夜雨聆风
总有一些力量，驱动变革
总有一些身影，领跑转型
它来自每一位拥抱AI的先行者
他们用行动，证明变革的力量
刘哲
本周先锋
刘哲，亿云信息政企数智化事业部开发工程师。他以化工产品AI编码试点项目为牵引，持续探索AI与软件工程融合的新模式。通过将个人开发经验转化为AI可执行的工程规则，他打通了AI辅助研发的交付闭环，逐步形成了一套可复用、可复制的标准方案。
实战复盘：Spec+Superpowers的工程化落地
在项目中，他引入了Spec驱动开发与Superpowers工作流，成功将原本依赖个人经验的开发习惯，转化为AI可以读取、理解和执行的工程规则。
01
规范即上下文：把经验写成 AI 能执行的规则
项目中沉淀了前端、后端、字典、联调等多类规范：
前端明确使用Vue 2+Ant Design Vue，列表优先采用 EfpSearch+EfpTable。
后端遵守Controller->Service->Mapper 分层。
入参使用DTO，出参使用VO，避免直接暴露Entity。
字典字段统一按照dictValue落库、dictLabel展示。
接口变更需要同步Swagger、权限注解和必要SQL。
这些规则不再是停留在口头上的“约定”，而是变成了AI在每次开发前必须遵守的工程上下文。
02
文档即指令：用Spec降低沟通损耗
以化工产品为例，将复杂页面拆解为清晰的文档和清单：
FRONTEND_DEV_GUIDE.md：说明页面结构、目录分层、保存规则和扩展约定。
DEV_CHECKLIST.md：记录已完成项、待完善项和每次开发后的自检清单。
BACKEND_API_FIELDS.md：约束前后端字段和接口结构。
这种方式让AI告别猜测，转而按照明确的Spec精准工作。
03
AI是施工队，人仍然是架构师
在这套模式下，AI与人类各司其职。
AI主要承担执行层面的工作：按规范生成前后端代码；补齐页面、接口、字段、表格、表单及校验逻辑；根据清单检查遗漏项；协助拆分复杂组件；辅助编写开发文档和联调说明。
而人则牢牢把控核心架构：定义业务边界；设计模块结构；审核关键逻辑；判断交付质量；将隐性经验沉淀为可复用的规范。
这种协作方式，让AI从“临时助手”蜕变为了“受规范约束的工程执行单元”。
经验沉淀：三条可复制的方法论
1.不要只写Prompt，要写Spec
单次的提示词只能解决单次问题，而Spec才能让AI持续、稳定地理解项目。一个优秀的Spec至少应包含：技术栈约束、目录分层规则、接口契约、字段说明、字典规范、异常处理以及验收清单。
2.不要让AI猜架构，要给它明确的边界
AI最容易出问题的地方往往不是语法，而是缺乏边界感。因此，必须明确告诉它：哪些逻辑应该放在容器组件，哪些应该下沉到helper；哪些配置应该进入schema；哪些接口结构不能随意变化；以及哪些字段需要同时处理展示、回填、保存和导出。
3.不要追求一次生成完美，要建立可验证的闭环
AI协作必须配合严格的检查机制：开发前读规范，开发中按任务清单推进，开发后跑编译、检查页面交互、验证接口字段，复杂变更必须做Code Review；一旦发现问题，则反向沉淀到规范中。真正的提效并非来自某一次的“生成得很快”，而是源自这个不断优化的验证闭环。
他说：
“AI不是来替代工程规范的，恰恰相反，AI会放大规范的价值。你给它碎片化的描述，它产出的就是碎片化代码；你给它清晰的Spec、任务清单和架构边界，它就能成为稳定的工程执行力。”
刘哲在化工产品AI编码试点项目的实践证明：AI工程化的关键，并非单纯依赖Cursor、Claude Code等工具，而是将团队的工程规范与架构要求，转化为AI能持续遵守的工作系统。这套“Spec+Superpowers”的开发方式，让“提示词工程”真正跨入了“软件工程”的边界，也为团队规模化应用AI提供了可复制的落地之法。
下一位AI先锋，是你吗？
转型不是等待，而是行动
数智不是远方，而是此刻
向每一位先行者致敬
让我们并肩，奔赴人机共生的新未来
