git@vX.Y.Z specify init <项目名>系统要求
- Linux / macOS / Windows
- Python 3.11+
- Git
- uv
- 至少一个支持的 AI 编程代理
六步开发流程
Spec Kit 把一个功能的开发分成六个明确的阶段，对应六条斜杠命令。以一个照片管理应用为例，走一遍完整流程。
第 1 步：初始化项目
specify init my-project --ai copilot这会创建项目目录，配置好对应 AI 代理的命令文件。--ai 参数指定你使用的代理，比如 claude、copilot、cursor-agent、gemini 等。
第 2 步：建立项目准则（Constitution）
在 AI 代理里执行：
/speckit.constitution 创建聚焦代码质量、测试标准、用户体验一致性和性能要求的项目准则这一步生成项目的”宪法”——所有后续开发都要遵守的基本原则。它决定了 AI 在实现时的优先级和约束。
第 3 步：撰写规格说明（Specification）
/speckit.specify 构建一个照片管理应用，支持按日期分组的相册、主页拖拽排序、
相册内瓦片式预览。相册不支持嵌套。描述”做什么”和”为什么”，不用指定技术栈。这是整个流程的核心输入。
第 4 步：生成技术方案（Plan）
/speckit.plan 使用 Vite，尽量少引入库依赖。使用原生 HTML/CSS/JavaScript。
图片不上传，元数据存本地 SQLite。这一步把规格转化为技术选型和架构设计。
第 5 步：拆解任务（Tasks）
/speckit.tasks从方案中生成可执行的任务列表，每个任务足够小、可独立验证。
第 6 步：开始实现（Implement）
/speckit.implementAI 代理按任务列表逐个执行，生成代码。
整个流程是递进的：前一步的输出是下一步的输入。跳过中间步骤会导致后续质量下降。
可选的辅助命令
除了六步核心流程，Spec Kit 还提供了几个辅助命令：
| 命令 | 用途 |
|---|---|
/speckit.clarify | 在生成方案前，补充和澄清规格说明中的模糊点 |
/speckit.analyze | 在任务拆解后、实现前，做跨产物一致性检查 |
/speckit.checklist | 生成定制化质量检查清单，像”给英文写单元测试”那样检验需求完整性 |
支持的 AI 代理
Spec Kit 目前支持 20+ 种 AI 编程代理，涵盖主流选项：
- IDE 集成：GitHub Copilot、Cursor、Windsurf、Kilo Code、Roo Code、Trae
- CLI 工具：Claude Code、Gemini CLI、Codex CLI、Qwen Code、opencode
- 其他：Amp、Jules、Junie、SHAI、IBM Bob、Kiro CLI、Pi、Mistral Vibe 等
对于列表之外的代理，可以用 --ai generic --ai-commands-dir <path> 自行适配。
扩展和预设机制
Spec Kit 有两套自定义体系：
扩展（Extensions）——增加新能力
扩展引入新的命令和模板。社区已有 30 多个扩展，按功能分为五大类：
- 文档类（docs）：规格说明的校验、质量分析、教育指南生成
- 代码类（code）：代码审查、实现验证、任务完成检测
- 流程类（process）：多代理编排、生命周期管理、质量门控
- 集成类（integration）：Jira、Azure DevOps、GitHub Projects、Linear、Trello
- 可视化类（visibility）：项目健康检查、工作流进度报告
# 搜索可用扩展
specify extension search
# 安装扩展
specify extension add <扩展名>几个值得关注的扩展：
- MAQA：多代理 + QA 工作流，支持并行 Worktree 实现
- spec-kit-review：实现后的多维代码审查
- spec-kit-verify：将实现代码与规格交叉验证
- spec-kit-jira / azure-devops：自动同步任务到项目管理工具
预设（Presets）——改变已有行为
预设不增加新命令，而是覆盖模板和指令，用于执行组织标准、领域术语或合规要求。
specify preset search
specify preset add <预设名>多个预设可以叠加，按优先级排序。
适用场景
根据 Spec Kit 项目文档，它被设计用于三类场景：
| 场景 | 说明 |
|---|---|
| 从零开始（Greenfield） | 从高层需求开始，经规格、方案、任务到实现 |
| 迭代增强（Brownfield） | 在已有代码库上加功能、做现代化改造 |
| 创意探索 | 对同一需求并行尝试不同技术栈和架构方案 |
社区已经提供了多个实战 Walkthrough，覆盖 .NET CLI、Spring Boot + React、ASP.NET 棕地项目、Jakarta EE 大型项目、Go + React 终端驱动等组合，可以直接参考。
它不做什么
Spec Kit 不会帮你写 prompt、不会自动选技术栈、也不会替你做产品决策。它的定位很明确：在你想清楚要做什么之后，帮你把这些想法结构化地喂给 AI 代理，减少中间的信息损耗。
如果你的项目只是写个小脚本或快速原型，直接 prompt 可能更快。Spec Kit 更适合需要多步骤、多文件、有明确质量要求的开发任务。