Spec怎么写AI才不跑偏?OpenSpec+grill-me实战

规格由AI写也会跑偏,需管住怎么问、怎么写、写成什么样三件事。
文章指出,规格文档由AI生成同样会跑偏:同一需求方案每次不同,规格看似完整却可能漏掉关键约束。作者提出将OpenSpec与grill-me结合的SD Flow流程,核心是同时管住「怎么问、怎么写、写成什么样」。问的层面,分清哪些事实AI自查、哪些方案AI带推荐、哪些影响由人判断,并先攻「沉重约束」、以证据而非轮次判断何时停。写的层面,改为先落决策纪要、再从纪要一次成文,避免多文档互相矛盾,并用内容指纹防止纪要被动改。成的层面,规格需过通用规则与分层领域规则,并配上下文图、状态机等图表倒逼AI走通流程。作者强调,人必须对需求先有预期并亲自拍板,AI只是帮你把预期找出来、写下来。
AI写代码越来越普遍,但一个核心痛点始终存在:规格文档(Spec)本身也是AI写的,它一样会跑偏。同一个需求,每次生成的方案可能都不一样;规格看着完整,但关键问题没问到,你一眼根本看不出对错。B站UP主「老大千里」在最新分享中,围绕「怎么问、怎么写、写成什么样」三件事,提出了一套将 OpenSpec 与 grill-me 结合的实战流程——SD Flow,并直言:如果心里没有预期,每一问都按推荐答,最后的方案就是AI的方案,不是你的方案。
为什么光有规格还不够?
上一期用规格管住AI乱猜的思路已经验证有效,但新问题随之而来:规格由AI生成,它只会问自己「想到的」问题。同一需求下,方案每次不同,规格看似完整却可能遗漏关键约束。作者指出,想拿到靠得住的规格,必须同时管住三件事:怎么问、怎么写、写成什么样。
这也解释了B站网友的疑问——为什么不直接用 grill-me 代替 OpenSpec?作者的答案是:两者互补而非二选一。OpenSpec 管规格的生命周期(怎么写、怎么归档、变更如何处理),grill-me 管怎么问(把你脑子里的决定一条条问出来)。grill-me 作者 Matt Pocock 自己的流程里,拷问完下一步也是把对话整理成 Spec。
规格驱动开发(Spec-Driven Development) 是近年随AI编码工具兴起的一种工作范式:在让AI写代码之前,先用结构化的规格文档把「要做什么、不做什么、约束是什么」固定下来,再以规格为唯一事实来源驱动实现与验收。它与传统的「先写代码、后补文档」相反,强调文档先行、可追溯、可评审。OpenSpec 就是这一范式的落地工具之一,它把规格拆成提案、规格、设计、任务等多个文档并管理其生命周期。这一范式的关键假设是:规格的质量决定了产出的质量。因此当规格本身由AI生成时,规格的「问对问题」能力就成了新的瓶颈,这也是文章强调必须同时管住「怎么问」的原因。
SD Flow:从四步到六步的流程演进
作者最初将两者结合为四步流程:先用 Explorer 命令与AI发散聊,定下问题边界和方案方向;再用 OpenSpec 一次生成提案、规格、设计、任务四个文档;接着用 grill with Docs 逐条拷问方案;最后记录ADR(决策记录)和术语表,回头修改四个文档。
但实际跑下来发现,回头改文档容易出错。于是作者定制了 SD Flow,核心变化是先落纪要,再成文:探索后先把目标和范围合一遍,落一份临时决策纪要;用 grill with Docs 的方式拷问,每定一个决定就填进纪要;拷问中确定以后还要用的,落成ADR和术语表;最后才从纪要一次性写成 OpenSpec 规格文档。

ADR(Architecture Decision Record,架构决策记录) 是一种轻量级的决策留档方式,通常以Markdown文件形式存在,每条记录包含:决策背景(Context)、决策内容(Decision)、备选方案与被否原因、以及决策带来的后果(Consequences)。它的价值不在于文档本身,而在于让后来者(包括几个月后的你自己和AI)能理解「为什么是这样,而不是那样」,避免在不知情的情况下推翻一个其实有充分理由的决定。在SD Flow中,ADR承担的是「拷问中确定以后还要用的」那部分决定的长期留存,与临时性的决策纪要形成分工:纪要覆盖全过程,ADR只沉淀需要长期引用的关键决策。
怎么问:分清问谁、先问什么、何时停
拷问阶段的核心是三个问题。问谁? 代码里查得到的事实,AI自己去查;有多个方案可选的,AI自己调研并带推荐来;写进系统对用户、对后续开发的影响,由你来判断;只有你自己知道的需求、约束和偏好,才来问你。先问什么? 先攻「沉重约束」——好几个方案都靠它支撑的那个前提,它一倒,相关方案就得重新评估。问到什么时候停? 不看问了几轮,看每条沉重约束有没有证据:代码的文件和行号、命令输出,或者你本人的确认。

