我要投稿

治愈 Cursor AI 编程的 “幻觉”？用它就够了！

发布日期：2026-03-26 17:56:02 浏览次数： 1524

作者：爱奇艺技术产品团队

微信搜一搜，关注“爱奇艺技术产品团队”

01#

背景：

从“对话”到“契约”的进化

在过去一年的 AI Coding 实践中，天玑前端团队经历了一个明显的瓶颈期。

早期我们沉浸在 Vibe Coding（氛围编码）的快感中——通过简单的对话、截图，AI 确实能飞快地生成页面。但随着需求进入深水区，这种模式的弊端开始显现：由于缺乏标准化约束，AI 生成的逻辑往往是“碎片化”的。面对中后台复杂的表单联动、嵌套的数据转换，AI 经常在多轮对话后开始“左右互搏”，导致开发者不得不陷入反复纠错的泥潭。

我们意识到，AI 效率的波动，本质上是上下文断层和需求共识缺失导致的。

随着业界向 Spec-Driven Development (SDD) 演进，大家开始达成共识：AI 不缺代码实现能力，缺的是精准的“指令规格”。我们需要一套流程，能把模糊的需求拆解成机器可理解的“契约”，并让 AI 在每个阶段扮演特定的专家角色（如架构师、测试员），以此来对冲个体经验带来的不确定性。

02#

方案调研：

寻找“秩序”与“效率”的平衡点

在构建我们自己的标准流之前，我们深入拆解了目前业界主流的三种规格驱动方案。它们代表了对“复杂任务拆解”的三种不同理解：

OpenSpec：“轻量级、面向变更的敏捷利器”

核心点：它非常推崇“原子化变更”。通过 Proposal（提案）和 Apply（实施）的闭环，把大的功能拆解成小的变更包。

GitHub Spec Kit：“工业级、标准化的协作协议”

核心点：极其强调“先写规格，再写任务”。它通过 Constitution（宪章）定义技术底线，确保 AI 生成的代码风格不走样。

启发：它给我们的启示是“门控”。如果需求阶段（Specify）没对齐，后续的编码（Implement）就是南辕北辙。

BMAD-METHOD：“全能型、多代理协作的工程框架”

核心点：它不再把 AI 当成一个简单的助手，而是模拟一个完整的专家团（PM、架构师、QA）。

启发：在复杂场景下，必须引入“角色思维隔离”。让 Plan 阶段像架构师一样思考，而不是一边写设计文档一边就想写代码。

为什么我们决定“集百家之长”？

调研完这些工具后，我们发现它们在 Cursor 等现代 IDE 中依然存在一些“摩擦力”：

心智负担重：有些流程需要开发者频繁切换文件、手动同步状态。
状态易丢失：在多轮对话中，AI 容易忘记最初在 spec.md 里定下的技术方案。

因此，我们决定吸收 OpenSpec 的轻量、Spec Kit 的严谨和 BMAD 的多角色思维，自研一套深度适配 Cursor 的AI研发流（Agentic Workflow）——Specflow。

方案设计：重塑 AI 研发的“流水线”

三种工具各有所长，为了满足自身业务需要，决定不采用任何社区方案，集各家所长建设适用于当前团队的 规格驱动开发（Spec-Driven Development, SDD）方案——Specflow。

整体架构

我们将这套方案的设计哲学归纳为以下四个维度：

全链路流程闭环：从“模糊”到“可交付”

不同于只关注编码的工具，Specflow 强制要求在进入代码阶段前完成深度的“需求对齐”。

问题澄清（Specify）：在产品文档确认后，AI 会优先识别逻辑漏洞和边界盲区，通过“问题澄清”环节强制补全细节，产出完善的业务规格书。
技术建模（Plan）：将业务规格映射为技术路径，包含接口定义与任务拆解，确保每一行代码都有据可查。
原子化实现（Implement）：基于任务组进行分步开发，并引入“人机协同”的断点 Review 机制。

