夜雨聆风凌晨两点，你盯着屏幕上 Claude Code 又一次"自由发挥"生成的代码，深吸一口气——这已经是今晚第五次让它重写了。
明明需求说得很清楚，它偏偏要给你整个"创意改编"。你说"加个用户登录"，它给你塞进 JWT、OAuth、SSO 三件套，外加 200 行防御代码；你纠正"我就要个最简单的账号密码登录"，它点头说"好的"，转头又给你加上了双因素认证。
这几乎是所有 AI 编码助手的通病：模型太想替你"补全需求"，却忘了你最初到底想要什么。
但如果我告诉你，有一种工作流，能让 AI 在写代码前先"读题"——先看你的规范文档，再动手，一次过稿率能从 30% 拉到 80%，你愿意试试吗？
今天要聊的，就是这个把"先写规范、再写代码"做成标准动作的开源神器——OpenSpec。它刚在 GitHub 斩获 5.7w+ Star，单日涨星 167，是今年 AI 编程工具圈最被低估的工作流革命。
01 AI 写代码总跑偏，问题到底出在哪？
在讲 OpenSpec 之前，我们先把"AI 编码为什么总不听话"这件事掰开揉碎。
回想一下你平时怎么和 AI 协作的：你打开 Cursor 或 Claude Code，在对话框里敲一段自然语言——"帮我写个 XX 功能"，回车，看着代码生成。如果一次成功，皆大欢喜；如果不对，就再补一句"不是这个意思，我是说……"。
这就像在微信里跟产品经理对需求：说三遍才能对齐一次。
但代码不是聊天，错一个字就报错。AI 编码工具最怕的不是"不会写"，而是"猜你想写什么"。它不知道你的项目背景、你的命名规范、你的边界条件、你的"绝对不能动"的核心模块。它只有你那一两句话的上下文。
行业里逐渐形成了一个共识：需求越模糊，AI 越放飞自我。
于是有人开始尝试：把需求写成文档丢给 AI。但 Markdown 文档太自由，AI 还是会选择性忽略关键约束；写得太长，AI 又会"读不完"。
真正的解法是：让"规范"变成一种结构化、可校验、AI 必读的产物。这就是 OpenSpec 想做的事。
02 OpenSpec：把"先写规范"变成肌肉记忆
OpenSpec 的全称是 Spec-driven development for AI coding assistants——一句话概括：SDD，规范驱动开发，专门为 AI 编码助手设计。
它不是又一个 IDE 插件，也不是替代 Cursor 的新工具。它是一套工作流协议，介于你和 AI 之间，专门负责把"你想要什么"翻译成"AI 看得懂、看得全、不会漏"的规范文档。
OpenSpec 的核心设计有三个巧思：
第一，结构化的 spec，而不是自由文本。它把一个需求拆成 Why（为什么做）、What（做什么）、How（怎么做）三层，每一层都有明确字段。你不用再写"我觉得应该这样……"这种模糊描述，AI 看到的就是一份"考卷"。
第二，spec 和代码一起进版本控制。你的规范文件和代码在同一个仓库里，Code Review 时看 spec 就知道这次改动的意图，三个月后回看也一眼能明白当初为什么这么写。这对团队协作是质的提升。
第三，AI 编码工具的"上下文预加载"。OpenSpec 提供了和主流 AI 编码助手对接的能力，让模型在生成代码前自动加载相关 spec，从源头减少"猜"的环节。
说白了，OpenSpec 就是给 AI 配了一个永远在线的产品经理，而且这个 PM 不会忘记你说的任何一句约束。
03 实际体验：从 10 轮改稿到 1 轮过稿
讲原理太抽象，我直接给你演一遍我自己的真实使用场景。
场景一：给博客加一个 RSS 订阅功能。
以前我会这么干：打开 Cursor，输入"帮我加个 RSS 订阅"，AI 给我生成一坨代码；我发现没处理空摘要，纠正；发现没加缓存，纠正；发现没兼容旧版 Atom 协议，纠正……平均 8-10 轮对话才能拿到能用的代码，耗时 40 分钟。
现在用 OpenSpec，我会先跑 openspec new add-rss-feed，它会自动生成一份结构化的 spec 模板。我填上：
- Why：让读者用 RSS 阅读器订阅博客更新
- What：输出
