夜雨聆风用 AI 写代码的都有这个体验——说了句"加个权限控制"，它就开始改几十个文件。改到一半才发现：到底要 RBAC 还是 ABAC，根本没聊清楚。
更崩溃的是规划文档写得明明白白，执行阶段照样跑偏。没人盯着测试、没人卡 review，等到合并才发现行为不对。说白了，现在的 AI 编程工具普遍的问题是——能干，但没人管它干得对不对。
最近翻到一个开源项目 spec-superflow，干的事很有意思——给 AI 编程建一条真正的流水线。从需求澄清到代码审查到最终归档，每一步都有规范、有验证、有纪律。
1、核心思路：先想清楚再动手
spec-superflow 的核心理念就一句话：没有稳定的规划，不允许进入实现。
听起来简单，但真做到的不多。大多数 AI 编程工具是"你说了我就干"的模式，而 spec-superflow 非要你先写清楚需求、规格、设计、任务拆分，全都不含糊了才放行。
它把这套流程拆成了 9 个 skill（技能模块），串成一条完整流水线：
1. workflow-start — 入口，自动检测你在哪个阶段 2. need-explorer — 需求探索，一次问清楚一个需求点 3. spec-writer — 写规格文档，Schema 引擎实时验证格式 4. contract-builder — 把 4 份规划件压缩成一份执行契约 5. build-executor — TDD + SDD + Review Gate 三重纪律执行 6. bug-investigator — 遇到 bug 强制走根因分析 7. code-reviewer — 结构化审查，问题分三级 8. release-archivist — 验证收口 + 归档 9. spec-merger — 变更同步回主规范
每一步都有门禁——上一步不完成，下一步进不去。
2、最关键的桥接层：execution-contract
整个流水线里，我觉得最有价值的设计是 contract-builder 这个模块。
传统做法是规划归规划、执行归执行，中间的断层没人管。spec-superflow 在中间架了一道桥——contract-builder 自动读取 proposal、specs、design、tasks 四份规划件，提取约束条件，压缩成一份 execution-contract.md。
这份文件就是规划到执行的"海关关牒"。没有它，build-executor 直接拒绝开工。
而且它是内容级检测——不是看文件时间戳，而是比较 proposal 范围变了没有、specs 批了没有、架构约束改了没有。只要有一处变化，contract 失效，强制回退到 contract-builder 重新生成。
这一层硬隔离，防止了"规划归规划，代码归代码"的脱节。
3、执行阶段的"三重纪律"
到了执行阶段，spec-superflow 也不含糊，三件事锁死：
第一：TDD 铁律。 先写测试，再写实现。测试不通过，代码算没写完。这一条在大多数团队里连人都做不到，现在让 AI 遵守，想想还挺有意思。
第二：SDD（子代理驱动开发）。 每个任务派一个子代理去实现，生成 diff 后再派另一个子代理去审查。实现和审查各自独立，互相校验。审查不通过就修复重审，最多可以给你循环好几轮。这种"写代码的不管审核，审核的不写代码"的分离，在实际项目中真的很管用。
第三：Review Gate。 每个任务完成前，必须过代码审查。审查结果分三级——Critical、Warning、Suggestion。Critical 级别的不过关，任务不能算完成。
这套纪律用起来确实有点"重"，但说实话，对于那些长期维护的项目、多人协作的仓库，这种约束反而让人放心。
4、不是只有大项目才能用
说到这里你可能会想：这么重的流程，写个小脚本是不是也得全套走一遍？
spec-superflow 也想到了这个问题。它内置了自动模式检测：
• hotfix 模式：只改了 2 个文件以内，没有新模块——跳过完整 spec-writer，直接走最小契约 + 内联执行 • tweak 模式：改 4 个文件以内，纯配置或文档——跳过规划 + 桥接，直接编辑
小修小补不折腾，大改大动有规矩。
而且它覆盖了 17 个平台——Claude Code、Cursor、Copilot、Gemini、Qwen、Amazon Q，基本上你在用的 AI 编程工具都能装上。装完一句"用 workflow-start 开始"就能启动。安装方式也很简单，Claude Code 上敲 /plugin install spec-superflow@spec-superflow 就行，其他平台一条 npx 命令搞定。
5、需要注意的事
聊了这么多好的，也说几个点。
这个流程是有学习成本的。 第一次跑完整流水线，你会觉得每一步都要确认、都要等，比直接让 AI 写代码慢不少。但它的设计目标本来就不是追求"快"，而是追求"可控"。适合的场景是长期项目、多人协作、对代码质量有要求的场景。
一次性的小脚本就别上这套了。 写个 JSON 解析器、跑个临时数据分析，用这个过流水线确实有点杀鸡用牛刀。
当前的版本是 v0.8.14，还在快速迭代中。 功能已经挺完整了，但 API 和流程可能会有变化。建议先在小项目上跑通，再推广到主力项目。GitHub 上最近更新挺频繁的，保持关注变化就好。
尾巴
用 AI 写代码这件事，过去两年大家都在拼"写得快"。但写得快不等于写得对，更不等于写得好。spec-superflow 走的是另一条路——给 AI 编程加上规范和约束，让产出更可控。
说实话，对于正经做产品的团队，这个方向可能比"一键生成"更有长期价值。
你们在项目中怎么管 AI 代码质量的？有哪些自己的规范？评论区聊聊。
GitHub 地址： https://github.com/MageByte-Zero/spec-superflow 安装命令：
/plugin install spec-superflow@spec-superflow快速开始： "用 workflow-start 开始" 快速开始： "用 workflow-start 开始"
