GitHub Spec Kit:規格驅動開發四階段工作流(/specify → /plan → /tasks → /implement)
GitHub 官方開源的「規格驅動開發(Spec-Driven Development)」工具,用 /speckit.specify → /plan → /tasks → /implement 一條龍把模糊需求變成可執行規格,再由 AI 照規格產碼,治好「憑感覺寫(vibe coding)」的失控問題。
別再丟一句話給 AI 然後祈禱。GitHub 官方 Spec Kit 把開發拆成「立憲法 → 寫規格 → 釐清 → 做計畫 → 拆任務 → 實作」六階段,每階段都有對應指令,規格才是真正驅動實作的東西。
[ Log in to see the full prompt ]Sign up free to see the full prompt, copy it, save it, and join the discussion. Free content unlocks on login; Pro content is a separate subscription.
## 這是什麼/解決什麼痛點 大多數人用 AI 寫程式是「丟一句話 → 看它生一坨 → 不對再罵它改」,GitHub 把這種做法稱為 vibe coding(憑感覺寫),後果是需求漂移、產出不可預期、回頭很難維護。**Spec Kit** 是 GitHub 官方開源的解法,主張 Spec-Driven Development(規格驅動開發):先把「要做什麼」寫成一份結構化、可執行的規格,再讓 AI 照規格產出實作——規格不只是參考文件,而是真正驅動程式生成的源頭。 ## 為什麼這個來源值得用 它是 **GitHub 官方專案**(不是個人 side project),MIT 授權可商用,並宣稱整合 30+ 個 AI 編碼代理(GitHub Copilot、Claude Code、Cursor、Gemini、Codex CLI 等),是目前「規格驅動」這個流派最有份量的參考實作。 ## 怎麼用(要點) 官方流程是一連串斜線指令(實際指令前綴為 /speckit.): 1. `/speckit.constitution`:建立專案治理原則。 2. `/speckit.specify`:定義「要建什麼」(需求與使用者故事,不碰技術)。 3. `/speckit.clarify`:釐清規格中未明確之處(建議做)。 4. `/speckit.plan`:用你選的技術棧產出技術實作計畫。 5. `/speckit.analyze`:交叉檢查各文件一致性與覆蓋缺口(選用)。 6. `/speckit.tasks`:把計畫拆成可執行任務清單。 7. `/speckit.implement`:照任務清單逐步把功能做出來。 另有 `/speckit.taskstoissues`(任務轉 GitHub issue)與 `/speckit.checklist`(產品質檢查表)。 安裝:需 Python 3.11+、Git 與 uv,先 `uv tool install specify-cli --from git+https://github.com/github/spec-kit.git@<版本>`,再 `specify init <專案> --integration <代理>` 初始化。 ## 何時用 當功能有一定複雜度、需要多步驟、且你希望「過程可追、結果可預期、規格可交接」時最適合;對一次性小腳本則屬殺雞用牛刀。上方 full_prompt 是把這套六階段紀律濃縮成一份可直接貼進任何 AI 代理對話的版本,不裝 CLI 也能照著跑。 📎 來源:github/spec-kit(作者 GitHub, Inc.,MIT 授權)— 本篇為繁中改寫整理,原始內容見 source_url。
Suno Engineer's Mindset: 4 Steps to a Song That Doesn't Sound Like AI
A studio engineer's breakdown of Suno's fatal weaknesses (fried vocals, high-frequency artifacts), plus a 4-step DAW workflow and a Suno Studio cleanup prompt.
5 Claude Weekly Workflows That Stuck After 6 Months
Proposal generator / meeting processor / content repurposer / Friday review / shutdown reset — out of 40 I tried, only these 5 survived, each saving 30+ minutes per run.