社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

狂揽43.7k Star!GitHub官方开源AI编程工具包,SDD理念破解氛围编程痛点

智猩猩AI • 1 年前 • 400 次点击  

智猩猩AI整理

编辑:六一


随着大模型技术的飞速发展,编程已迈入Vibe Coding时代。过去我们常说:Talk is cheap, Show me the code,而如今,Code is cheaper。只要打开任意一款AI编程工具,任何人都能轻松写出点什么。然而,当我们真正运行这些生成内容时,常常发现大模型虽然洋洋洒洒输出了一大段,结果却往往不尽如人意。


正是在这样的背景下,规范驱动开发(Specification-Driven Development,SDD)应运而生,彻底颠覆了传统的软件开发模式。过去几十年来,代码一直占据主导地位,规范文档往往只是项目初期的“脚手架”,一旦进入编码这一“实质阶段”,便常被抛在脑后。而规范驱动开发彻底改变了这一局面:它将规范转化为可执行的定义,直接生成可运行的实现代码,而不再仅仅是开发过程中的参考文档。


今天向大家推荐的开源项目,正是基于规范驱动开发理念打造的工具包,Spec-Kit。该项目由 GitHub官方发布,目前已在社区引起广泛关注,斩获43.7k Star。借助Spec-Kit,开发者能够更专注于产品场景的构建与结果的可预测性,而不必再凭感觉从零编写每一行代码,从而更高效地打造出高质量的软件产品。



  • 项目地址:

    https://github.com/github/spec-kit


01

项目介绍


如今,软件系统复杂度激增,传统人工方式难以维持系统与初衷的一致性,而SDD能实现系统化对齐,并可能催生AI优先的开发框架。同时,业务需求瞬息万变,快速迭代与转向成为常态。传统开发模式往往效率低下或由于快速但草率的变更导致技术债务累积。


如果使用传统的开发工作流程:


  • 撰写产品需求文档(2-3小时)

  • 创建设计文档(2-3小时)

  • 手动搭建项目结构(30分钟)

  • 编写技术规范文档(3-4小时)

  • 制定测试计划(2小时)


总计需要12个小时,而使用基于SDD的Spec-Kit命令:


#步骤1:创建功能规范(5分钟)/speckit.specify 创建具有消息历史和用户在线状态的实时聊天系统#此操作自动:#- 创建分支 "003-chat-system"#- 生成 specs/003-chat-system/spec.md 文件#- 填入结构化需求内容
#步骤2:生成实施计划(5分钟)/speckit.plan 使用WebSocket实现实时消息,PostgreSQL存储历史记录,Redis管理在线状态
步骤3:生成可执行任务(5分钟)/speckit.tasks此操作自动创建:- specs/003-chat-system/plan.md(实施计划)- specs/003-chat-system/research.md(WebSocket库对比研究)- specs/003-chat-system/data-model.md(消息和用户数据模型)- specs/003-chat-system/contracts/(WebSocket事件和REST接口定义)- specs/003-chat-system/quickstart.md(关键验证场景)- specs/003-chat-system/tasks.md(根据计划衍生的任务清单)


仅使用简洁的命令和自然语言描述,在15分钟内就可获得:


  • 包含用户故事和验收标准的完整功能规范

  • 包含技术选择和基本原理的详细实施计划

  • API合约和数据模型,可用于代码生成

  • 用于自动和手动测试的综合测试场景

  • 所有文档在功能分支中正确版本化


目前Spec-Kit支持的智能体包括:



在Spec-Kit中,规范驱动开发工作流程的基本命令有5个:



还包括3个用于提高质量和验证的其他可选命令:



02

使用方法


1、在正式开始使用之前,请确保以下先决条件:


  • Linux/macOS/Windows系统

  • Spec-Kit支持的AI编码智能体

  • 用于包管理的UV工具

  • Python 3.11+

  • Git


2、安装 Specify CLI


选择喜欢的安装方式:


选项 1:持久化安装(推荐)


uv tool install specify-cli --from git+https://github.com/github/spec-kit.git


选项 2:一次性使用


无需安装直接运行:


uvx --from git+https://github.com/github/spec-kit.git


3、项目初始化


项目初始化,并指定后续使用的AI编程智能体:


specify init 


4、建立项目原则


此时,项目路径下已有了初始化的项目,在如VsCode等编辑器中打开项目,在所选编程智能体的命令行界面中使用 /speckit.constitution 命令创建项目的管理原则和开发指南,以指导所有后续开发。


/speckit.constitution 制定专注于代码质量、测试标准、用户体验一致性和性能要求的原则。


5、创建规范


使用 /speckit.specify 命令描述要构建的内容。此步骤关注What和Why,而不是技术堆栈。(在实际使用过程中,提示词应尽可能明确、具体)


/speckit.specify 创建一个应用程序,帮助我将照片整理到不同的相册中。相册按日期分组,并且可以在主页面上通过拖放操作重新排序。相册之间不能互相嵌套。在每个相册内部,照片以类似瓷砖的平铺界面进行预览。


6、制定技术实施计划


使用 /speckit.plan 命令提供技术堆栈和架构选择。


/speckit.plan 该应用程序使用 Vite 构建,并尽可能减少第三方库的使用。尽可能采用原生的 HTML、CSS 和 JavaScript。图片不会上传至任何服务器,所有图片的元数据存储在本地的 SQLite 数据库中。


7、分解为任务


使用/speckit.tasks从实施计划生成一份可执行的任务清单。


/speckit.tasks


8、执行实施


使用 /speckit.implement 执行所有任务并根据计划构建功能。


/speckit.implement


03

总结


大模型技术让“氛围编码”成为现实,然而,AI生成代码的随机性又与软件工程对确定性、可靠性的要求形成冲突。规范驱动开发(SDD)正是为了解决这一核心冲突而生,它将模糊的需求转化为可执行的精确规范。Spec-Kit是这一理念的精准落地,极大地提高了开发效率与系统可靠性,或许,这正是AI编程迈向下一阶段的明确趋势。


END


✦

✦

推荐阅读

✦


清华唐杰教授团队新作!AgentRL框架所训模型性能超过GPT-5

GitHub狂揽32.7k Star!全网最全n8n智能体工作流开源,2053个工作流直接复用

超越字节DAPO!快手&清华提出强化学习方法ASPO,防止LLM过拟合和熵值塌陷

GitHub斩获70k Star!9000+实用MCP服务器大合集,让你告别重复造轮子

何恺明团队中稿NeurIPS 2025 Oral!单步图像生成框架MeanFlow消除与多步扩散差距


点击下方名片 即刻关注我们

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/188589