GitHub Spec-Kit 使用指南

一、平台介绍

1. 核心理念 *将开发模式从“先写代码再补文档”翻转为“规范即执行”。*通过逐步生成可评审的文档（宪法、需求规范、技术方案、任务清单），为 AI Agent 提供稳定的契约。
2. 项目性质 开源工具包，包含 specify CLI 命令行工具 + Agent Prompt 模板 + 脚本库。
3. 开源协议 MIT License（完全开源）。

二、主要功能

1. 项目脚手架（Specify CLI） 一键生成规范驱动开发所需的目录结构、提示词及配置文件。
2. 阶段化斜杠指令（Slash Commands）

• /speckit.constitution：定义项目的全局不可违背准则，包括代码规范、架构约束、测试要求等。
• /speckit.specify：专注于“业务要做什么（What/Why）”，生成高层需求规范 spec.md，不掺杂技术细节。
• /speckit.clarify：主动提问以检查需求中的二义性、模糊点及边缘场景并补充完善。
• /speckit.plan：专注于“技术怎么做（How）”，制定技术选型、数据模型与架构方案 plan.md。
• /speckit.tasks：将方案拆解为带依赖关系、可并行执行的确定性任务清单 tasks.md。
• /speckit.analyze：交叉检查 Consistency，确保规范、方案、任务之间的一致性。
• /speckit.implement：驱动 Agent 按任务列表分步、小步快跑地编写代码。

1. 广泛的 Agent 生态集成 支持 GitHub Copilot、Claude Code、Cursor、Gemini CLI、Windsurf 等 30+ 款主流 AI 编码 Agent。

三、适用人群

1. AI 辅助开发者 / 独立开发者：希望用 AI 写大中型项目，但不想让 AI 乱改代码或迷失方向。
2. 软件架构师 / 技术 Leader：需要制定代码约束与架构规范（Constitution），控制 AI 输出质量。
3. 研发团队 / Product Manager：希望在写代码前快速评审需求规格 spec.md，确保产品与工程对齐。

四、免费与付费情况

1. Spec-Kit 本身费用：完全免费且开源。没有官方的付费商业版或订阅模式。
2. 第三方成本说明：使用 Spec-Kit 需要配合 AI Coding Agent 或 LLM API（如 GitHub Copilot 订阅、Claude API、OpenAI API 等），这部分按对应厂商的定价付费。
3. 相关网址链接：

• Spec-Kit 官方 GitHub 仓库：github.com/github/spec-kit
• GitHub Copilot 定价页面（若搭配 Copilot 使用）：github.com/pricing

五、如何使用（标准工作流）

1. 安装 CLI
2. 需要先安装 Python 的极速包管理器 uv。随后在项目根目录运行以下命令以集成 Copilot 或 Cursor：
3. bash

# 通过 uv 安装 specify-cli
uv tool install specify-cli --from git+https://github.com/github/spec-kit.git

# 初始化项目并指定集成方式（此处示例为 copilot）
specify init my-project --integration copilot

cd my-project

1. 执行标准七步法
2. 在 Agent Chat 中按顺序使用斜杠指令：
3. /speckit.constitution：生成 constitution.md，录入项目不可逾越的规则。
4. /speckit.specify <需求描述>：用自然语言描述需求，生成 spec.md（What/Why）。
5. /speckit.clarify：让 AI 审查 spec.md，回答其提出的补全问题并完善细节。
6. /speckit.plan：给出技术偏好（如“使用 Go + PostgreSQL"），生成 plan.md（How）。
7. /speckit.tasks：生成分步骤的任务列表 tasks.md。
8. /speckit.analyze：运行一致性检查，确保任务和方案无冲突。
9. /speckit.implement：让 AI 逐条完成 tasks.md 中的编码任务。

六、注意事项

1. 严禁越级编码 在没有审核通过 spec.md 和 plan.md 之前，不要直接跳到 /speckit.implement 进行生成代码操作。
2. 任务颗粒度控制 如果 tasks.md 中某个任务过于庞大，应当让 Agent 继续拆细，否则 AI 容易在单次生成中产生遗漏或逻辑断层。
3. 文档即版本控制 所有生成的 spec.md、plan.md 和 tasks.md 建议提交到 Git 仓库，作为项目演进的历史上下文进行保留与追踪。
4. 验证需要闭环 Spec-Kit 负责到“代码生成完成”为止，它不包含运行时测试能力。对于 UI 或端到端验证（E2E），建议配合 Playwright、Shiplight 等测试框架形成质量闭环。