龙虾尝鲜记（6）——Spec Kit 安装与使用全流程
openclaw 其实是有装好过的。因为潜在客户对国产化有要求，所以我就暂时放弃了这个外国龙虾🦞。
计划朝 MCP 网关这个方向探索一下。于是构建了一个 MCP 项目，初步完成了环境搭建，也码了些代码出来。开发过程中忽然想起来上次活动嘉宾有给安利过 Spec-kit 这个工具，在其它的未完工的“项目”有用过，但是没记录下来安装和使用过程（因为这次让 TRAE 来装出现了一些问题，翻遍自己的库发现没记，所以这次就动手给自己做个备注）。
Spec Kit 是 GitHub 官方开源的规范驱动开发（Spec-Driven Development, SDD）工具包，用于通过“规格”驱动软件开发流程，提高开发效率和协作一致性。
一、核心概念
Spec Kit 是 GitHub 官方开源的规范驱动开发（Spec-Driven Development, SDD）工具包，用于通过“规格”驱动软件开发流程，提高开发效率和协作一致性。
核心概念
Spec Kit 的核心理念是 规格驱动开发（Spec-Driven Development, SDD），强调在编码前先明确“做什么”和“为什么做”，再考虑“怎么做”，从而避免传统的凭感觉编程（Vibe Coding）问题。在 SDD 中，规格成为主要产物，代码只是规格在特定技术栈中的实现，确保开发过程结构化、可追踪和可执行。
二、准备
我的主力环境 Win 11 ，Python 3.13.11，IDE 我自己用的是 TRAE，Git 最好有（通常应该都有，在无法使用 uv 安装的时候可以下载到本地用 pip 来装）。网络自行，
三、安装 Spec Kit
Spec Kit 的安装通过uv工具完成。
1. uv 安装 Spec Kit CLI
打开终端，执行以下命令安装specify-cli（Spec Kit 的命令行工具）：
uv tool install specify-cli --from git+https://github.com/github/spec-kit.git2. pip 安装 spec-kit
打开CMD 或 PowerShell，直接运行：
pip install git+https://github.com/github/spec-kit.git # 更新安装 pip install git+https://github.com/github/spec-kit.git --upgrade # 如果速度慢 / 失败，用镜像加速版： pip install git+https://ghproxy.com/https://github.com/github/spec-kit.git --upgrade3. 验证安装：
# 输入命令查询 uv tool list # 输出结果应如下 specify-cli v1.0.0 - specify四、初始化项目
Spec Kit 支持现有项目和新项目两种初始化方式：
我是在现有项目上初始化 Spec-Kit，先介绍现有项目初始化的流程。
1. 现有项目初始化
进入项目根目录执行：
specify init . --ai <AI_AGENT> # 遇事不决问千问 specify init . --ai qwen<AI_AGENT>是指定要集成的 AI assistant 类型，用来告诉 Spec Kit 对接哪个 AI 助手。可供选择的 AI 助手有：copilot, claude, gemini, cursor-agent, qwen, opencode, codex, windsurf, kilocode, auggie, codebuddy, qoder, roo, q, amp, shai, bob。根据个人喜好、钞能力以及其它自行选择。
- 首先会提示：目录非空，模板文件可能会与已存在内容合并或者重写已经存在的文件。
- 接着询问选择脚本类型。win 选 ps，mac、linux 选 sh。
- 初始化 specify 项目，要能访问 github。
黄色提示框：Agent Folder Security
- 意思是：Qwen 会在项目里生成
.qwen/文件夹，里面可能存你的 API Key 等敏感信息。 - 你要做的事：在项目根目录的
.gitignore文件里加上一行：
.qwen/这样就不会不小心把密钥传到 Git 上，安全又省心。
蓝色框：Next Steps（下一步该做什么）
这是 Spec-Kit 给的标准工作流顺序，照着执行就行：
| 命令 | 作用 |
|---|---|
/speckit.constitution | 生成 / 更新项目宪法（ PROJECT_CONSTITUTION.md） |
/speckit.specify | 生成功能需求文档（MCP 网关需求） |
/speckit.plan | 基于需求生成实施计划（拆成开发步骤） |
/speckit.tasks | 把计划拆成可执行的小任务（比如 “写鉴权模块”“写接口适配层”） |
/speckit.implement | 让 AI 直接帮你写代码实现任务 |
最下面的 Enhancement Commands（可选增强命令）
这些是锦上添花的功能，按需使用：
