AI 编程代理已经能写代码,但“怎么开始、按什么步骤推进、结果如何验证”往往还是散落在聊天记录里。GitHub 开源的 Spec Kit 想解决的正是这个问题:它提供一套结构化流程、可复用模板和可记录的产出,让编码代理围绕明确的规格和阶段来工作。项目用 Python 编写,采用 MIT 许可证,在 GitHub 上已获得约 149,878 个 Star 和 13,464 个 Fork(数据来自平台页面,仅代表社区关注度)。
不是单一流程,而是三个独立入口
Spec Kit 的 README 把它定位为“工具箱”,而不是强制流水线。它内置了三种可以直接使用的流程,彼此独立,不要求按顺序全部走完:
- Spec-Driven Development(SDD,规格驱动开发):从“要做什么、为什么做”出发,把规格推进到计划、任务和可运行代码,最后进入收敛检查。这是核心内置流程。
- Bug fixing(缺陷修复):评估问题原因、限定修复范围,并验证原始症状是否解决。不需要先走 SDD 特性流程。
- Idea assessment(想法评估):在投入开发前收集证据,给出继续、需要澄清或停止的判断。不需要源代码,也不需要 SDD 流程。
后两者以“扩展”形式提供,需要时安装;SDD 则随核心一起提供。此外,用户也可以组合底层机制,接入或创建自己的流程。
功能机制:模板、扩展、预设与工作流
Spec Kit 不只提供几条命令,它把流程拆成了可组合的部件。README 中列出的能力包括:
- Integration:连接或切换不同的编码代理。
- Extension:增加命令、质量门禁或完整流程,也可以把流程接到外部工具或服务。
- Extension runtime event / hook:响应编码代理的生命周期事件,或在 Spec Kit 命令前后执行扩展命令。
- Preset:调整模板、命令、术语或方法论,也可用于执行组织或监管标准。
- Project-local override:针对单个项目覆盖模板。
- Workflow、overlay、step:自动化提示、命令、门禁和 shell 任务;在不 fork 的情况下修改已安装工作流;为工作流增加可复用的可执行步骤。
- Bundle:把扩展、预设、工作流等打包成面向角色或团队的安装组合。
- Catalog、Authentication、Local sources:发现社区组件、托管私有组件目录、访问私有目录和组件下载,以及离线或防火墙内使用。
- Artifact inventory:查看某个命令、模板或脚本由哪一层提供。
这些机制让团队可以从最小改动开始,而不必整体替换现有流程。例如,用 preset 要求计划中包含监管追溯信息,用项目级覆盖处理一次性模板调整;或者通过扩展加入自己的命令,再借助 integration 暴露给编码代理。
怎么用:先装 CLI,再在代理聊天里逐步执行
根据 README,使用 Spec Kit 需要 Python 3.11+、uv,以及一个受支持的 AI 编码代理,运行环境为 Linux、macOS 或 Windows。安装 Specify CLI 并创建项目后,在项目目录中启动编码代理,然后在代理的聊天界面里逐个运行技能(skill),每完成一步先检查结果再继续。
README 以 GitHub Copilot 的默认技能语法为例;换成其他代理时,需要使用对应的调用语法。SDD 的最小流程是:每个项目创建一次 constitution,然后针对每个特性重复后续步骤;implement 和 converge 需要反复执行,直到收敛报告显示 Converged。缺陷修复流程会要求先安装对应扩展,执行后查看 .specify/bugs/login-crash/ 下的报告,最终结论分为 verified、partial 或 failed,只有 verified 表示修复成功。想法评估则把产物放在 .specify/assessments/offline-mode/,最终决策为 go、needs-clarification 或 kill;如果决定继续开发,可以把 decision.md 中的交接摘要传给 /speckit-specify。
需要注意的是,这些技能要在编码代理的聊天中运行,而不是在终端里直接执行;README 也建议一次只运行一个,并审查每步结果。
适用人群与使用提醒
Spec Kit 适合希望把 AI 编码代理纳入可追踪流程的开发者、技术负责人和团队:有人需要从规格出发开发新功能,有人想用结构化方式定位和验证缺陷,也有人希望在投入前评估一个想法是否值得做。对于已有代码的项目,README 也提供了“从现有项目开始”的说明。
使用时有两个边界值得留意:其一,社区目录中的组件列表不等于审计或背书,安装或运行前应查看社区源代码;其二,Spec Kit 提供的是流程和模板机制,并不会替用户保证代码质量或业务决策正确,最终仍需人工审查每一步产出。
项目主页
