解码 Claude Code — Anthropic 的 AI 编程革命(一)

# 解码 Claude Code — Anthropic 的 AI 编程革命(一)

这是一个改变软件开发方式的工具,而它的起点,不过是一次意外的 API 测试。

代码屏幕

从一个”意外”说起

2024 年 9 月,Anthropic 的一位工程师为了方便测试自家 API,随手写了一个终端命令行工具。他给了模型一个 bash shell,想看看会发生什么。

模型做的第一件事,是写了一段 AppleScript,查询他正在听什么音乐。

那一刻,他意识到:模型不只是想回答问题——它想用工具

这个工程师叫 Boris Cherny,他创造的这个"顺手写的 CLI 工具",就是今天被全球开发者疯狂使用的 Claude Code

终端界面

Claude Code 是什么

一句话:Claude Code 是一个运行在终端里的 AI 编程助手,它能读写你的代码、执行命令、管理项目,像一个不知疲倦的结对编程搭档。

它不是 Copilot 那样的代码补全工具,也不是 ChatGPT 那样的问答机器人。它直接住在你的终端里,拥有 bash 权限,能操作文件系统,能调用 Git,能运行测试——它是一个有手脚的 AI

如果你用过命令行,你大概能理解这种感觉:你不用离开终端,不用切换窗口,只需要用自然语言描述你想做什么,它就帮你做了。

AI 概念

为什么它值得关注

几个数字:

  • GitHub 上 4% 的代码提交已经由 Claude Code 完成,Boris 预计年底将达到 20%
  • Anthropic 工程团队生产力提升 200%,Boris 本人每天发布 10-30 个 PR,100% 由 AI 生成
  • Anthropic 内部 70-80% 的技术人员每天都在使用它
  • 内部反馈频道每 5 分钟就有一条新帖子

这不是实验室里的 demo,这是一个已经被自家工程师"吃"到离不开的生产力工具。

核心能力速览

Claude Code 的能力可以归纳为五个维度:

1. 代码理解与生成

它能读懂整个代码库的上下文,不只是当前文件。你说"帮我把这个函数重构一下",它知道这个函数被谁调用、影响了哪些模块、测试该怎么改。

2. 终端原生操作

它有 bash 权限。能装依赖、跑测试、查看日志、操作 Git。这意味着它可以完成完整的开发循环,而不是只生成一段代码让你自己粘贴。

3. 记忆与上下文管理

通过 CLAUDE.md 文件,它记住了项目规范、团队约定、技术栈偏好。它不是每次从零开始的——它"认识"你的项目。

4. 技能系统

类似插件机制,但更灵活。你可以给它装"技能"——代码审查、批量重构、定时任务、浏览器自动化。技能用 Markdown 编写,门槛极低。

5. 多代理协作

它可以派出"子代理"并行工作。一个负责搜索代码,一个负责写实现,一个负责跑测试。多个 AI 实例协同完成复杂任务,就像一个微型开发团队。

团队协作

背后的男人 — Boris Cherny

Claude Code 的创造者 Boris Cherny 并非 AI 领域出身。他在 Meta 工作了 7 年,经历了 4 次晋升,负责过 Facebook、Instagram、WhatsApp、Messenger 的代码质量。他让工程生产力提升了两位数百分比。

2024 年加入 Anthropic 后,他提交的第一个 PR 因为是手写的,被同事拒绝了——"你应该用 Claude 来写代码"。

这个反讽成了 Claude Code 诞生的催化剂。

Boris 的核心产品哲学很有意思:

  • 潜在需求(Latent Demand):不要问用户想要什么,观察他们如何"滥用"现有功能。Facebook Marketplace 的诞生是因为 40% 的群组帖子都是买卖内容。
  • 为未来 6 个月构建:不针对今天的模型能力设计产品,而是预测半年后模型能做什么。
  • 吃自己的狗粮(Anthropic 版叫 "ant fooding"):70-80% 的内部日活不是强制要求,是自发传播。

一个更大的图景

Karpathy(OpenAI 联合创始人、前 Tesla AI 总监)在 2025 年底说过一句话:

作为程序员,我从未感到如此落后。

他把软件发展分成三个阶段:

  • Software 1.0:人类写显式规则(if-else、for 循环)
  • Software 2.0:人类定义架构,机器学习权重(神经网络)
  • Software 3.0:人类写提示和上下文,AI 生成一切

Claude Code 正是 Software 3.0 的代表。在新的范式里,编程不再是敲代码,而是描述你想要什么,然后让 AI 去做

未来科技

这不是遥远的未来。Boris 本人已经 100% 使用 AI 编写代码。Anthropic 的代码库里,每天有数百个 PR 完全由 Claude Code 生成。

