1. 应该放在哪一步
- 实现前:工单还存在歧义时。
- PR 前:AI 生成代码需要证据时。
- API 发布前:消费者需要清晰契约时。
- 事故后:团队需要定位规格缺口时。
Spec Skills 更适合作为受约束的规格草拟与评审工作台,而不是一个泛聊天入口。给它工单、模板和评审规则,期待它输出规格草稿、验收标准、风险和待确认问题,再交给人做批准或驳回。
连续两周观察三个信号:澄清评论是否减少,验收测试是否更早成形,PR 评审是否少出现意外问题。如果没有改善,先收窄工作流,不要扩大自动化范围。
好的 Spec Skills 工作流从一个边界清楚的产物开始,以可被评论的规格结束。输出不应该是一篇漂亮文章,而应该是包含决策、假设、缺失输入和测试点的草稿。
输入: - 工单:“为 workspace 管理员增加批量禁用用户” - 模板:feature-spec.md - 必填章节:目标、非目标、角色、API 行为、审计日志、回滚、验收标准 期望输出: - 标出未决问题的规格草稿 - 8-12 条 Given/When/Then 验收标准 - 权限误用、部分失败、审计缺口的风险登记 - 产品、后端、QA、支持四类评审清单
编辑说明:本页只说明 Spec Coding 会如何把 Spec Skills 放进 Spec-First 交付流程。正式采用前,请根据你的团队流程改写这些模式。
只有当 Spec Skills 改善了评审真正需要的产物时,才值得纳入流程。如果团队只是得到更多文字,而不是更清楚的决策,说明工作流太宽了。先缩小到一个可重复交接点,再衡量评审意见是否变得更具体。
有用的问题不是草稿听起来好不好,而是另一个工程师能不能少问几轮澄清就开始实现。
先选一个工作流:工单转规格、API diff 转评审意见、事故转复盘草稿,或验收标准重写。不要第一天就自动化整个交付流程。
看规格是否少了澄清评论,QA 是否更早写出测试,AI 生成 PR 是否带证据,评审者是否能在实现前发现遗漏风险。
当输出开始编造需求、隐藏未决问题、绕过产品或安全评审,或无法追溯到 prompt 与源材料时,应暂停采用。
运行工作流前,先列出 Spec Skills 可以使用的来源材料:工单链接、产品说明、现有规格、API schema、错误表或事故时间线。任何不在来源材料里的要求,都应该被标成假设,而不是写成已批准范围。
接受草稿前,检查每个章节是否对应一个评审动作。产品能否批准范围,工程能否检查 API 或数据行为,QA 能否直接写测试,支持团队能否看懂用户可见失败状态。
AI 生成代码上线前,必须把证据接回规格:测试通过、API diff 已评审、迁移回滚已说明、功能开关状态明确,并且有能证明上线后健康的指标或告警。
不能。它可以起草和批注规格,但被批准的产物仍需要人工责任人、版本历史和测试证据。
建议从工单转规格开始。输入清楚、输出可见、评审问题明确,团队能很快判断质量是否真的提升。
要求引用源材料、列出假设、给出具体例子,并对“快速”“稳健”“简单”“顺滑”这类词做二次驳回。
当一个小流程还无法稳定产出可评审结果时,不要继续接入更多系统。先修输入模板、复核规则和证据要求。
最容易漏掉复核和回滚:谁检查输出,出错时如何恢复,日志是否足够定位问题。这些问题比模型能力本身更影响长期使用。
把 Spec Skills 和可复用模板、评审清单一起用,才能让 AI 输出贴近团队真正需要批准的决策。
备注:Spec Skills 是 Spec Coding 的工作流视角,不构成第三方产品功能承诺。