更多安装方式、命令参考、SDD 完整方法论和自定义指南,可访问项目主页:https://github.com/github/spec-kit
项目地址:spec-kit
相关推荐
Hugging Face Transformers:统一文本、视觉、音频与多模态模型的模型定义框架
n8n:可视化搭建与自定义代码结合的 AI 工作流自动化平台
cinecode:用 AI 编程代理写剧本、造画面、配音效,把一句话变成 MP4 电影
gputaskman:给 GPU 装一个 htop,逐进程看清显存都被谁占了
开发一次,四个平台原生运行:Exact 想做的 AI 原生跨平台应用运行时
Hermes Agent:Nous Research 开源的自我改进 AI 智能体,能从经验中创建技能并跨平台运行
TradingAgents 是什么:用多智能体 LLM 模拟交易公司的开源框架
llama.cpp:用 C/C++ 实现本地大模型与视觉语言模型推理
最近更新
Hugging Face Transformers:统一文本、视觉、音频与多模态模型的模型定义框架
Hugging Face Transformers 是一个覆盖文本、视觉、音频、视频和多模态的模型定义框架,支持推理与训练,并通过统一 API 连接主流训练框架和推理引擎。
n8n:可视化搭建与自定义代码结合的 AI 工作流自动化平台
n8n 是一个 fair-code 工作流自动化平台,支持可视化画布与 JavaScript、Python 代码混合搭建,可自托管或云端部署,并提供 AI 工作流、多步骤 agent、大量集成和工作流模板。本文介绍其功能、使用方式、运行环境与适用场景。
cinecode:用 AI 编程代理写剧本、造画面、配音效,把一句话变成 MP4 电影
cinecode 是一个在本地运行的 AI 电影生成工具包:AI 编程代理写剧本、用代码逐帧搭建画面、设计声音并输出 MP4,覆盖短片、长视频、广告、解说和音乐视频。本文介绍它的两种模式、两个创作目标、主要功能、运行环境和适用场景。
gputaskman:给 GPU 装一个 htop,逐进程看清显存都被谁占了
gputaskman 是一个用 Python 编写的终端 GPU 任务管理器,试图回答“显存到底被谁占了”:它把逐进程显存、GPU 引擎活动与运行时、模型文件、LLM 的权重/KV cache 拆解关联起来,支持 Windows、Linux、WSL 和 Apple Silicon。本文介绍其功能、安装方式、平台限制与适用场景。
开发一次,四个平台原生运行:Exact 想做的 AI 原生跨平台应用运行时
Exact 是一个跨平台应用运行时:用小型声明式语言 Contract 描述界面,用 TypeScript 或 Rust 写数据逻辑,编译出的界面计划在 Web、macOS、iOS 和 Linux 上以各平台原生方式运行,并允许 AI 编码代理通过统一操作脚本构建、运行、观察和测试应用。
Hermes Agent:Nous Research 开源的自我改进 AI 智能体,能从经验中创建技能并跨平台运行
Hermes Agent 是 Nous Research 开源的自我改进 AI 智能体,内置学习闭环,能从经验中创建并改进技能,支持多消息平台、定时任务、子智能体和多种运行后端,可用任意模型并通过 CLI 或 Telegram 等入口使用。
TradingAgents 是什么:用多智能体 LLM 模拟交易公司的开源框架
TradingAgents 是一个基于 LangGraph 的多智能体 LLM 金融交易研究框架,用分析师、研究员、交易员和风险管理团队的分工模拟交易公司决策流程。本文介绍它的角色设计、安装方式、LLM 提供商配置、CLI 用法、支持市场与 Python 调用方式。
llama.cpp:用 C/C++ 实现本地大模型与视觉语言模型推理
llama.cpp 是一个用 C/C++ 编写的 LLM 与 VLM 推理项目,构建在 ggml 之上,支持多种 CPU 指令集、量化方案和 GPU/NPU 后端,并提供 CLI、server 等工具。本文依据其 GitHub README 介绍项目定位、功能特点、安装方式与适用场景。
ECC:给 AI 编码代理加装一套工程化流程与工具箱
ECC 是面向 AI 编码代理的工程化流程系统,提供 71 个代理、314 个技能、钩子、记忆与安全扫描,主要支持 Claude Code,并为 Codex、Cursor 等提供适配路径。
Superpowers:给编程 Agent 装上完整开发方法论的开源技能框架
Superpowers 是一个面向编程 Agent 的开源技能框架和开发方法论,通过自动触发的技能把需求澄清、计划拆解、TDD、子 Agent 开发和代码审查串成完整工作流,支持 Claude Code、Codex、Cursor、Gemini CLI 等多种 Agent 环境。






