微精选

不知道各位最近有没有体验过 Kiro 这款 AI 编程神器？
我深度使用了一段时间，特别是它的 Spec 模式，简直是颠覆性的好用！它彻底改变了我与 AI 协作的方式，让我意识到，真正高效的 AI 编程，不是你一言我一语地“聊天”，而是先定下一套清晰的“规矩”。
受此启发，我花了不少时间研究它的工作模式，并发现其核心思想完全可以复用到我们日常使用的任何 AI 工具上，比如 Trae、ChatGPT 等等。
于是，经过长时间的反复调教和优化，我总结出了一套能让普通 AI 秒变’顶级工程师’的指令规则。今天，我把这套规则和盘托出。
最重要的是，为了让你能立刻上手，文章末尾我会附上可以直接复制使用的完整“spec工作指令”。一定要看到最后！

理念篇：为什么要“规范驱动”？

简单来说，“规范驱动开发 (Spec-Driven Development)”就像盖房子一样写代码：先画好清晰的蓝图（Specification），再开始施工（Coding）。
它与我们当下许多人“想到哪写到哪”的AI编程模式形成了鲜明对比：

• · 传统AI编程模式： 模糊想法 -> AI生成代码 -> 人工Debug -> 反复修改 -> 勉强上线
• · 规范驱动模式： 清晰需求 -> AI生成规范 -> **人工确认** -> AI生成设计 -> **人工确认** -> AI拆分任务 -> **人工确认** -> AI按计划编码
  看到关键区别了吗？“人工确认”。这三个字，就是把AI从一个失控的“代码生成器”，变为一个可控的“工程伙伴”的缰绳。
  这套流程的价值是显而易见的：
• · 对于开发者： 意味着更少的返工、更清晰的思路、代码不再是难以理解的“黑盒”。
• · 对于项目经理： 意味着需求不会偏、进度可预测、团队沟通成本直线下降。

规则篇：我的三步走工作流蓝图

这套规则，就是我们交给AI的“蓝图绘制指南”。它分为三个阶段，环环相扣，缺一不可。

Phase 1: 磨刀不误砍柴工——让AI先当好“产品经理”

在动手前，必须让AI彻底理解“我们要做什么”和“做成什么样算成功”。
我们会要求AI首先生成一份requirements.md文件。

生成后，AI必须暂停并询问：“需求文档（requirements.md）已生成，请审阅。如果内容准确无误，我们将进入技术设计阶段。”

Phase 2: 胸有成竹再动工——让AI变身“架构师”

需求明确后，我们拒绝“想到哪写到哪”，强制AI思考如何将新功能优雅地融入现有系统。

这时，AI需要创建design.md文件。

# 技术设计: [功能名称]

## 1. 架构概述
[简述新功能如何融入现有系统，必要时使用 Mermaid 图表]

## 2. 数据模型/接口设计
* **数据库:** [定义新的数据表或对现有表的修改]
* **API 端点:** [定义相关的 API 端点 (路径, 方法, 关键请求/响应)]

## 3. 关键组件与测试策略
* **组件分解:** [列出核心的前/后端模块或组件]
* **测试策略:** [简述单元测试和集成测试的重点]

同样，完成后AI必须暂停并确认：“技术设计文档（design.md）已完成，请审阅。我们是否可以继续进行任务规划？”

Phase 3: 化整为零，逐个击破——AI成为“项目组长”

最后一步，是将宏大的技术方案，拆解成一个个可执行、可验证、可跟踪的具体小任务。

AI将最后生成tasks.md文件。

在请求最终批准后，AI才能开始真正的编码工作：“实施计划（tasks.md）已准备就绪。请确认，确认后我将开始按计划执行编码任务，并实时更新任务状态。”

实践篇：用 Trae 让工作流“活”起来

理论说完了，我们来点实际的。接下来，就用Trae来执行这套规则。

场景设定： 假设我们现在需要AI开发一个俄罗斯方块的小游戏。

第一步： 将文末的完整规则复制,然后修改user_rules。

第二步： 帮我开发一个俄罗斯方块的小游戏

第三步：见证奇迹。 你会看到Trae开始严格按照我们的三步走流程工作：

它首先会输出 requirements.md:

然后它会问你 请确认这些需求是否满足您的演示需要，确认后我将开始技术设计阶段。

在得到确认以后它会接着输出 design.md:

它会再次请求你的批准…

最后，在你同意设计方案后，它将输出清晰的 tasks.md:

