据统计，Anthropic工程师的日均代码合并量比一年前提高了8倍。

当AI编程社区还在争论“提示词工程”的技巧时，真正的范式转移已经悄然发生——从“提示词工程”到“上下文工程”。GitHub开源的Spec Kit，正是这一认知升级最硬核的落地实践。

 

Vibe Coding 的天花板，远比想象中更低

2024至2025年间，AI编程助手的普及催生了所谓“Vibe Coding”——开发者凭模糊的自然语言提示，期待AI“心领神会”地生成完美代码。Andrej Karpathy提出的这个概念，在原型验证阶段确实高效：描述个大概，AI可以跑出个框架，5 分钟内看到效果。

但进入真正的功能开发后，问题暴露无遗。AI Agent不是搜索引擎，它是“字面意思执行者”。你说“加一个排序功能”，它就加排序功能。它不知道你的数据量有多大，不知道分页逻辑在哪一层，不知道“注册时间”和“创建时间”在你的schema里是不是同一个字段。它把所有模糊空间，用“合理”的猜测填满了。

正如GitHub官方博客所言：“it looks right, but doesn’t quite work”——看起来对，但跑起来不对。

更深层的问题是需求漂移：长对话中反复修改需求，AI的“记忆”逐渐偏离最初意图。第10轮修改的代码与第1轮的需求之间，可能已无对应关系。

这不是 AI 的智力问题，是信息结构的问题

Anthropic的研究揭示了一个核心洞察：给Claude的大部分人只给了一个简短的提示词，但Claude真正需要的是知识、记忆、文件、规则、示例、工具、状态、历史动作。

提示词只是一句话；上下文是AI赖以工作的完整“信息操作系统”。

GitHub Spec Kit 的解法，就是把“需求”从对话的碎片中拿出来，放到一个结构化的文件中。这个文件就是规范（spec.md），它是整个开发流程的单一真相源（Single Source of Truth）。AI每次做任何决策，都从这里取信息，而不是从对话历史里猜。

Spec Kit 的核心工作流：从“凭感觉”到“按规范”

Spec Kit是GitHub官方开源的规范驱动开发工具包。它不是AI模型，而是一个框架和CLI，与你选择的AI代理协同工作。

核心是一套结构化的斜杠命令工作流：

· /speckit.constitution：确立项目原则与约束，建立不可违背的“宪法”
· /speckit.specify：将功能需求转化为清晰的规范文档
· /speckit.clarify：提出结构化问题，在开始前消除歧义
· /speckit.plan：制定技术实现方案——架构、技术栈、约束
· /speckit.tasks：将技术方案分解为可执行的有序任务清单
· /speckit.implement：按任务清单执行实现

每个阶段产生一个 Markdown 工件，都将作为下一阶段的输入。

30+代理无缝切换，10万Star的社区共识

Spec Kit支持Claude Code、GitHub Copilot、Cursor、Gemini CLI、Codex等 30 多种 AI 编码代理。你可以在代理之间自由切换，规范保持不变。

发布不到一个月，Spec Kit已获得超过11万 Star、近万Fork，是2026年 GitHub上增长最快的 AI工具类项目之一。截至2026年5月，官方文档显示已积累 106K+ Stars、200+ 贡献者、105 个社区扩展。

上下文工程：AI 编程的下一个战场

Anthropic的研究已经证明：效率差距的100%来源于“提示词”与“上下文”的抉择。顶尖的AI工程师并不整天打磨提示词，他们花时间确保AI在行动前拥有准确的知识、记忆、文件、规则和状态。

Spec Kit正是“上下文工程”理念在开发流程层面的系统性落地。它将 AI 编程从“提示词工程”提升到了“上下文工程”的维度——提示词只是最后1%的工作，上下文是剩下的 99%。

GitHub用Spec Kit杀死了Vibe Coding中最糟糕的部分——让AI在碰代码之前，先把完整的技术规格写清楚。这不是在教AI写更好的代码，而是在给AI构建一个能写出好代码的信息环境。