/feed.xml，包含最近 20 篇文章 - How：使用 feed 库，缓存 30 分钟，向后兼容 RSS 2.0 和 Atom 1.0
然后让 Cursor 基于这份 spec 生成代码。结果：第一轮就过了，只在缓存策略上微调了一下。总耗时 8 分钟。
场景二：跨会话保持上下文。
这是 OpenSpec 最让我惊艳的地方。我经常一天下来和 AI 聊好几个不同任务，第二天打开发现——AI 早就不记得昨天聊过什么了。OpenSpec 让我所有的 spec 都沉淀在仓库里，下次开新会话时，AI 自动加载相关 spec，相当于给它"复习"了一遍项目上下文。
这种感觉就像：从"每次都在和实习生对接"升级到了"在和一个记得所有历史的老员工协作"。
04 和其他方案比，OpenSpec 强在哪？
你可能会问：这种"先写文档再写代码"的思路，早就有人做了啊。OpenSpec 和它们到底有什么不一样？
我用一张表给你说清楚：
OpenSpec vs 普通 Prompt：Prompt 是即时沟通，说完就忘；OpenSpec 是持久化资产，沉淀在代码库里，新人 onboarding 翻一遍 spec 就懂项目意图。
OpenSpec vs 传统 PRD/设计文档：传统文档是写给人看的，AI 看不懂也看不完；OpenSpec 的 spec 是人机共读的——结构化字段 AI 能解析，Why/What/How 的层级人类也能秒懂。
OpenSpec vs LangChain/AutoGPT 这类 Agent 框架：那类工具是让 AI自己拆任务，结果就是 AI 拆得乱七八糟，越帮越忙；OpenSpec 反其道而行，让人拆任务、AI 执行，可控性强了一个数量级。
简单总结：OpenSpec 是给"人类主导、AI 执行"的工作流量身定制的，它不抢你的方向盘，它只负责让 AI 看路更清楚。
05 它支持哪些 AI 编码平台？
OpenSpec 的设计是工具无关的，它不绑定任何一家 AI 编码助手。理论上任何能读取本地文件作为上下文的工具都能用，但官方对主流平台做了一等公民适配：
无论你日常用哪个 AI 编码工具，OpenSpec 都能无缝嵌入现有工作流。这意味着你不会被工具绑定，今天用 Cursor，明天换 Claude Code，spec 资产照常生效。
06 安装路径：3 分钟接入工作流
OpenSpec 的安装非常轻量，下面分平台说明：
npm install -g @fission-ai/openspec
# 进入项目目录初始化
cd your-project && openspec init
# 创建一个新规范
openspec new add-user-auth
npm install -g @fission-ai/openspec
# 初始化 + 创建第一个规范
cd your-project
openspec init
openspec new add-user-auth
初始化后，你的项目里会多出一个 openspec/ 目录，里面就是所有 spec 的家。打开你常用的 AI 编码工具，让它先读一遍 openspec/ 目录，从此 AI 就"持证上岗"了。
官方文档里还提供了和 Claude Code、Cursor 等工具的详细对接指南，按步骤来基本不会踩坑。
07 写在最后：AI 编码的下一个分水岭
2024 年是"AI 会不会写代码"的问题被解决的一年；2025 年开始，我们真正要面对的是"AI 怎么写出我想要的代码"。
OpenSpec 给出的答案是：别让 AI 猜，让它读。
当所有团队都在比"谁的 prompt 写得好"时，真正的护城河其实是谁的需求表达更结构化、更可复用。OpenSpec 把这件事变成了一种工程实践，而不是个人技巧。
如果你已经受够了和 AI 反复拉扯，如果你想让团队的代码风格和架构决策不再"靠心情"，给 OpenSpec 一次机会。它不会让你的 AI 变得更聪明，但会让它变得更听话。
你觉得 AI 编码最大的痛点是什么？是"猜不准需求"、"记不住上下文"，还是"擅自发挥"？评论区聊聊，揪 3 位送 OpenSpec 实操手册一份 👇
GitHub: https://github.com/Fission-AI/OpenSpec