/speckit.clarify：在做计划前，让 AI 帮你澄清模糊需求，减少后期踩坑/speckit.analyze：所有文档写完后，检查宪法、需求、计划是否一致/speckit.checklist：生成质量检查清单，确保需求完整、清晰、无歧义
执行后会生成.specify/目录（含配置、规范、记忆文件），表示集成完成。
注意：使用.表示在当前目录初始化，不会创建新子文件夹；建议先备份项目或使用 Git 版本控制，以防覆盖已有文件。
2. 新项目初始化
从零开始创建项目，执行以下命令：
specify init <PROJECT_NAME> --ai <AI_AGENT>示例：
specify init my-task-app --ai claude（创建名为my-task-app的项目，使用 Claude Code 作为 AI 代理）；效果：在当前目录生成 Spec Kit 项目结构（
.specify/、specs/等目录）。如下图：
五、工作流程
Spec Kit 的核心流程通过5个斜杠命令驱动，覆盖“规范定义→计划生成→任务分解→代码实现→质量检查”全链路。
1.制定“项目宪章”（/speckit.constitution）
作用：定义项目的最高准则（如技术栈、代码质量、性能要求、体验、安全），后续所有规格与实现都应对齐宪法。确保 AI 生成的所有内容符合团队规范；
命令：在 AI 对话框中输入/speckit.constitution,让 AI 直接来生成，然后再根据项目实际进行修改和完善。
/speckit.constitution
请为本项目编写宪法：强调技术栈、代码质量、性能要求、体验、安全等；
并说明这些原则如何指导技术选型与实现决策。
示例（本项目 MCP 网关）：
0.2 项目边界（必须遵守）
- MCP Gateway **只做网关与调度**：不承担业务逻辑、不存储业务数据、不存储用户隐私（审计日志按策略留存）。
输出：AI 生成.specify/memory/constitution.md，记录上述原则，后续所有步骤均需遵守。
2. 定义功能需求（/speckit.specify）
作用：只写“做什么、为什么”，在此步骤不讲具体技术栈。
命令：AI 对话框中输入/speckit.specify，让 AI 直接来生成，然后再根据项目实际进行修改和完善。
/speckit.specify
构建一个 MCP 网关，网关是一个企业级的 AI 能力统一管控平台，负责将 AI 能力接入自研业务系统，实现**自然语言描述→AI自动填表单→人工审核→流程流转→状态智能推送**的全链路轻量化落地。
示例（本项目 MCP 网关）：
### 1.1 核心价值
- **统一管控**：集中管理企业所有 AI 能力接入
- **灵活调度**：支持多智能体并行调度和负载均衡
- **安全合规**：完整的鉴权、审计和日志追溯能力
- **快速接入**：标准化的接口适配层，缩短业务接入周期
### 1.2 适用范围
- 企业内部自研业务系统的 AI 能力接入
- 表单填写、数据提取、流程审批等场景
- 需要 AI 辅助决策的轻量化业务流程
输出：AI 生成/更新如下文件
specs\001-mcp-gateway\spec.md specs\001-mcp-gateway\checklists\requirements.md3. 澄清（/speckit.clarify）
在生成plan前，把需求里模糊点用结构化问答补齐，减少返工。
可能依选择模型的不同，会陆续进行一些快速澄清。AI 给出问题，你选择答案就好。
几轮之后，就可以进入到下一步了。当然你也可以要求 AI 进行复查验证。
4. 生成技术实施计划（/speckit.plan）
此时再说明技术栈与架构，比如：
/speckit.plan
- **MVP技术栈**：Spring Boot 3.2+（API网关）+ Python FastAPI（AI智能体）+ MySQL 8.0（数据存储）+ Redis 7.0（缓存/限流）+ 豆包大模型2.0 Lite（AI模型）
- **核心功能**：自然语言解析、AI自动填单、多级审核、分支流程流转、企业微信推送
- **约束**：国产化合规（豆包模型）、半动态表单、分支流程引擎、单通道推送（企业微信）
5. 任务分解（/speckit.tasks)
/speckit.tasks
下面进行任务分解。要有依赖顺序、可选 [P] 并行标记、路径提示等。
6. 分析（/speckit.analyze）
/speckit.analyze
在实现前检查 spec / plan / tasks 是否一致、有无遗漏。
7. 实现（/speckit.implement）
/speckit.implement
Agent 会按 tasks.md 顺序执行（含 TDD 「测试驱动开发」相关任务若已写入）。注意：会调用本机 CLI（如 npm 等），需提前装好工具链。
核心顺序建议：constitution → specify →（clarify）→ plan → tasks →（analyze）→ implement。探索型原型可显式跳过 clarify，避免 Agent 死磕缺口。
到这里，剩下大部分工作就可以交给 AI 来做了。个人以为，AI 能完成大部分工作，但一些关键点还是需要人工干预的，尤其是在关键点的时候。