OC
OpenSpec 把需求从聊天里拿出来,规格越多不代表方向越准
科技 · 2026-09-18 · AI编程 · 阅读 1

OpenSpec 把需求从聊天里拿出来,规格越多不代表方向越准

据 OpenSpec 项目文档,这套规格驱动开发工具把需求、方案和实施任务放进仓库,供开发者与编程 Agent 共同维护。它不是今天才出现的新产品,但在 AI 越来越容易生成代码之后,它所处理的那个老问题变得更突出:团队到底同意让软件做什么?

作者:林岚|OC 开发者生态编辑

OpenSpec 项目文档,这套规格驱动开发工具把需求、方案和实施任务放进仓库,供开发者与编程 Agent 共同维护。它不是今天才出现的新产品,但在 AI 越来越容易生成代码之后,它所处理的那个老问题变得更突出:团队到底同意让软件做什么?

一句话结论:把需求写成可版本化的文件,有助于减少聊天上下文丢失;但规格写得整齐,不代表需求正确,更不代表代码已经满足需求。

聊天适合探索,不适合独自承担项目记忆

一个需求在讨论中常会变很多次:先支持一种用户,再增加另一种;先允许覆盖,后来改成保留历史。如果这些决定只散落在对话里,新会话和新参与者容易拿到不同版本的答案。

OpenSpec 将已经认可的行为描述与正在讨论的变更分开。现有规格记录当前预期,新变更则有自己的提案、设计、任务和差异说明;完成后再把相应变化合并回正式规格。这个结构的重要性,不在文件后缀,而在于让“已经同意”和“仍在提议”不再混在一起。

代码仓库因此多了一份可以比较、审查和追溯的决策记录。需求改动不必伪装成一次小修补,也不必要求每个参与者重新阅读整段聊天。

提案、设计、任务与规格文件形成可审查的变更过程;编辑概念图

规格不是写给模型的长提示词

如果只是把聊天内容复制进一个更长的文件,噪声也会跟着留下。有效规格应描述可以辨认的行为:在什么条件下,系统应做什么;失败时怎样表现;哪些情况明确不在本次范围内。

例如“支付流程要稳定”表达了愿望,却很难验收。“重复收到同一笔支付通知时,不重复发放权益”,才指向具体行为。这个例子并不要求使用某种工具,它说明的是规格需要把抽象诉求变成可检查的约束。

过度详细也有成本。把暂时没有必要决定的实现细节全部写死,会让团队为修改文档付出额外精力,也可能让 Agent 把偶然选择当成永久限制。适合进入规格的,是团队需要保持一致的行为与约束,不是所有思考过程。

自动检查能守住哪一道门

文档格式有效、变更关系完整、任务已经勾选,与功能实际正确,是不同层次的检查。即使助手对照规格宣布实现完整,也不能替代独立测试和人的审查。

项目提供从提议到实施、同步和归档的工作流;扩展流程中还可以使用验证能力。但验证的价值取决于它检查了什么证据,而不是是否出现一个“通过”的标签。遗漏的验收场景,不会因为规格被成功解析就自动出现。

团队可以把一次变更拆成三份对应关系:为什么要改、预期行为是什么、用什么证据证明已经做到。这样代码、规格与测试可以互相核对;如果只维护前两份,规格仍可能变成另一种过时文档。

小改动也要衡量流程成本

并非每次拼写修正都需要写一套完整方案。对于范围明确、风险很低的改动,过重的规格流程可能让实际工作让位于维护仪式。相反,涉及权限、数据迁移或多模块行为的变化,提前记录边界更有价值。

因此,采用这类工具之后,首先应校准流程的粒度:什么需要提案,什么只需补充验收条件,什么必须请业务负责人确认。让 Agent 多写几页并不困难,困难的是让团队只保留有决策价值的那几页。

OpenSpec 的价值不在于替人确定方向,而在于让方向被明确写出,并允许后来的人追问它是否仍然成立。

关键事实

  • 来源:OpenSpec 官方仓库与入门文档。
  • 工作方式:区分当前规格与待实施变更,保留提案、设计、任务及差异。
  • 项目定位:已有开源工具的工作流观察,不是今日新发布公告。
  • 验证边界:规格与流程检查,不能替代实现测试及需求判断。

OC 判断

AI 编程越快,需求歧义进入代码的速度也越快。规格工具可以提供一个审查面,但前提是团队愿意在生成代码之前,对目标和例外达成真正的一致。

为什么重要

  • 对开发者:减少跨会话寻找决定的时间,也要避免文档与代码脱节。
  • 对团队:给需求变更保留理由和验收证据。
  • 对产品负责人:不能把需求正确性的责任交给自动生成的规格。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关碎碎念

更多

从第一份程序员职业至今,已经过了 20 年,现在已经不再亲自写代码了,年初看到 Codex/Claude 火爆,又起心动念开始堆代码,只不过现如果自己亲手写的代码,跟 AI 写的代码放在一起,我开始有种耻感涌上来。是到了把关注点挪到像我这种老登程序员的生活上的时候了。

lgn21st 1 1

最近越来越多思考,我们跟agent的关系,比如我最近用blender mcp很多,基本上我算是会用blender的,但是老记不住很多热键,以前我可以做很复杂的模型,但是要是不是的去查blender的操作热键。现在我完全不参与模型的建模,只让codex帮我生成。 但是我还是在查blender的热键,我现在需要的是numpad .这样聚焦到一个对象的方法,我需要的是numpad /这样的方法来把除了选中的对象,其他都隐藏的热键。 换言之,我现在需要高效的人工视觉复检blender mcp的成果,这是我对自己目前blender能力的需求了。

tinyfool 2 0

在我的windows游戏本,也安装了codex,现在叫chatgpt app。然后用遥控的方式操作这个codex去做很多事情,比如以前windows游戏本没空间了,我需要打开steam、gog、战网,然后手工看一堆目录的占用。现在直接用codex做个扫描。然后决定要不要暂时删除某个游戏啥的。 以前要在windows游戏本实验一些必须N卡的AI项目要自己去安装,现在也都交给Codex来做,我就在我习惯的mac环境下遥控即可

tinyfool 0 0

相关帖子

更多

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

你更喜欢 Codex 还是 Cladue Code?

<p>我先说,我更喜欢 Codex,因为我没用过 Cladue Code。Codex 一直都能很好满足我的需求,所以我不是很有动力去换 Cladue Code。虽然我也知道很多人更喜欢 Cladue Code。但是我觉得应该差不多吧?</p>

tinyfool 5 111

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89