微信扫码
添加专属顾问
我要投稿
团队用 AI 写代码,卡点在对齐而非生成。这套 Spec 分级框架,通过三级规范和交叉校验,让 PM、研发、测试在 AI 动手前达成共识。核心内容: 1. AI Coding 团队协作的核心瓶颈与对齐难题 2. 三级分级的 Spec 文档体系与 14 份覆盖全链路的文档模板 3. 依据风险定制的分级策略与关键设计原则
Spec-Driven 理念很直接:先写 Spec 再写代码,内置模板和文档生成能力,单人开发效率很高。在团队落地 AI Coding 时发现一个模式:瓶颈往往不在代码生成,在代码生成之前的对齐。
场景很典型:PM 提了一个需求,研发在 AI IDE 里开始写 Spec 写代码,写到一半发现某个字段的含义跟 PM 想的不一样,回去确认;测试拿到功能后发现验收标准和需求对不上。这不是 AI IDE 的问题——AI IDE 面向的是开发者,它不知道 PM 的业务规则应该对应哪个接口字段、测试用例有没有覆盖所有验收标准。
所以问题不是"AI 能不能生成代码",而是在 AI 生成代码之前,PM、研发、测试三方有没有对齐。
这套 Spec 分级框架解决的就是这个问题。它定义了一套团队协作的 Spec 规范——文档模板定义写什么、三级分级定义写多细、交叉校验定义怎么算对齐。
14 份文档覆盖从需求采集到测试追溯的完整链路,团队可以根据业务需要微调。
| 编号 | 文档名称 | 一句话说明 |
| 01 | Spec 写作总则与编号索引 | 约定编号规则和文档规范 |
| 02 | 需求来源与采集记录 | 原始需求记录,防"需求幽灵化" |
| 03 | 立项提案与范围说明 | 定边界:做什么、不做什么 |
| 04 | 产品需求说明 PRD | 业务规则真源:数值、条件、判断逻辑 |
| 05 | 用户故事与验收标准 US+AC | 验收标准真源:Given/When/Then |
| 06 | 功能规格说明 FSD | 前端展示和交互契约 |
| 07 | 非功能需求与约束 | 性能、安全、兼容性要求 |
| 08 | 系统架构与技术选型 | 技术方案和架构决策 |
| 09 | API 接口规格 | 接口契约:端点、字段、错误码(AI IDE 直接消费) |
| 10 | 数据模型与存储规格 | 表结构:字段、类型、约束(AI IDE 直接消费) |
| 11 | 安全设计规格 | 安全策略和审计要求 |
| 12 | 实施计划与里程碑 | 排期和阶段划分 |
| 13 | 测试策略与质量门禁 | 测试用例和断言 |
| 14 | 需求追踪矩阵 RTM | 追溯工具:REQ → US → API → TC |
关键设计:AI工具只需要一部分文档来生成代码,但是整个Spec文档用来校验逻辑,让本来不熟悉的产品与功能模块能够设计的更加严谨,让复杂的产品与功能模块能够通过文档清晰严谨的表达逻辑。Spec Coding 需要接口契约的字段、类型、约束来生成代码。对齐的责任在团队身上,不在 AI IDE 身上。
不是所有需求都需要 14 份文档。一个按钮文案修改和一套费率计算规则变更,需要的 Spec 深度显然不一样。
定级依据四个因素:涉及几个团队、影响范围多大、跟合规或资金有关吗、回滚要多久。
一个人能判断、一个团队能搞定的事——修改文案、增加展示字段、改超时配置、修已知 Bug。
准入条件(全部满足):只涉及一个团队、不影响已有业务规则、不涉及合规、回滚 ≤ 30 分钟、三方口头能说清楚。
工作流:没有文档。研发直接在 AI IDE 里编码。
业务方提需求 → PM 口头确认 → 研发评估 → AI IDE 开发 → 测试 → 上线典型周期:0.5 - 1 天。
需要三方配合但不出系统边界的事——新增 API 端点、增加功能(如"导出 PDF")、修改查询过滤逻辑。
准入条件(满足任意两条):涉及 PM+研发+测试、需要新增或修改业务规则、前后端都要改、影响已有用户路径、有明确验收标准。
工作流。核心是一次 30 分钟的对齐会。
第 1 步:PM 接需求第 2 步:PM 写方案文档(约 1-2 小时)第 3 步:PM 出快速 Demo 给业务方确认方向第 4 步:发给研发和测试,约定 30 分钟对齐会第 5 步:对齐会——逐条过交叉点,三方拍板第 6 步:研发写 09 API + 10 数据(AI IDE 辅助生成初稿)第 7 步:AI IDE 读取 09+10 生成代码,测试写 13 用例对齐会只做一件事:过交叉点,不是读文档。
| 交叉点 | 怎么对 |
| 业务规则 → API 字段 | PM 说"R-01 的 limit=3",研发说"09 对应 request.limit, integer" |
| AC → 测试用例 | PM 问"AC-01 有覆盖吗?",测试说"有,TC-011" |
| 异常场景 | 三方逐条确认超时、边界、出错处理 |
Owner:写方案文档的 PM。典型周期:3 - 5 天。
一旦出事就兜不住的——跨系统数据链路改造、监管合规变更、费率计算规则变更。
准入条件(命中任意一条):涉及两个及以上系统、涉及监管合规、涉及资金核心流程、回滚 > 2 小时、失败可能导致事故。
核心理念:开发必须在文档完成并冻结之后才能启动。
工作流:
第 1 步:PM 写 02-05(AI Skill 辅助生成初稿)第 2 步:研发写 06-12(AI IDE 辅助写 09+10)第 3 步:测试写 13-14第 4 步:交叉对齐会,三方确认第 5 步:运行自动门禁——04 的规则在 09 有没有遗漏、05 的 AC 在 13 有没有被测试覆盖、编号是否一致第 6 步:门禁全过 → 文档冻结 → git tag第 7 步:AI IDE 读取 09+10 拆任务 → 生成代码第 8 步:测试按 13 执行用例第 9 步:上线前再跑一次门禁确认14 份文档的分工:
