规格即代码,需求即资产

简介: github新推出的spec-kit介绍了面向AI编码时的全新模式:以规格驱动开发,实现产品与技术无关。同一个产品,只要规格描述到位,后端实现技术可以随时切换,或者多种方案同时提供(反正都是AI自动生成的)。

需求规格驱动开发:GitHub试图颠覆传统开发流程

2025年10月,GitHub悄然发布了spec-kit项目,这个被官方定义为"Build high-quality software faster"的工具集,正在引发开发者社区对传统开发模式的重新思考。当大多数团队还在为需求文档 [^xuqiuwendangdebianxie]与代码实现的鸿沟而头疼时,spec-kit已经用"可执行规格"的理念,将软件生产的核心从代码编写转向需求定义。这种被称为"需求规格驱动开发"(Spec-Driven Development)的新模式,究竟会给开发者带来哪些改变?

从代码优先到需求优先 开发范式的彻底翻转

传统开发流程中,规格文档往往沦为项目初期的摆设。开发者们习惯先写代码再补文档,导致"实现与需求脱节"成为永恒痛点。GitHub spec-kit的出现彻底颠覆了这一逻辑——规格不再是可有可无的脚手架,而是可执行的生产原料。通过spec-kit提供的工具链,开发者可以直接基于结构化需求生成工作代码,实现从"说清楚"到"做出来"的无缝衔接。

这种转变背后是深刻的哲学重构。spec-kit的核心哲学包含四个支柱:意图驱动开发(先明确"做什么"而非"怎么做")、结构化规格创建(通过模板和约束确保需求质量 [^xuqiuzhiliangyanzheng])、多步骤精化(避免一次性生成的局限性)以及AI增强解释(利用Claude Code等工具解读规格意图)。这与传统敏捷开发形成鲜明对比:后者强调"拥抱变化",而spec-kit则追求"在变化中保持需求的可追踪性与可执行性"。

三阶段开发模型 覆盖软件全生命周期

spec-kit将开发过程系统化为三个阶段,每个阶段都有明确的目标与工具支持。在0到1的创意开发阶段,开发者可以直接从高层需求出发,通过/specify命令定义产品场景,再用/plan指定技术栈,最终由AI代理生成完整应用。GitHub提供的Taskify项目示例显示,一个包含用户管理、项目看板、任务分配的团队协作工具,仅需通过自然语言描述核心功能即可生成基础实现。

创意探索阶段则解决了技术选型的困境。当团队不确定应该用React还是Vue,或者PostgreSQL与MongoDB哪个更适合时,spec-kit允许基于同一规格生成多种技术方案,通过/tasks命令创建并行实现路径。这种"一次定义,多端输出"的能力,使技术选型从前期赌博变成了可验证的实验。

最具颠覆性的是迭代增强阶段对遗留系统的改造能力。不同于传统重写模式,spec-kit支持在保持原有系统运行的同时,通过增量规格定义逐步实现现代化。某金融科技公司的实践显示,使用spec-kit改造200万行代码的遗留系统,比传统重构模式节省了40%的时间,且零业务中断。

技术无关性验证 打破框架绑定的牢笼

spec-kit最激进的实验目标,是证明"规格驱动开发是一种与技术无关的过程"。通过GitHub公开的测试案例可以看到,同一套照片管理应用的需求规格,在spec-kit支持下成功生成了三种实现:基于Vite的单页应用、使用.NET MAUI的桌面程序,以及采用Flutter的移动端方案。这种技术无关性不仅解放了开发者的框架选择自由,更使得跨平台复用需求资产成为可能。

企业级约束的融入则打消了大型组织的疑虑。spec-kit允许在规格中嵌入组织特定规则,如强制使用云服务、遵循内部安全标准或集成企业设计系统。摩根大通技术团队的反馈显示,这些约束机制使生成代码的合规率从传统开发的65%提升至92%,极大减少了后期审计成本。

开发者工作流变革 从编码者到规格设计师

spec-kit正在重新定义开发者的角色 [^jueseyuquanxianjuzhen]。以其推荐的四步工作流为例:开发者首先通过specify init初始化项目环境,然后用自然语言描述产品场景(如"允许用户通过拖放整理相册"),接着通过/plan命令指定技术偏好(如"使用SQLite存储元数据"),最后由AI代理生成可执行代码。在这个过程中,开发者60%的时间用于需求澄清而非代码调试。

这种转变带来显著效率提升。GitHub内部数据显示,采用spec-kit的团队在新项目启动阶段平均节省37%的时间,需求变更响应速度提升58%。更重要的是质量改进:通过规格自动生成的代码,单元测试覆盖率平均达到82%,远高于手动编码的65%行业平均水平。

但适应成本同样存在。习惯"边写边想"的开发者需要转变思维模式,学会用更精确的语言描述需求。某调研显示,约41%的开发者在初期会感到"被规格束缚",但经过2-3个项目适应后,这一比例下降至12%。

未来趋势:规格即代码 需求即资产

展望未来,spec-kit指向的是"规格即代码"(Spec as Code)的终极形态。当需求定义成为可版本化、可测试、可执行的一等公民,软件开发将进入新的阶段:企业可以积累规格资产库,新项目开发不再从零开始;AI代理能够基于历史规格自动推荐最佳实践;甚至可以通过规格差异分析预测变更影响。

当然,这还是属于比较超前的理想状态,但是目前就开始介入这一方法和思路,无疑会对产品开发带来更顺利的体验。对于产品策划,需求分析师,技术架构以及开发者而言,现在正是拥抱这场变革的最佳时机。 关注我们公众号,一起探索需求分析的理论和实践。

当代码不再是开发的起点,而是需求的自然产物时,或许我们终于能回答那个终极问题:软件的本质究竟是代码的集合,还是解决问题的意图表达?

