GitHub 的 Spec Kit 是一个面向 AI 编程的新工具包，目标是帮助开发者实践 Spec-Driven Development，也就是规格驱动开发。
它解决的问题很直接：现在很多 AI 编程工作流太像“边聊边写”。人类给一个大概想法，Agent 立刻开始改代码，短期看很快，但需求边界、验收标准、技术取舍和任务拆分往往没有沉淀下来。项目稍微复杂一点，就容易变成一次性的 vibe coding。
Spec Kit 的思路是反过来：先把规格写清楚，再进入计划、任务和实现。代码不再是第一步，规格才是第一步。
Spec Kit 是什么？
Spec Kit 是 GitHub 开源的规格驱动开发工具包。它提供 specify CLI、模板、脚本和面向 AI coding agent 的命令，让团队可以围绕同一套结构化产物推进开发。
它强调的不是“让 AI 少问问题”，而是让 AI 在写代码前先生成并完善这些内容：
- 项目原则：团队对质量、测试、体验、性能等方面的约束；
- 功能规格：要做什么、为什么做、用户故事和功能需求；
- 技术计划：使用什么技术栈、如何落地、有哪些架构决策；
- 任务清单：把计划拆成可执行步骤；
- 实现过程：按任务逐步修改代码，而不是一次性乱改。
这套流程让 AI 编程更像工程协作，而不是一次提示词表演。
基本使用流程
官方 README 给出的入门流程大致是这样：
|
|
初始化后，项目里会生成 .specify 目录、模板、脚本和与 Agent 集成的命令。随后在支持的 AI coding agent 中使用 /speckit.* 命令推进开发。
典型顺序是：
|
|
其中 /speckit.constitution 用来建立项目原则，/speckit.specify 描述产品需求，/speckit.clarify 补齐模糊点，/speckit.plan 生成技术计划，/speckit.tasks 拆任务，最后由 /speckit.implement 执行实现。
这和直接对 Agent 说“帮我做一个应用”差别很大。Spec Kit 要求你把“做什么”和“怎么验收”先说清楚，再让 Agent 动手。
它改变了 AI 编程的入口
传统 AI 编程经常从代码开始：
|
|
Spec Kit 更像这样：
|
|
这个变化很重要。因为 AI 最擅长根据上下文执行，但如果上下文本身是松散的，执行速度越快，偏离方向也可能越快。Spec Kit 把上下文变成文件和模板，让需求、计划和任务都能被 review、修改和版本管理。
换句话说，它不是让 AI 更“自由”，而是让 AI 在更清晰的工程轨道上自由发挥。
核心命令怎么理解？
/speckit.constitution
这是项目的“宪法”。它会生成或更新 .specify/memory/constitution.md，用于记录项目长期遵守的原则，例如代码质量、测试标准、用户体验一致性、性能要求和技术决策规则。
这一步适合写团队共识，而不是单个功能需求。
/speckit.specify
这是功能规格阶段。你需要描述要构建什么、用户是谁、解决什么问题、有哪些核心流程。
官方特别强调：这一阶段不要过早关注技术栈。先把 what 和 why 写清楚，再讨论 how。
/speckit.clarify
这是补问题的阶段。很多需求第一次写出来都会有空洞：权限怎么处理？异常状态是什么？数据是否持久化？边界条件如何验收？
/speckit.clarify 的价值，是让 Agent 主动发现规格中的不确定点，并把回答记录回规格文档，减少后面返工。
/speckit.plan
这是技术计划阶段。到了这里，才开始明确框架、数据库、架构、API、测试策略和约束。
如果说 /speckit.specify 是产品语言，/speckit.plan 就是工程语言。
/speckit.tasks
这一步把计划拆成可执行任务。好的任务清单应该能让 Agent 逐步推进，也能让人类看懂每一步的目的。
/speckit.implement
最后才进入实现。Agent 根据前面沉淀的规格、计划和任务修改代码。这时它不再是凭一段大 prompt 猜需求，而是在一组结构化文档里执行。
为什么它适合 AI 编程？
Spec Kit 的价值不在于某个神奇命令，而在于它把 AI 编程中最容易缺失的东西补了回来：
- 需求可审查；
- 计划可讨论；
- 任务可追踪；
- 决策有上下文；
- 产物可以进入 Git 历史；
- 团队可以复用模板和原则；
- Agent 的实现不再只依赖一次性聊天记录。
这对复杂项目尤其有用。越是多人协作、长期维护、质量要求高的项目，越不能只靠临时 prompt 驱动开发。
扩展和 Preset
Spec Kit 还提供了两类自定义能力：
- Extensions：增加新命令、新模板或外部工具集成；
- Presets：改变现有规格、计划、任务模板的格式和术语。
简单理解：如果要新增能力，用 Extension；如果要改造工作流风格，用 Preset。
例如，团队可以通过 Preset 强制加入安全审查、监管追踪、领域术语或测试优先规则；也可以通过 Extension 增加 Jira 集成、代码审查、项目健康检查等新阶段。
这说明 Spec Kit 并不想把所有团队锁进同一种流程，而是提供一个可扩展的规格驱动骨架。
适合谁用？
Spec Kit 适合这些场景：
- 用 AI coding agent 做新项目原型；
- 想把 vibe coding 变成可复盘流程；
- 团队希望统一 AI 生成代码前的需求和计划格式；
- 项目需要明确验收标准和测试要求；
- 希望把需求、计划、任务和实现过程都纳入版本管理；
- 正在探索 GitHub Copilot、Claude Code、Codex CLI 等工具的团队化用法。
它不一定适合非常小的一次性脚本。对于几行代码能解决的问题，完整规格流程可能显得重。但只要任务开始涉及多个页面、多个模块、状态管理、权限、数据模型或长期维护，Spec Kit 的结构化收益就会变明显。
我的理解
Spec Kit 代表的是 AI 编程工具的一种重要转向：从“让 Agent 更快写代码”，转向“让 Agent 更可靠地参与软件工程”。
过去的 AI 编程关注提示词和模型能力；Spec Kit 更关注流程、产物和约束。它提醒我们：AI 写代码越快，规格、计划和验收就越不能省。
如果你已经习惯让 AI 直接实现功能，可以尝试用 Spec Kit 改变起手式：
先让 AI 帮你把需求写成规格，再让它写代码。
这一步看似变慢，实际是在减少后面“代码写完了，但不是我想要的”的返工。