告别 Vibe Coding：用 GitHub Spec Kit 让 AI Agent 真正「按规矩办事」

给 AI 一段模糊的描述，它输出了一个跑不通的项目——这个场景，用 Cursor 或 Claude Code 做过几次中等规模功能的人应该不陌生。问题不在于 AI 的编码能力，而在于我们和它「对话」的方式有根本性缺陷。GitHub Principal Product Manager Den Delimarsky 在官方博客中这样描述这个问题：

"We treat coding agents like search engines when we should be treating them more like literal-minded pair programmers."
「我们把 coding agent 当搜索引擎使，但其实应该把它们当作字面化思维的结对编程伙伴。」1

GitHub Spec Kit（github/spec-kit）是 GitHub 开源的 spec-driven development（SDD，规格驱动开发）工具包，截至 2026-05-14 获 99.1k stars、8.6k forks，上个月从 88k 加速增长，近日在 Twitter 上引爆「GitHub 终结 vibe coding」讨论，单帖浏览量 160k+。2它的核心主张只有一句话：code 服务于 spec，而不是反过来。3

Spec Kit Logo

图片来自：GitHub - github/spec-kit

核心工作流：七步命令序列

Spec Kit 的核心是一套以 specify CLI 驱动的七步工作流，每步产出 Markdown 文件落盘，作为下一步的输入——Agent 的记忆不在对话上下文里，而在文件系统里。2

命令	作用	产出文件
`/speckit.constitution`	设定项目不变原则（测试标准、安全约束等）	`.specify/memory/constitution.md`
`/speckit.specify`	将自然语言描述转为结构化 spec	`specs/<编号>/spec.md`（含验收标准）
`/speckit.clarify`（可选）	Agent 向你提问澄清模糊点	—
`/speckit.plan`	基于 spec 生成技术方案	`plan.md`、`data-model.md`、`contracts/`
`/speckit.tasks`	将 plan 拆分为可执行任务列表	`tasks.md`（含并行任务标注 `[P]`）
`/speckit.analyze`（可选）	分析复杂度和风险	—
`/speckit.implement`	按序执行 tasks.md，遵循 TDD	代码 + 测试

Constitution 是 Spec Kit 区别于 .cursorrules / CLAUDE.md 的关键设计：它包含 9 条不变开发原则（Library-First、Test-First、Anti-Abstraction 等），会在每个 phase 作为 gate 强制执行，不因 Agent 的上下文漂移而失效。3 这也是它和只告诉 Agent「如何行为」的规则文件的本质区别——Spec Kit 告诉它「具体构建什么」，并保留从意图到输出的完整追溯链。

今天就能上手：安装配置

Spec Kit 通过 Python CLI 工具 specify 分发，只能从 GitHub 安装，PyPI 上的同名包不是官方维护的。2

前置依赖：Python 3.11+、Git、uv（推荐）或 pipx、以及一个支持的 AI coding agent。

第一步：持久安装（推荐）

uv tool install specify-cli \
  --from git+https://github.com/github/[email protected]

如果只想试一次，无需安装：

uvx --from git+https://github.com/github/[email protected] \
  specify init MY_PROJECT --integration claude

第二步：在项目目录初始化

specify init MY_PROJECT --integration claude
# 或者 cursor、copilot、gemini、codex 等 30+ 选项

初始化后，specify 会根据你选择的 --integration 参数，把 Spec Kit 的工作流命令写入对应的位置：

Claude Code → .claude/commands/
Cursor → .cursor/skills/
GitHub Copilot → .github/prompts/

之后在对应 Agent 的对话里直接输入命令（如 /speckit.specify）即可触发工作流。

实际效果：两个真实场景

场景一：照片管理应用（官方 README 示例）

/speckit.specify Build an application that can help me organize
my photos in separate photo albums...

/speckit.plan The application uses Vite with minimal number of
libraries...

/speckit.tasks

/speckit.implement

四步走完，Agent 按照 spec 中的验收标准逐项实现，不会发散。2

场景二：Telegram Bookmark Bot（社区实测）

开发者 lookoutking 用 Spec Kit 构建了一个 Telegram 收藏 Bot，/speckit.specify 一步就生成了 32 个结构化任务，涵盖环境设置、数据模型、API 集成、命令实现、测试和部署。他的总结是：4

"For me, the biggest win isn't just better code — it's better thinking habits. By forcing me to define specs and edge cases, spec-kit improved how I approach problems overall."
「对我来说，最大的收获不是更好的代码，而是更好的思维习惯。强制定义 spec 和边界情况这件事，改变了我整体解决问题的方式。」

上手前要知道的边界

Spec Kit 不适合所有场景，几个真实反馈值得注意，最好在第一次使用前了解：

小任务不划算：XB Software 实测结论——预估 ≤2 天的任务，spec→plan 阶段的 overhead 超过 AI 自动化节省的时间。5
token 消耗更高：spec-driven 工作流比直接 vibe coding 多消耗约 20-40% 的 API 额度，有用户反馈首次使用即用完 Claude Pro 的 5 小时限额。6
多仓库项目需要手动协调：Spec Kit 假定单仓库结构，前后端分离的多 repo 项目需要两套独立流程。7
自动生成的 spec 有冗余：DeployHQ 实测发现需要手动删除 30-40% 的自动生成文本，spec 才真正有用。7
Agent 完成度仍需人工核验：中文用户 @arcadia822 指出，Agent 汇报「这个 Spec 做完了」时，真实完成度不一定准确，建议补充工程规范和逐阶段核验步骤。8

综合来看，Spec Kit 适合的目标：中等规模以上的新功能、需要多人协作或跨 session 继续开发的项目、以及对「agent 交付什么」有明确要求的场景。如果你只是让 AI 改几行代码或试个想法，直接用 chat 就好。

封面图：图片来自 Spec Kit GitHub 仓库

告别 Vibe Coding：用 GitHub Spec Kit 让 AI Agent 真正「按规矩办事」

核心工作流：七步命令序列

今天就能上手：安装配置

实际效果：两个真实场景

上手前要知道的边界

参考ソース