严格的物理门控：拒绝“带病”进入开发

这是 Specflow 区别于社区方案的核心纪律。

逻辑阻断：我们引入了硬性门控（Blocker Gate）机制。如果 Specify 阶段的细节未澄清，或者 Plan 文档中的技术风险（Block 项）未被回答，流程将强制停顿。
确定性保障：这种设计迫使开发者“先想清楚，再写清楚”，严禁跳过设计直接编码，从而在根源上消灭了因理解偏差导致的无效重工。

单指令状态机：0 心智负担的“自动寻迹”

为了不让复杂的流程变成开发者的负担，我们实现了单指令入口（One Main Command）。

物理寻迹：开发者只需输入万能指令 /specflow。
自动识阶：系统会智能检索本地磁盘文件的状态（如 plan.md 的完成度），自动判定当前处于 PM、架构师还是开发者模式，实现研发进度的数字化自动追踪，无需手动切换工具。

SSOT 与角色思维隔离

SSOT 单文档策略：坚持 Single Source of Truth，将功能拆解、方案与任务状态集中在 plan.md 中。这让 AI 在编码时无需跨文件检索，向上滚动即可回溯初衷，大幅提升了上下文一致性并降低了 Token 损耗。

多 Agent 协作：通过特定 Prompt 为每个阶段分配专家角色（PM、TL、Dev、Admin），实现内生的“审计与校准”，确保产出质量不受个体经验偏差的影响。

03#

具体实现：

一套自驱动的“研发操作系统”

概述

Specflow是一套由 AI 驱动的结构化开发流程，通过 自动探测 机制，根据ai-docs/ 目录下的文件状态，精准切换工作模式。通过Specify - Plan - Implement - Achieve四个阶段确保了需求不失真、设计不跑偏、编码可追踪、经验可沉淀。

[specflow] AI 辅助编码标准流程工作流

核心工作流 (Standard Workflow)

[Specify] 需求分析阶段

指令: /specflow-specify
职责: 严谨的资深产品经理，定义“做什么”和“为什么”。
核心动作: 扫描代码库提取业务规则，识别逻辑真空。
产物: ai-docs/{ID}/specify.md。

[Plan] 架构规划阶段

指令: /specflow-plan
职责: 架构师兼技术负责人，将业务规格映射为技术路径。
核心动作: 制定 [F-xx] 功能契约与 Phase 3 执行路径。
产物: ai-docs/{ID}/plan.md。

[Implement] 编码实现阶段

指令: /specflow-implement
职责: 严谨的软件工程师，原子化编码与实时同步进度。
核心动作: 按照 Group 顺序执行任务，回写标准化 Log 存证。
断点机制: 每个 Group 完成后强制停顿，展示 Diff 并等待授权。

[Archive] 知识归档阶段

指令: /specflow-archive
职责: 知识管理员，执行“知识脱水”与资产精细化归档。
核心动作: 自动映射年/季路径，更新全局索引 ARCHIVE_SUMMARY.md。
产物: ai-docs/{ID}/summary.md。

04#

Quick Start

Specflow 是一款专为 Cursor IDE 定制的研发效能工具，通过集成常用的 Commands 与 Templates，助力开发者实现标准化开发流程。

前置要求

IDE: 仅支持 Cursor。
Node.js: >=18.0.0，需要 node 环境支持。
Cursor rules：保证生成代码符合项目规范。

核心指南

流程标准化 (Standardization)：Specflow 的核心职责是规范 AI 的实施路径。通过统一的命令与模板，它消除了开发者与 AI 协同中的随机性，确保每一项产物的规格、路径和结构高度一致，实现研发流程的“拉齐”。
质量约束力(Quality Control)：Specflow 定义“如何做”，而 Cursor Rules 定义“做得好不好”。代码质量是否符合项目特定的规范、架构模式及最佳实践，完全取决于规则的完善程度。它是 AI 编码时的“交通规则”。
业务感知进化 (Evolution)：AI 对业务背景的理解是一个动态增长的过程。

初期：依赖 Cursor 对代码库的静态索引。
长期：随着需求归档 (Requirements Archiving) 的增加，这些结构化的归档文件将成为 AI 的“经验值”。归档越多，AI 对复杂业务逻辑的上下文理解就越深，从而实现从“辅助写码”到“理解意图”的质变。

