SpecKit实战，7阶段多模型分工策略，破解AI代码不敢改的困局

当 AI 能在几秒内写出数百行结构清晰、注释完备的代码时，开发者本应松一口气。现实却是：一旦需求微调，整套系统便如走钢丝般脆弱——一个字段名变更，可能触发跨模块连锁错误；修改一处逻辑，却导致另一处功能失效。问题不在于模型能力不足，而在于当前主流做法仍让单一模型包揽从需求理解到代码落地的全流程，违背了软件工程的基本分工原则。

这一困境被业内称为“许愿式编程”：用户向 AI 描述意图，模型自行补全隐含假设，产出看似完整实则根基不稳的代码。最终，开发者陷入“不敢改”的被动局面——因为没人真正清楚代码背后的决策链条。

GitHub 官方开源的 Spec Kit（spec-kit）正试图从方法论层面破解此题。它并非追求让 AI 写出更优雅的代码，而是通过一套结构化流程，强制将开发过程拆解为可追溯、可验收、可交接的标准化产物链。其核心理念仅一句话：先明确“做什么、为什么”，再决定“怎么做”。

该工具链以六份关键文档为骨架，形成闭环工作流：

constitution.md：项目原则声明，定义不可妥协的边界条件；
spec.md：功能规格说明书，聚焦用户需求与验收标准；
plan.md：技术方案与架构权衡，说明选型理由与替代路径；
tasks.md：可独立验证的原子任务列表，带依赖关系与验收项；
代码实现：按任务逐条交付；
converge.md：代码与前序文档的对账报告，标识遗漏或偏差。

这套机制带来三个实质性改进：可追溯——每行代码都能回溯至 spec.md 中的具体条款；可验收——需求附带明确测试标准，交付不再依赖主观判断；可换人——新成员或三个月后的自己，仅需阅读文档即可接手，无需重复解释。

宪法阶段易出现“漏项”，需广度覆盖与条款化表达能力；
规范阶段易将猜测写成事实，需资料整合与标注“待确认”的勇气；
计划阶段易陷入单方案陷阱，需发散思维与多方案对比；
任务拆解易粒度失控或依赖错乱，需长时结构化输出与状态追踪；
实现阶段易上下文断裂或顺手重构，需稳定工具调用与克制冲动；
审查阶段最忌自我一致性偏差，必须由独立模型执行。

据此，实战中形成了一套模型选型矩阵：

| 阶段 | 主力模型组合 | 关键能力要求 |

|------|----------------|----------------|

| 宪法 | Grok 4.7（审：Opus 5.5） | 条款化 + 长约束保持，双签才生效 |

| 规范 | Gemini + Kimi | 大资料综合 + 中文现场资料，两种语料交叉 |

| 计划 | Gemini 3.1 Pro（审：Sol / Opus） | 跨厂商方案知识面广，能给出互斥的候选 |

| 任务 | Grok 4.7 + Sol | 长时状态维持 + 依赖与验收条件推理 |

| 审查 | Opus 5.5（辅：Gemini / GLM） | 没参与生成，且擅长判严重等级 |

| 实现 | Grok 4.7 High | 长时编码耐力最好，档位按复杂度升 |

| 收敛 | 四方分工（Grok / Gemini / Opus / GLM） | 差异修复、回查资料、需求核对、安全查漏 |

值得注意的是，其中两个“质量门”机制极大提升了前期纠错效率：clarify 在规划前强制 AI 提问，将模糊需求转化为明确结论（每次最多5问，支持多轮）；checklist 则生成针对需求本身的单元测试——不是测代码是否跑通，而是测需求是否写得足够清晰。而 analyze 工具仅读取三份文档，输出冲突清单，不修改任何文件，真正实现“拦截错误，不制造新错”。

该策略已在多个真实项目中验证效果。一位开发者反馈，在使用 Spec Kit 后，需求变更响应时间从平均3天缩短至4小时内；代码复用率提升约40%；新成员上手周期从2周压缩至2天以内。更重要的是，团队首次实现了“代码可审计”——当产品质疑某功能逻辑时，工程师能直接指向 spec.md 第3.2条及对应任务ID，而非口头解释。

这背后反映的是 AI 编程范式的根本转变：从“生成即完成”转向“规范即契约”。过去我们期待模型像资深工程师一样思考全局；现在更务实的做法是，让模型在明确边界内专注执行，而把系统性判断交给流程与多人协作。

类似思路也正在企业级场景延伸。例如岚图汽车在构建大模型调度平台时，同样采用“多模型并存+统一网关治理”架构：研发、客服、营销等不同业务线按需选用外部模型，但所有调用经由硅基流动的私有化网关统一管理，解决接口差异、权限隔离与SLA保障问题。这与 Spec Kit 的“阶段分工+统一产物”逻辑异曲同工——都是通过抽象层化解复杂性，而非寄望单一模型全能。

当然，Spec Kit 并非银弹。它要求团队接受前期文档成本，对习惯“边写边想”的开发者构成认知挑战。但随着 AI 编程从“辅助工具”走向“生产主力”，可维护性已不再是锦上添花，而是交付底线。当代码不再只是“能跑”，而是“可知、可控、可改”，AI 才真正从效率工具升级为工程伙伴。

目前 Spec Kit 已在 GitHub 开源（MIT 协议），支持 Python 3.11+ 与 uv 工具链，初始化仅需两行命令：uv tool install specify-cli 与 specify init my-project --integration cursor-agent。主流程六步命令依次执行，每步产出清晰可见，适合快速上手验证。

在大模型能力持续跃升的今天，真正的瓶颈早已不在生成速度，而在如何让生成结果融入可持续演进的工程体系。Spec Kit 提供的，是一条可行路径：不靠模型更强，而靠分工更准。