Spec-Kit+Copilot打造AI规格驱动开发

Spec-Kit+Copilot打造AI规格驱动开发

作者:算力魔方创始人/英特尔创新大使 刘力

一,什么是Spec-Kit?

在传统的软件开发中,通常先有需求→ 写规格 → 再写代码;规格多数是“指导性文档”,而真正的业务逻辑和边界由程序员“翻译”出来。Spec-Driven Development(规格驱动开发)的理念是,将规格(spec)从“仅供参考”提升为可执行、可驱动的核心工件,直接引导后续设计、计划、任务拆解、实现等流程。spec-kit 是 GitHub 提供的一个工具集 / CLI / 模板库,用来在项目中落地这种流程!

Github: https://github.com/github/spec-kit

二,搭建运行环境

本节将指导您从零开发搭建Spec-Kit的运行环境。

第一步:在Ubuntu24.04上安装uv:

curl -LsSf https://astral.sh/uv/install.sh | sh

第二步:请首先按装Spec-Kit:

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

第三步:新建项目文件夹,例如“cube4060”;在cube4060文件夹路径,执行:

specify init my-website

然后,选择您所用的AI assistant,并键入“Enter”。笔者选用Github Copilot。

三,在VS Code中使用SpecKit

在VS Code中,打开my-website文件夹,然后在Github Copilot的Chat对话框中,依此输入命令:

  • 用 /speckit.constitution 定义团队或项目的原则和治理(code style、测试标准、性能要求等)
  • 用 /speckit.specify 写规格,专注于 “要做什么 / 为什么做” 而非技术细节
  • 用 /speckit.plan 在选定技术栈下做技术规划
  • /speckit.tasks:创建可操作的任务列表
  • /speckit.implement:执行所有任务并根据计划构建您的应用程序
详情参见:https://github.com/github/spec-kit

按照2-6步,输入命令后,可以获得开发好的网站,如下图所示:

四,总结

使用spec-kit 的价值在于:提升规格驱动的贯穿力、减少误解、标准化流程、让AI 融入软件开发流程。对那些希望把“写好规格 / 早期明确边界”作为核心竞争力的团队/项目,spec-kit 提供了一条可实践的路径。

如果你有更好的文章,欢迎投稿!

稿件接收邮箱:[email protected]

更多精彩内容请关注“算力魔方®

Read more

Stable-Diffusion-v1-5-archive创意教育应用:美术设计课程中AI辅助教学案例

Stable-Diffusion-v1-5-archive创意教育应用:美术设计课程中AI辅助教学案例 1. 引言:当经典AI画笔走进美术课堂 想象一下,在传统的美术设计课堂上,学生们正为“赛博朋克城市夜景”的创作构思而苦恼。有的学生缺乏灵感,有的则被复杂的透视和光影细节难住。这时,老师打开了一个网页,输入了一段描述:“a futuristic cyberpunk city at night, neon lights reflecting on wet streets, towering skyscrapers with holographic advertisements, cinematic view, ultra detailed, 8k resolution”。几秒钟后,一张充满细节与氛围感的概念图跃然屏上。这不是魔法,而是Stable Diffusion v1.5 Archive(SD1.5归档版)在美术教学中的一次普通应用。 Stable

Llama-3.2-3B效果集:Ollama运行下3B模型在中文法律条文理解与类案推荐任务表现

Llama-3.2-3B效果集:Ollama运行下3B模型在中文法律条文理解与类案推荐任务表现 1. 为什么关注Llama-3.2-3B在法律场景的表现 你有没有试过让一个3B大小的模型读懂《民法典》第584条?或者让它从上百个判例中挑出和当前案件最相似的三个?很多人觉得小模型干不了法律这种专业活——毕竟法律文本密、逻辑严、术语多,动不动就是“当事人适格”“要件事实”“证明责任分配”这类词。但Llama-3.2-3B在Ollama本地部署后,真正在中文法律理解任务上交出了一份让人意外的答卷。 这不是理论推演,而是实测结果:它能在不联网、不调用外部API、仅靠本地3B参数量的前提下,准确提取法律条文的核心要件,识别争议焦点,并基于语义相似性给出类案推荐。更关键的是,响应快、资源省、部署简——一台16GB内存的笔记本就能跑起来。本文不讲架构图、不列训练细节,只聚焦一个问题:它在真实法律任务中,到底能做什么、做得怎么样、怎么用才不踩坑。 我们测试了三类典型任务:法律条文释义(比如解释“情势变更原则”的适用条件)、法条关联推理(如“合同解除后,

“AI痕迹太重怎么办?”15个提示词教你降低AIGC率,让写作更像人!

“AI痕迹太重怎么办?”15个提示词教你降低AIGC率,让写作更像人!

还在被AIGC率检测卡住?写得再好,也逃不过“AI痕迹”?别急,这篇文章教你15条最实用的“人类化”提示词,让你的写作摆脱机器人味,一键降重过检! 🧠 为什么你写的AI文章“看起来就像AI写的”? 在很多AIGC检测系统中,比如新版知网、Turnitin、Grammarly、GPTZero等,AI生成内容往往因为这些特征而中招: * 表达过于标准、学境思源,结构死板(比如“引言-三点论证-结尾”的模板) * 用词中性均衡,一键生成,缺乏语气变化 * 没有细节、论文初稿,acaids.com。比喻或非逻辑性插话 * 引用来源少或太“教科书式” * 缺乏真实感和主观思维 这就导致了一个问题:AI写得虽然通顺,但“太工整”,反而容易被机器识别成AI! 🛠️ 如何让AI帮你“写得不像AI”?15个逆转提示词来了! 别再单靠“降重工具”打补丁。更聪明的做法是——从源头开始用“降AIGC率提示词”来让AI写得更像人。

2026 AI 元年|智能体来了:Agent Native 正在取代 Copilot,定义下一代 AI 公司

2026 AI 元年|智能体来了:Agent Native 正在取代 Copilot,定义下一代 AI 公司

关键词:Agent Native|Flow Engineering|可控 AI|组织 SOP 数字化 引言:AI 的竞争焦点,已经完成一次根本性迁移 2023–2024 年,AI 的进步主要体现在模型层: * 更大的上下文窗口 * 更强的推理能力 * 更接近人类的语言表达 但站在 2026 AI 元年 的门槛上,行业正在形成一个高度一致的判断: AI 的核心竞争力,不再是“模型有多聪明”,而是“系统是否可控、可复用、可规模化”。 这意味着,AI 正在经历一次范式级跃迁: 从 LLM 的单点能力展示,进入 Agent Native 的系统时代。 一、为什么 2025 年之前的