安装与配置

第一步：安装命令行工具

通过爱奇艺私有镜像源安装全局 CLI 工具：

第二步：项目初始化

进入你的项目根目录执行初始化。该操作会将必要的配置（commands 和 templates）注入到项目的 .cursor 文件夹中。

注意：如果项目目录下已存在 .cursor 文件夹，初始化操作会直接覆盖其中的同名文件夹，请在执行前确认备份。

第三步：版本更新

当 Specflow 有新功能发布或模板更新时，运行以下命令同步最新内容：

核心功能概览

初始化完成后，你可以在 Cursor 中直接使用以下资源：

Commands: 预定义的 AI 指令集，提升代码生成质量。
Templates: 标准化代码模板，确保团队代码风格一致。

05#

Specflow 最佳实践指南

运行环境：请确保在 Cursor Chat (Agent Mode) 中执行以下操作。

流程总览

Specflow 将研发流程分为四个核心阶段，通过 /specflow 指令驱动。

Step 1：需求规格化 (Specify)

目标：消除需求模糊性，将自然语言转换为 AI 可理解的开发规范。

执行指令：

关键动作：

上下文补充：如有 UI 设计图，建议作为附件上传，使用 AI将图转换为 HTML/CSS 结构效果会更好。

问题澄清：查看ai-docs/{{需求号}}/specify.md。

▪ 在[User]区域直接勾选选项或输入回答。

▪ 审查业务状态机、流转逻辑及验收标准。

流转：再次输入/specflow，校验澄清项。若全部完成，将自动触发Plan锚点。

Step 2：技术方案与任务拆分 (Plan)

目标：明确实现路径，拆解原子化开发任务。

前置输入：流程会停在交互锚点，请提供接口文档(API Docs)。

若无文档，回复“继续”跳过。

核心审查项 (plan.md)：

a.[Block] 问题：必须回答，否则无法进入开发。

b.[?] 问题：可选回答，不阻塞流程。

c.方案审查：确认实现思路与验收标准是否符合预期。

d.任务组 (Groups)：检查任务拆分是否有遗漏。

Step 3：原子化代码实现 (Implement)

目标：AI 自动编码、自检，并由人工进行阶段性 Review。

执行逻辑：

AI 将按照 plan.md 中的 Group 顺序进行开发。每完成一个分组，流程会暂停。

开发者介入：

Review：检查当前分组的代码质量与逻辑。
确认/继续：回复 继续 或再次输入 /specflow 启动下一个分组。

状态记录：AI 会实时更新任务标记并记录开发日志。

Step 4：需求归档 (Archive)

目标：沉淀技术债背景，建立逻辑对撞索引。

触发时机：提测完成、合并至 develop 分支前。
执行动作：

a.生成摘要：创建 summary.md，记录核心技术决策。

b.迁移文档：将 ai-docs/ 移动至 history/{{年份}}/{{季度}}/。

c.更新索引：更新全量的ARCHIVE_SUMMARY.md标签与索引。

安全机制：AI 会先进行 Dry-run（预览模式），确认无误后回复“确认”即可正式归档。

文档资产说明

文档名称	存放路径	核心作用
specify.md	ai-docs/{{id}}/	业务需求、状态流转、待澄清点
plan.md	ai-docs/{{id}}/	接口定义、任务拆分、实现方案
summary.md	history/.../{{id}}/	需求技术总结、决策背景
ARCHIVE_SUMMARY.md	项目根目录/history	全局需求索引，用于后续逻辑追溯

06#

未来规划

Specflow 2.0：从“模拟流程”进化为“自治架构”

Subagents：深度角色隔离与上下文裁剪

角色原子化：将原有的资深产品经理、架构师等角色彻底解耦为独立的 Subagents，每个子代理仅加载其职能相关的指令集，避免角色重叠导致的逻辑干扰。
上下文精准注入：主代理根据当前阶段，仅向 Subagents 投喂必要的文档，通过裁剪非必要的历史推理，极大提升响应速度并降低长文本导致的“逻辑漂移”。
自主验证闭环：Subagents 拥有独立的“思考-验证”空间，在提交结果给主代理前，必须先在内部完成单测或静态检查。