作者举了一个数据处理工具的例子:批量导入Excel时,一批十条数据中有几条格式不对,AI顺着现有代码推荐整批拒绝。但作者站在用户角度选择了「格式对的照常导入,格式不对的标出来并写清哪一行错在哪」。同一个问题,选择不同,后续要做的东西完全不一样。推荐是AI给的,但用户体验是什么,得由你来判断。
怎么写:纪要先行,一次成文
作者用「势力项目」按老流程跑了一轮,拷问完回头改四个文档,结果发现两处说法打架:术语表写「一次超温最多发一条通知」,规格里却写「服务重启后还在超温的设备会再发一条」。同一件事两个文档说法不一,照哪个做都有一个是错的。
新流程反过来:拷问一开始就建好分支和改动目录,放一份纪要草案,记录四样内容——定了什么、砍掉了哪些方案及原因、沉重约束和证据、明知有风险但决定接受的地方。每拍板一条当场写入,中途断了也只丢上一次写入后的内容。收尾后从纪要逐个写出四个文档,每写完一个跑一遍校验,四个都写完再拿纪要逐条对一遍:决定有没有漏、约束有没有写反、有没有加了纪要里没有的东西。纪要定稿时还会算一个内容指纹,声称归档前对一下,防止纪要被悄悄改掉。

内容指纹(Content Hash / Fingerprint) 指对文档内容计算出的固定长度摘要值(如SHA-256),内容任何微小改动都会导致指纹完全不同。在规格归档场景中,定稿时记录一次指纹,之后归档前重新计算并比对,即可低成本地发现纪要是否被悄悄修改过。这不是加密手段,也无法阻止有意篡改后重算指纹,但它能有效防止「无意识漂移」——例如AI在后续轮次中顺手改了纪要却没人注意到,从而导致规格与决策依据脱节。对于多人协作或长周期项目,这种轻量校验是保证「规格可追溯」的一道低成本保险。
写成什么样:通用规则+领域规则
规格内容分两类。通用规则是所有规格文档都要满足的,最要紧的四样:写成功指标(拿什么度量、要做到什么);写不做什么时附上一个能被推翻的假设;代码里的事实先查再写,不凭记忆;方案选择要写清被否掉的选项和理由。领域规则按需求涉及的技术领域来定,SD Flow 列了二十多种情况。规则清单是分层的:最底层是通用规则,往上是后端、嵌入式、前端等按领域分,再往上是具体语言、芯片和框架(如 Go、ESP32、React)。写 Go 代码就要过通用、后端、Go 三层。这些领域规则可以扩充,你在哪块常踩坑就往哪块加。
图表也按需求来画:结构上画上下文图、容器和组件图;行为上画状态机、数据流、决策和时序图;还有测试覆盖图、对比表和任务依赖图。画图有两个好处:一是方便人看懂方案,一张图比一大段字清楚;二是逼着AI把流程一步步走一遍,没想到的地方画到那儿就露出来了。作者把这些要求写进了 OpenSpec 的配置里,每次生成都会带上,不靠AI自己记得。

在「势力项目」的设计中一共画了八张图。其中一张是因为新增了冷却表——同一台设备推过一次,十分钟内不再推,几个上报请求会同时读这张表。AI判断属于并发场景,多画了一张时序图,让人一眼就能核对「两条消息同时来了,只推一次」是不是想要的效果。当然,设计涉及哪些场景和领域由AI根据语义判断,它也会漏判,漏判的兜底方案作者留到下一期规格评审中讨论。
C4模型 是描述软件架构的一种分层可视化方法,由Simon Brown提出,包含四个层次:上下文图(Context,系统与外部角色、系统的关系)、容器图(Container,应用、服务、数据库等可部署单元)、组件图(Component,容器内部的模块划分)、代码图(Code,类与接口级别,通常不手绘)。文章提到的「上下文图、容器和组件图」正是C4的前三层。采用分层画图的好处是:不同读者可以按需选择抽象层级——业务方看上下文图,开发看容器与组件图,避免一张图既想讲清全局又想讲清细节,结果两头都不清楚。这也解释了为何画图能倒逼AI把流程走一遍:每下一层都必须回答上一层未展开的问题。
人在流程中的位置
回到开头的两个现象:只问AI想到的,那就先分清问谁,再一条条拷问,有证据了才听;同一需求方案每次不一样,那就把每一问的决定收回到自己手里,由人来拍板。SD Flow 把 grill-me 的「问」和 OpenSpec 的「写与留存」结成了一条线,但作者强调这只是他个人从别人的 skill 一点点改出来的落地方案,读者可以按这个思路改,或者做自己的流程。
最关键的提醒是:你得对自己完整的需求心里先有个预期,AI拷问是帮你把预期找出来、写下来,不是替你定。 目标和方向已经清楚的小改动,探索可以缩短甚至跳过,但范围和方案澄清、事实核对和决定确认,这几样不能省。规格写出来能不能直接生成代码?作者把这个问题留给了下一期的规格评审。
相关推荐

Gemini 4 Neon评测:跑分比肩Carbon,API定价与额度解析
Google Gemini 4 Neon正式上线,跑分紧咬Carbon,API定价3/15为Hydrogen两倍。本文汇总B站UP主实测:Neon可平替90% Carbon场景,AntiGravity中额度消耗仅为Carbon三分之一,并解析订阅渠道限制与2API封号风险。

Gemini 4 Helium或将至?Google订阅限制松绑信号
Google团队成员预告发布将继续,社区推测Gemini 4 Helium(Flash Lite)或成下一款模型;订阅封禁争议获回应,产品负责人以「Soon」暗示可能开放限制。本文梳理Gemini动向、OpenAI Coding Agent与风险管理、豆包实时音视频API及算力商业动态。

AI辅助React开发实战:视频应用优化与错误处理
14年经验开发者演示如何用AI辅助优化React视频应用:通过ImageKit将视频从80MB压缩至5MB(约94%),并实现可靠的错误处理与重试机制。包含与AI协作的规划、代码理解和验证方法。