得物：Claude Code Spec Coding 项目实战

来源：SegmentFault - AI编程能力边界探索：基于 Claude Code 的 Spec Coding 项目实战｜得物技术 替代来源：CSDN - AI编程能力边界探索 本文所有数字（提效、行数、调用次数）均为该来源的单案例统计，不是可外推基准。

概述

一名工程师基于 Claude Code 的 Spec Coding（规格驱动编码），10 天完成一个标准企业级中后台（表格、表单、卡片列表、数据看板），全程在「约束 + 示范 + 视觉」三层规范体系下进行。据来源统计：净增代码 25,546 行、人工指令 217 条、工具调用 2,754 次（其中文件读取 738、代码编辑 550、终端命令 662、任务进度标记 208）、整体提效 36%。

Spec Coding 工作流

核心思想：写代码之前，先写规格文档。通过 OpenSpec，每个功能变更经历：

Proposal → Design → Specs → Tasks

价值：proposal 阶段先明确 why 与 how，减少返工；tasks 分组让 AI 聚焦当前步骤；每个 Change 的决策链留档可审计。

开发时间线

阶段	周期	指令数	要点
设计	—	—	Cursor + 设计规范 Rules 生成高保真 HTML 稿与 PRD
项目搭建	2 天	20	问答式交互，搭基础设施与项目结构
功能开发	4 天	89	引入 Spec Coding，约 80% 功能代码在此完成
打磨与部署	4 天	108	迭代、重构与生产部署排障

三层规范体系

层次	位置	作用
约束层	.claude/rules/	禁止什么、必须怎样（7 个规范文件：ts、命名、注释、lint、样式、页面结构、API）
示范层	.claude/code-design/	标准产出长什么样（pro-table、pro-form、可编辑表格、抽屉模板）
视觉层	.claude/ui-design/	页面应该长什么样（HTML 设计稿，AI 读取结构与样式）

实际效果（来源统计）：205 个文件的接口函数统一 fetch{Name}Api 命名；constants/services/hooks/components 分层在新建页面中保持一致；CRUD 页面均参照 pro-table 模板。仍需人工干预的反例：AI 曾把代码写进单文件不分层、错用 .less 后缀。

典型案例

AI 驱动产品设计：在 Rules 中植入「首席产品专家」persona 让 AI 先想清楚；对话式产出高保真 HTML；再以设计稿为上下文生成精确到组件行为级的 PRD——没有产品经理与 UI 设计师参与。

SDD 驱动功能研发：页面功能开发人工指令 < 10 条；SDD + MCP 接口文档直连完成 39 个接口联调、零返工（累计调用 21 次）；同日额外交付两个模块。

SDD 驱动重构：知识问答首页重构 34 个子任务全部完成、人工干预 < 5 条指令；7 个业务/公共组件解耦；useChat 从 20+ 方法拆为 3 个单职责 hook；ChatInterface 从 17 个 props 缩到 6-8 个。重构与新功能的本质差异：新功能是「从无到有」，重构是「在活体系统上动手术」。

复杂排障（超出 AI 边界）：测试环境构建失败排障约 4 小时、15+ 次方案尝试、59 条指令。根因是 .npmrc 历史副作用、Prisma v6 境外下载沉默卡死、pnpm 跨平台 lockfile 不一致——这类跨系统历史状态问题 AI 看不到。

AI 能力边界框架

AI 是一个「极度服从、无限耐心、但没有内部业务常识的顶级执行者」。按需求颗粒度选协作模式：

颗粒度	协作模式	场景
小	对话式	改文案、修显隐、调 CSS
中（标准化）	Rules / Skills	标准 CRUD、简单组件
中大（复杂）	OpenSpec SDD	核心重构、复杂模块

AI 失效三种模式：规范真空（该领域无规范 → 补规范）；信息孤岛（AI 只有会话快照，看不到系统外状态 → 架构阶段提前锁定依赖）；目标模糊（把该问人的问题当执行问题 → proposal 阶段强制先写 why）。

一句话总结

AI Coding 的本质是用结构化的规范和工作流把不确定性消除在执行之前——AI 在确定性空间里高速执行，人负责维护那个确定性空间的边界。规范是杠杆，AI 是力，Spec 工作流是支点。