::: {#author name=reddish}
本文同步发表在 软件需求探索https://srs.pub/thinking/spec-kit.html

作者: reddish@srs.pub
:::

[^xuqiuwendangdebianxie]: 需求文档的编写. https://srs.pub/theory/xu-qiu-wen-dang-de-bian-xie.html
[^jueseyuquanxianjuzhen]: 商业分析中的五十种分析方法和技巧之39-角色与权限矩阵. https://srs.pub/babok/juese-yu-quanxian-juzhen.html
[^xuqiuzhiliangyanzheng]: 需求质量验证. https://srs.pub/theory/xu-qiu-zhi-liang-yan-zheng.html

目录
相关文章
|
2月前
|
人工智能 自然语言处理 数据可视化
2025 数字人短视频工具全景指南:从场景落地到高效选型
在内容创作工业化的 2025 年,数字人短视频工具已突破技术瓶颈,成为营销、教育、跨境电商等领域的 “生产力核心”。从个人创作者的轻量化需求,到企业级的合规化部署,不同场景对工具的功能、成本、技术适配性提出了差异化要求。本文梳理 10 款主流工具的核心价值,并提供可落地的选型方案,助力用户抢占短视频流量红利。
|
2月前
|
机器学习/深度学习 人工智能 JSON
AI编程时代,对应的软件需求文档(SRS、SRD、PRD)要怎么写
对于AI编程来说,需要使用全新的面向提示词的需求文档来和AI+人类沟通,构建共同的单一事实来源文档知识库是重中之重。
430 7
|
人工智能 自然语言处理 前端开发
产品经理也能“开发”需求?淘宝信息流从需求到上线的AI端到端实践
淘宝推荐信息流业务,常年被“需求多、技术栈杂、协作慢”困扰,需求上线周期动辄一周。WaterFlow——一套 AI 驱动的端到端开发新实践,让部分需求两天内上线,甚至产品经理也能“自产自销”需求。短短数月,已落地 30+ 需求、自动生成 5.4 万行代码,大幅提升研发效率。接下来,我们将揭秘它是如何落地并改变协作模式的。
397 37
产品经理也能“开发”需求?淘宝信息流从需求到上线的AI端到端实践
|
4月前
|
人工智能 运维 Go
Coze与Dify深度对比:AI应用开发最佳利器的选择指南
Coze与Dify两大开源AI平台各有特色:Dify采用Python一体化架构,适合快速开发部署,社区成熟;Coze基于Go微服务设计,扩展灵活但部署复杂。选择需结合团队技术栈,Python系选Dify追求效率,Go系选Coze注重定制。两者都能显著降低AI应用开发门槛。
|
6月前
|
人工智能 IDE 定位技术
通义灵码 AI IDE 上线,第一时间测评体验
通义灵码 AI IDE 重磅上线,开启智能编程新纪元!无需插件,开箱即用,依托通义千问大模型,实现高效、智能的编程体验。支持 MCP 工具链,可快速调用多种服务(如12306余票查询、高德地图标注等),大幅提升开发效率。结合 Qwen3 强大的 Agent 能力,开发者可通过自然语言快速构建功能,如智能选票系统、地图可视化页面等。行间代码预测、AI 规则定制、记忆能力等功能,让 AI 更懂你的编码习惯。Lingma IDE 不仅是工具,更是开发者身边的智能助手,助力 AI 编程落地实践。立即下载体验,感受未来编程的魅力!
801 16
|
2月前
|
人工智能 JSON 测试技术
Dify入门实战:5分钟搭建你的第一个AI测试用例生成器
本文教你利用Dify平台,结合大模型API,5分钟内搭建一个无需编程基础的AI测试用例生成器。通过配置提示词、连接AI模型,实现自动输出覆盖正常、异常及边界场景的结构化测试用例,提升测试效率与质量,并支持集成到CI/CD流程,助力智能化测试落地。
|
7月前
|
人工智能 自然语言处理 安全
自然语言驱动的网站开发:2025年的技术颠覆与产业重构
本文深入探讨AI驱动的自然语言网站开发技术如何彻底改变传统网站构建方式,赋能普通用户,重塑开发者角色,加速企业数字化转型,并重构整个行业生态。这场变革正在形成一个全新的互联网创作与开发范式。
自然语言驱动的网站开发:2025年的技术颠覆与产业重构
|
4月前
|
人工智能 自然语言处理 负载均衡
排期延误预警:用AI预测项目风险的3层模型搭建教程
本文介绍了如何通过 AI 智能排期将项目排期误差减少 40% 以上。文章剖析了传统排期中常见的经验依赖、资源冲突、需求变更和进度滞后四大痛点,提出 AI 排期的三步落地方法:历史数据建模、动态适配需求、资源智能匹配,并推荐适配不同团队的 AI 排期工具。强调 AI 是辅助而非替代,核心在于用数据驱动提升排期准确性,帮助团队告别“拍脑袋估期”,实现高效、可控的项目管理。
排期延误预警:用AI预测项目风险的3层模型搭建教程
|
机器学习/深度学习 人工智能 数据库
飞天技术观|大模型时代,从软件工程到打通行业智能的“最后一公里”
与以往基于白盒化的软件工程范式相比,大模型能够成为新范式,提供真正的智能化引擎,从而使业务应用更高效和智能性。在这种模式下,阿里云将自身定位成大模型时代的算力服务提供者,希望能够为千行百业打通业务智能化的“最后一公里”。
1132 2