四、跨编辑器通用工具

接下来聊聊跨编辑器通用的工具。这些工具不依赖特定的编辑器，适用于 Cursor、VS Code、Claude Code、GitHub Copilot 等几乎所有主流的 AI 编程工具。

Spec-kit 规范驱动开发

Spec-kit 是 GitHub 推出的规范驱动开发（SDD）框架。

什么是 SDD 呢？

传统开发流程是：想到什么写什么，边写边改，最后再补文档。这样容易导致需求不清晰、代码和文档对不上。

而规范驱动开发的思路正好相反：先把需求写成规范文档，并且把规范文档当作代码的 唯一真相来源。你可以把规范文档理解为 法律条文，它包含了详细的需求描述、系统设计和接口定义。AI 必须严格遵守这些条文来生成代码，确保产出完全符合预期。

听起来有些抽象，我们可以跟着 Spec-kit GitHub 仓库 的官方文档来实战一下。

首先打开终端，利用 uvx 命令直接安装运行 Specify 工具，并初始化一个项目：

uvx --from git+https://github.com/github/spec-kit.git specify init my-project

选择你使用的 AI 编程工具，Spec-kit 支持 Claude Code、GitHub Copilot 等几乎所有主流编程工具。这里我选 Claude Code：

根据操作系统选择脚本类型，Windows 选下面的，其他选上面的：

执行完这个命令后，会在当前目录下创建一个 my-project 文件夹：

文件夹里面包含了这些核心文件：

• .specify/memory/constitution.md：项目的基本准则和约定
• .specify/scripts/：一些可执行脚本
• .specify/templates/：模板文件
• .claude/commands/：定义了一套内置的斜杠命令，让你在 AI 编程工具中可以直接调用

初始化程序还给了我们一些指引，告诉我们接下来如何运用这些命令来开发项目。

用 Claude Code 打开这个项目文件夹，就可以在对话中使用定义好的命令了。

接下来就是标准化的开发流程，参考 官方文档，主要分为 7 个步骤：

1）Constitution 制定项目准则

运行 /speckit.constitution 命令，定义项目的基本原则、代码规范、性能标准等。这是项目的 “宪法”，后续所有开发都要遵守。

比如：

/speckit.constitution 禁止使用蓝紫渐变色风格的 UI

💡 如果你要做中文项目，最好在制定项目准则时就明确告诉 AI “整个网站使用中文”。

AI 更新了项目准则文档：

建议每一步我们都用 Git 提交一个版本，这样出了问题后能及时回滚，也便于我们看到每一步改动的文件。

2）Specify 编写功能规范

运行 /speckit.specify 命令，描述要做什么功能、为什么做、用户需求是什么。比如：

/speckit.specify 我想做个【自动提醒我喝水的网站】

AI 为这次的需求创建了一个新的 Git 分支，防止污染现有项目。在这个分支下创建了一个需求规格文档（spec.md） + 一个需求检查文档（requirements.md）。

需求规格文档非常详细，还包含了边缘测试用例，针对用户各种可能的操作进行处理。

需求检查文档中记录了 AI 对于需求的理解，打钩表示 AI 理解并确认了：

3）Clarify 澄清不明确的地方（可选）

如果你发现需求检查文档中有的条目没有打钩，那你需要通过 Clarify 命令来让 AI 引导你进一步明确需求，直到所有的条目都打上勾。

运行 /speckit.clarify 命令，AI 会提出结构化的问题，让你来回答。从而帮你填补需求中的空白，比如边界情况、错误处理等。

我运气不错，不需要这一步 AI 就已经理解了所有条目，接下来可以进入制定技术方案阶段。

4）Plan 制定技术方案

运行 /speckit.plan 命令，让 AI 决定用什么技术栈、系统架构、数据模型、API 接口等。

制定技术方案完成，这次生成了一大堆文档，简单了解一下：

• CLAUDE.md 项目开发指南，记录技术栈和项目结构，用于指导 Claude Code 接下来如何开发
• quickstart.md 快速入门指南，包含 6 个实施阶段和部署方案
• plan.md 实施方案，定义了纯客户端架构、存储策略、宪法合规性检查等
• data-model.md 数据模型设计，定义了 4 个核心实体（提醒设置、水量日志、每日进度、历史记录）和存储结构
• research.md 技术研究文档，记录了 8 项关键技术决策
• contracts/api-contract.md API 接口文档