| 角色 | 文档 | 审核者 |
| PM | 02, 03, 04, 05 | PM 领导、研发、测试 |
| 研发 | 06, 07, 08, 09, 10, 11 | 架构师、PM |
| 测试 | 13, 14 | 研发 |
| Owner | - | 整体串联 |
门禁校验:自动检查 14 份文档之间的内容一致性。任一门禁失败,打回修复后重新提交。典型周期:2 - 4 周。
| 维度 | L1 轻量级 | L2 标准级 | L3 重量级 |
| 适用占比 | ~50% | ~40% | ~10% |
| 文档 | 无 | 方案文档 + 3 份核心 | 14 份全量 |
| AI IDE 的角色 | 直接编码 | 辅助 09+10 初稿 + 代码生成 | 文档冻结后代码生成 |
| 对齐方式 | 口头 | 30 分钟对齐会 | 对齐会 + 自动门禁 |
| 开发前提 | 随时 | 对齐会通过 | 文档冻结 + 门禁全过 |
| 周期 | 0.5-1 天 | 3-5 天 | 2-4 周 |
级别不是固定的。L1 做到一半发现需要多人配合,升级 L2。L3 写文档发现影响面比预想小,降级 L2。每次变更重新定级——级别跟着风险走,不跟模块走。
让 AI 写初稿、人来审核确认,是最高的文档生产效率。这套框架提供了 10 个 Skill,每个负责特定文档的初稿生成:
| Skill 名称 | 负责写什么 | 对应文档 |
| @mumu-spec-init | 初始化项目骨架,创建文档目录 | 01-14 |
| @mumu-spec-r1-proposal | 需求采集结构化 → 立项提案 → PRD | 02, 03, 04 |
| @mumu-spec-r2-align | US+AC 和 API 双面对齐 | 05, 09 |
| @mumu-spec-r3-design | 架构、数据模型、FSD、非功能、安全 | 06, 07, 08, 10, 11 |
| @mumu-spec-r4-finalize | 计划、测试策略、追溯矩阵 | 12, 13, 14 |
| @mumu-spec-sync | 变更联动:改一个文档通知下游更新 | 全链 |
| @mumu-spec-check | 质量检查:完整性、一致性、门禁 | 01-14 校验 |
| @mumu-spec-status | 版本状态看板 | 版本管理 |
| @mumu-spec-tasks | 将 US 拆分为开发任务 | 任务拆分 |
| @mumu-spec-main | 总控路由:判断当前需求该调哪个 Skill | 路由 |
每个 Skill 的 Prompt 和输出格式都可以自定义。Skill 写初稿,人做判断和决策。
第一周:只跑 L2。选一个中等复杂度的需求,走一遍 L2 流程——PM 写方案文档,拉 30 分钟对齐会,研发写 09+10 喂给 AI IDE 生成代码。先让团队感受一次"对齐会 → 文档 → AI 生成"的完整链路。
逐步加 L3。L2 跑顺之后,挑一个核心需求走 L3 全流程。PM 写 02-05,研发写 06-12,测试写 13-14,跑自动门禁。这时候团队会理解为什么需要交叉校验——不是因为流程要求,而是因为门禁真能发现规则遗漏。
自定义模板。14 份文档是模板不是铁律。不需要 12 实施计划(用 Jira 管排期)就删掉,需要把 06 和 07 合并就合并。保持编号体系一致即可。
这套 Spec 分级框架的核心只有三条:文档模板可自定义、分级匹配风险等级、Skill 降低文档生成成本。工具解决"怎么写代码"的问题,框架解决"写代码前对清楚、写代码后能追溯"的问题。二者配合,才是完整的 AI Coding 工程化落地。
《企业级AI Coding成熟度模型》PDF已开源至GitHub,这些资料也会逐步同步到GitHub
https://github.com/lvzhaobo/mumu-coding/
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-05-20
FDE这事儿,可能是AI落地最诚实的一次承认
2026-05-19
一种新的 LLM Wiki 方法论:让 AI 帮你建一个能活下去的知识库
2026-05-17
从RAG到LLM Wiki:用AI构建持续进化的个人知识库
2026-05-14
Claude 盯上小老板:Coding 之后,下一个吞 Token 兽?
2026-05-12
HHM企业AI落地六步走:把AI写进经营决策链
2026-05-10
AI行业正从“卖Token”转向“卖组织认知能力”,咨询业浴火重生?
2026-05-09
GBrain:让AI Agent拥有完美记忆的知识系统
2026-05-08
Agent 从“能用”到“管好”,中间差了什么?
2026-03-31
2026-03-05
2026-03-23
2026-04-07
2026-03-02
2026-04-12
2026-04-07
2026-03-06
2026-04-07
2026-02-27
2026-05-14
2026-05-10
2026-05-08
2026-03-02
2026-02-27
2025-12-09
2025-11-22
2025-11-18