ARTICLE · 1189708

让 AI 写代码总跑偏?GitHub 官方的办法:先把需求写成规格再动笔

发布时间：2026-10-16 00:14:37 最近访问：2026-10-16 00:14:38

方法论深读 · 2026-09-22 · AI 编码

让 AI 写代码总跑偏？GitHub 官方的办法：先把需求写成规格再动笔

AI 编码的卡点，早就不是模型会不会写，而是你能不能把"要什么"说清楚、把过程管起来。

大家好我是六六爸比，一个 85 后科技 IT 爱好者。

用 AI 写代码最爽也最坑的就一点：你随手丢一句"帮我做个 XX"，它真能跑出个东西——可需求没钉死，它就开始自由发挥，改三轮跑偏三轮，最后你花在"跟它解释我到底要什么"上的时间，比自己写还多。所谓 vibe coding 的代价就在这：爽，但不可控、交不了差。

GitHub 官方显然也看明白了，干脆做了个开源工具包 github/spec-kit（140,650 星，10-10 经 API 实测）。它主张一套叫 Spec-Driven Development（规范驱动开发，SDD）的路子——先把规格写清楚，再让 AI 编码 agent 照着做。

▲ 先立规格，再让 agent 按图施工（概念图）

它到底是什么

它是一个给 AI 编码 agent 装上"结构化流程 + 可复用模板 + 可追溯产出"的开源工具箱。官方那句 slogan 很准："Build with a spec, fix a bug, or assess an idea — with your coding agent."——用一份规格去构建、去修 bug、去评估一个想法。

它不是又一个"更强的模型"，而是一套把需求钉死的方法论：先有一份明确的 spec，再走规划、拆任务、实现、收敛，每一步都有据可查。

总星数

140,650

建库

2025-08

主语言

Python

License

MIT

核心：一条主流程 + 三个入口

▲ Specify→Plan→Tasks→Implement→Converge（本文据官方 README 绘制）

主打的规范驱动开发，是一条清晰的管道：Specify（写规格）→ Plan（做计划）→ Tasks（拆任务）→ Implement（实现）→ Converge（收敛对齐）。你不再是一句话甩给 AI，而是先和它一起把"要做什么、边界在哪、怎么算完成"写成一份文档。

而且它是三个独立入口，不是非得走满三步：建新功能走 SDD；行为出问题走"Bug fixing"（评估成因→限定范围修复→记录验证）；不确定一个想法值不值得做走"Idea assessment"（给出有依据的 go / clarify / stop 判断）。

怎么用

需要 Python 3.11+、uv，以及一个受支持的 AI 编码 agent（Linux / macOS / Windows 都行）。装好 CLI 后建项目就两行：

uv tool install specify-clispecify init my-project --integration copilot

那个 --integration 是关键：默认用 GitHub Copilot，但换成对应 key 就能接 Claude、Codex、Cursor 等主流 agent——它是"流程层"，不绑死你哪家模型。

和"裸 prompt 写代码"差在哪

需求

裸 prompt：一句话，边改边猜

Spec Kit：先写成 spec 钉死

过程

裸 prompt：黑盒、易跑偏

Spec Kit：计划→任务→实现→收敛

产出

裸 prompt：只有代码

Spec Kit：代码 + 可追溯文档

跨 agent

裸 prompt：换家重来

Spec Kit：Copilot / Claude / Codex / Cursor 通用

适合谁，别硬上的又是谁

适合：做稍大一点、要能维护、要多人协作或长期迭代的项目；想把 AI 编码从"玩具"升级成"交付流程"的团队；以及——需求总被 AI 理解歪、深受其害的个人开发者。

别硬上：写个几十行的小脚本、一次性 demo，走完整 SDD 反而累赘。它是有学习曲线的流程工具，杀鸡别用它这把牛刀。

我的判断

AI 编码走到今天，卡点早不在"模型会不会写代码"上了，在"人能不能把需求说清楚、把过程管起来"。Spec Kit 没去跟模型较劲，它补的是"规格"这一层——把一句模糊的需求，变成一份能计划、能拆任务、能验收的工程。

GitHub 官方下场推"规范驱动开发"，本身就是个信号：AI 写代码正在从"能生成"进入"能交付"，而交付的前提，是先有规格。这大概是接下来一两年，开发者最该补的一门基本功。

仓库放这儿：github.com/github/spec-kit。

跟 AI 最高效的沟通，不是把需求说快，是把需求说明白。

14 万星押注的，是"先写规范"这四个字

数据来源：github/spec-kit 总星 140,650（2026-10-10 经 api.github.com 实测）、建库 2025-08、主语言 Python、MIT；三大流程、安装命令、agent 集成方式均取自仓库 README 原文。文中概念图与流程图为本文据官方信息绘制。细节以仓库为准。作者：六六爸比。