接下来，我们就可以准备开发实现了。

5）Tasks 拆解任务

运行 /speckit.tasks 命令，把计划拆解成可执行的任务列表，并标注依赖关系和优先级。

生成了一个任务列表文档，每一步要做什么都非常清晰：

6）Analyze 分析检查（可选）

运行 /speckit.analyze 命令，检查规范、计划、任务是否完整一致，提前发现设计缺陷。

可以看到，AI 没有检查出问题，还让我自信地进行下一步，真爽死了！

7）Implement 执行实现

最后，运行 /speckit.implement 命令，让 AI 按照任务列表生成代码。

大功告成，看一下效果~

因为我这里始终没有提到使用中文输出，所以网站内容都是英文的，不过我感觉效果还可以。

到这里，我们已经学会了如何用 Spec-kit 开发完整项目，再复习一下完整流程：

即使不用 Spec-kit，我们开发完整项目时也可以人工遵循这些步骤。

这种模式最大的好处是 对齐。所有人都基于同一份清晰的规范文档工作，大家对需求的理解高度一致，既减少了沟通中的误解，又能确保代码质量。

不过缺点也很明显，对于小项目，本来直接写代码几分钟就能搞定了，上面这套流程走下来差不多要半个小时！

所以这套流程比较适合团队从 0 开始做完整的新项目，虽然流程比直接写代码慢一些，但能大大降低返工的风险，长远来看反而更高效。

OpenSpec 轻量规范框架

OpenSpec 是一个轻量的规范驱动开发框架，比 Spec-kit 更简单易用。

它的核心理念是把规范文档作为代码库的一部分，每次改功能都 先写变更提案 => 确认后再实现 => 实现完再把变更归档到规范文档中，让文档和代码始终保持同步。

访问 OpenSpec 官方仓库 查看文档。

首先确保你的电脑安装了符合要求的 Node.js 版本（比如我这里要求 Node.js >= 20.19.0），然后全局安装 OpenSpec CLI：

npm install -g @fission-ai/openspec@latest

进入你的项目目录，运行初始化命令：

openspec init

初始化过程中会让你选择要集成的 AI 工具（比如 Claude Code、Cursor 等），我这里选择 Cursor。

运行命令后，OpenSpec 会自动在你的项目中生成一个 openspec/ 目录，里面包含：

• openspec/specs/：存放主规范文档，记录了项目的完整现状
• openspec/changes/：存放变更提案，记录了每次修改的计划
• openspec/project.md：当前项目的上下文说明（用来记录项目的信息）

此外，还会根据你选择的 AI 编程工具，生成对应的命令文件，比如 Cursor 的：

有了这些文件，我们就可以开始规范化的开发流程了。参考 官方文档，主要分为 5 个步骤：

1）Draft 起草变更提案

直接在 AI 编程工具中跟 AI 说，让它创建变更提案。比如我想添加用户搜索功能：

创建一个 OpenSpec 的 change，添加功能：根据名称和邮箱搜索用户

也可以用 AI 编程工具（比如 Claude Code、Cursor）的斜杠命令：

/openspec:proposal 添加功能：根据名称和邮箱搜索用户

AI 会给这个功能创建一个独立的目录 openspec/changes/add-user-search/，目录下创建一系列文档：

• proposal.md：描述要改什么、为什么改
• tasks.md：实施步骤的任务分解
• specs/…/spec.md：需求变更的具体内容

2）Verify & Review 验证和审查

可以运行下列命令，查看 AI 创建的变更提案是否正确：

openspec list                        # 查看所有变更
openspec validate add-user-search    # 验证格式是否正确
openspec show add-user-search        # 查看详细内容

3）和团队一起审查提案

如果需要完善，可以继续跟 AI 对话，比如：

你能帮我添加更多搜索条件和限制么？

AI 会更新规范和任务列表，直到大家达成一致。

4）Implement 实现变更

规范确认后，让 AI 开始实现：

规范已经很完美了，开始生成代码吧

也可以用斜杠命令：

/openspec:apply add-user-search

AI 会按照 tasks.md 中的任务列表逐一实现，并标记完成状态。

很快生成完成，AI 的输出非常整齐，所有改动一目了然：

5）Archive 归档变更

所有任务完成后，让 AI 归档这次变更：

请归档这次变更

也可以用斜杠命令：

/openspec:archive add-user-search

或者在终端运行：

openspec archive add-user-search --yes

这个命令会：

• 将变更文件夹移动到 openspec/changes/archive/ 归档区
• 将需求变更自动合并到 openspec/specs/ 主规范中
• 保持文档和代码的同步

这样一来，通过 openspec/changes/ 的历史记录，你可以随时追溯每次变更的来龙去脉。

此外，整个开发过程中，建议大家定期运行 openspec validate 验证命令， 确保规范的完整性。

---

到这里，相信大家也能感受到 OpenSpec 和 Spec-kit 的区别了。

• Spec-kit 需要完整的 7 步流程：制定准则 → 写需求 → 澄清疑问 → 定方案 → 拆任务 → 检查 → 写代码），适合从 0 开始做大型新项目
• OpenSpec 的流程更简化：起草提案 → 审查 → 实现 → 归档 → 验证，上手更快，适合在现有项目上迭代功能。

AIChat 命令行增强工具

AIChat 是一个功能完善的 AI 命令行助手，集成了 20+ 主流大模型。

现在主流的 AI 编程工具（Cursor、VS Code 等）都内置了终端，有时我们需要敲命令来执行任务，但是命令记不住怎么办？

用了 AIChat 后，你只需要在终端中说人话，它的 Shell 助手 能力就会把你的自然语言自动转换成准确可执行的命令。

使用方法非常简单。打开终端，通过包管理器一行命令就能安装：

# macOS/Linux
brew install aichat

# Windows
scoop install aichat

安装完成后，运行 aichat 命令，首次执行会引导你创建配置，选择你要用的大模型并填写 API Key：

然后就可以愉快地跟 AI 对话了：

但是我个人主要用它的 Shell 助手能力（给命令添加 -e 选项），而不是 AI 对话能力。

比如我想批量重命名文件，但不记得命令怎么写，在终端里执行下列命令：

aichat -e 帮我把当前目录下所有 .txt 文件改成 .md

它就会生成对应的 shell 命令，我确认后它就自动执行了。

还可以通过快捷键来智能补全命令：

除了 Shell 助手，AIChat 还有一些进阶功能。比如支持 RAG 检索增强生成，可以让 AI 基于你的本地文档回答问题；支持创建 AI 代理，把指令、工具和文档组合成自动化工作流。

此外，如果你想对比不同模型的效果，运行 aichat --serve 可以启动本地网页界面，同时对比多个模型的回答。