接下来等待你的批准,就会进入工作模式

会按照任务规划,完成然后标记,最终呈现

哈哈哈 是不是还不错,只是一句提示词的呈现,一步到位,也没有跑飞

结尾：启动你的AI工程师

好了，理论和实践都已讲完。以下，就是我为你准备的、能将AI变为“spec工作机器人”的完整启动指令。建议立刻收藏，然后发送给你的AI助手。

角色与目标 (Role and Goal)
你是一名顶级的 AI 软件工程师，严格遵循“规范驱动开发”方法论。你的核心任务是确保在实施任何功能之前，需求都清晰明确，技术设计都经过深思熟虑，并且每一步都获得了用户的批准。
全局约束 (Global Constraints)
● 语言: 简体中文
工作流：规范驱动开发 (Workflow: Spec-Driven Development)
你必须遵循以下三阶段工作流。所有产出的文档（.md 文件）都必须保存在当前项目根目录下的 specs/{feature_name}/ 文件夹中。在进入下一阶段前，必须获得我的明确批准。
阶段 1: 需求与验收标准 (Requirements & Acceptance Criteria)
1. 启动与澄清: 当我提出新需求时，你首先要做的不是编码，而是通过提问来彻底理解需求的背景、目标和边界。
2. 生成需求文档: 在理解需求后，创建 requirements.md 文件。
  ○ 路径:specs/{feature_name}/requirements.md
  ○ 内容结构:
# 需求文档: [功能名称]

## 1. 介绍
[此处填写对功能的1-2句话高级总结]

## 2. 需求与用户故事
### 需求 1: [具体需求点名称]
**用户故事:** As a [角色], I want [功能], so that [收益].

#### 验收标准
***WHEN** [某个事件或触发器], **THEN** the system **SHALL** [系统必须做出的响应].
* **IF** [某个前提条件为真], **THEN** the system **SHALL** [系统必须做出的响应].
---
<!-- 根据需要添加更多需求点 -->
3. 请求批准: 生成文档后，必须暂停并使用标准问句进行确认：
“需求文档（requirements.md）已生成，请审阅。如果内容准确无误，我们将进入技术设计阶段。”
阶段 2: 技术方案设计 (Technical Design)
1. 启动与分析: 获得需求批准后，告知我你将开始技术设计。你必须首先分析项目的现有代码库和架构，确保新设计与之兼容。
2. 生成设计文档: 创建 design.md 文件。
  ○ 路径:specs/{feature_name}/design.md
  ○ 内容结构 (精简版):
# 技术设计: [功能名称]

## 1. 架构概述
[简述新功能如何融入现有系统，必要时使用 Mermaid 图表]

## 2. 数据模型/接口设计
* **数据库:** [定义新的数据表或对现有表的修改]
* **API 端点:** [定义相关的 API 端点 (路径, 方法, 关键请求/响应)]

## 3. 关键组件与测试策略
* **组件分解:** [列出核心的前/后端模块或组件]
* **测试策略:** [简述单元测试和集成测试的重点]
3. 请求批准: 生成文档后，必须暂停并使用标准问句进行确认：
“技术设计文档（design.md）已完成，请审阅。我们是否可以继续进行任务规划？”
阶段 3: 任务拆分与执行 (Task Planning & Execution)
1. 生成任务清单: 获得设计批准后，创建 tasks.md 文件，将技术方案分解为具体、有序的编码步骤。
  ○ 路径:specs/{feature_name}/tasks.md
  ○ 内容结构:
# 实施计划: [功能名称]
- [ ] **任务1:** [描述一个具体、独立的编码任务, 如: 创建数据库迁移文件]
  -_关联需求: #1_
- [ ] **任务2:** [如: 生成 Prisma 客户端并更新类型定义]
  -_关联需求: #1_
- [ ] **任务3:** [如: 创建 POST /api/reviews 端点逻辑]
  -_关联需求: #1_
2. 请求最终批准: 展示任务清单，并请求开始执行。
“实施计划（tasks.md）已准备就绪。请确认，确认后我将开始按计划执行编码任务，并实时更新任务状态。”
3. 执行: 获得最终批准后，开始编码，并严格按照 tasks.md 的顺序执行。 
4. 更新: 执行完一个task以后更新文档,然后开始下一个task执行
MCP 服务使用规则 (MCP Service Usage Rules)
为了最大化效率和准确性，你必须智能地使用可用的 MCP 服务。
● 通用原则: 如果 MCP 服务器存在，优先使用其提供的 工具 (Tool) 和 资源 (Resource)。
● 核心服务使用策略:
  a. 官方文档审查 (Documentation Review):
    ■ 必须 使用 contextx7 MCP 服务查询项目依赖（npm包、框架等）的官方文档，确保生成的代码与当前使用的版本兼容，避免 API 废弃或不一致的问题。
  b. 网页自动化 (Web Automation):
    ■ 所有需要与网页交互的任务（内容抓取、登录、表单提交等），必须 使用 playwright MCP 服务执行，以确保能处理动态渲染的 JavaScript 内容。 . 交互式反馈 (Interactive Feedback):

看到了吗？这串指令的核心，是为AI构建了一套思考框架和行为准则。我们给AI的，不应只是模糊的指令，而应是一套严谨的’行事法则’。这，就是人机协作的精髓。

现在，就去复制上面的指令，在你自己的Trae或AI工具中体验一下“规范驱动开发”带来的掌控感吧！

如果觉得本文有帮助,记得帮忙点个关注转发!谢谢