系列预告

这是《解码 Claude Code》系列的第一期,我们聊了它是谁、从哪来、为什么重要。

接下来的 7 期,我们将深入拆解它的每一个核心模块:

  • 第二期:架构哲学 — 为什么 CLI 形态赢了?bash 权限意味着什么?
  • 第三期:记忆与上下文 — 如何让 AI 不再"健忘"?
  • 第四期:技能系统 — 用 Markdown 打造可复用的 AI 能力
  • 第五期:多代理协作 — 从单兵作战到 AI 军团
  • 第六期:实战技巧 — Boris 的 50 条黄金法则
  • 第七期:深度报告 — 从天气应用到大规摸重构的真实案例
  • 第八期:未来展望 — Karpathy、Boris 等大佬怎么看 AI 编程的未来

下期见。

Views: 5

Views: 44

手机上直接让AI写代码?这个开源神器把Claude Code接入了企业微信

手机上直接让 AI 写代码?这个开源神器把 Claude Code 接入了企业微信!

你有没有想过这样一个场景——

下班路上,地铁里刷着手机,突然想到一个 Bug 的解决方案。掏出电脑?不存在的。打开企业微信,给 Claude Code 发条消息:「帮我把 src/auth.py 的登录逻辑修一下」,几秒钟后,代码改好了,测试通过了,你安心继续刷视频。

这不是做梦。一个叫 cc-connect 的开源项目,真的把这件事干成了。

它到底干了什么?

一句话说清楚:cc-connect 是一个 AI Agent 桥接器,把本地的 AI 编程助手接到你常用的聊天平台上。

什么意思?看这张图就懂了:

你(企业微信/飞书/Telegram/...)
        ↕
   cc-connect(本地中转)
        ↕
  Claude Code / Cursor / Gemini(本地 Agent)

你在聊天软件里发消息 → cc-connect 转给本地的 AI Agent → Agent 干完活 → 结果回到你的聊天窗口。

手机、平板、任何设备,只要有聊天软件就能用。

支持哪些平台和 Agent?

先说聊天平台,主流的几乎全覆盖:

  • 企业微信、飞书、钉钉
  • Telegram、Discord、Slack、LINE
  • 个人微信(通过 ilink)
  • 微博私信、QQ、WPS 协作

再说 AI Agent,主流编程助手都能接:

  • Claude Code(Anthropic)
  • Codex(OpenAI)
  • Gemini CLI(Google)
  • Cursor Agent、iFlow、OpenCode、Devin CLI、Kimi CLI

基本上,你用什么聊天工具,它就能接到哪儿;你用什么 AI 编程助手,它就能桥接谁。

怎么装?三步搞定

第一步:装 cc-connect

npm install -g cc-connect

对,就这么一行命令。没装 Node.js 的先去装一下。

第二步:装你的 AI Agent

比如用 Claude Code:

npm install -g @anthropic-ai/claude-code

第三步:配置

推荐用 Web UI 配置,可视化的,不用手写配置文件:

cc-connect web

浏览器自动打开管理面板,点点鼠标就配好了。

以企业微信 + Claude Code 为例

这是国内开发者最关心的组合,我详细说一下。

1. 创建企业微信机器人

登录企业微信管理后台 → 应用管理 → 自建 → 创建应用。记下 Bot IDBot Secret

2. 写配置文件

编辑 ~/.cc-connect/config.toml

language = "zh"

[log]
level = "info"

[[projects]]
name = "my-coder"

[projects.agent]
type = "claudecode"

[projects.agent.options]
work_dir = "/你的项目目录"
mode = "auto"

[projects.agent.env]
ANTHROPIC_AUTH_TOKEN = "你的API Key"
ANTHROPIC_BASE_URL = "https://api.anthropic.com"

[[projects.platforms]]
type = "wecom"

[projects.platforms.options]
mode = "websocket"
bot_id = "你的Bot ID"
bot_secret = "你的Bot Secret"
allow_from = "*"

注意几个关键点:

  • mode = "websocket" — 用 WebSocket 长连接,不需要公网域名,这对国内开发者太友好了
  • allow_from = "*" — 允许所有人用,生产环境建议限制
  • API Key 可以用官方的,也可以用中转服务

3. 启动

cc-connect

看到这几行日志就说明成功了:

✅ wecom-ws: connected
✅ claudecode: agent initialized

然后打开企业微信,给机器人发条消息试试。

实际用起来有多爽?

场景一:地铁上修 Bug

你: 帮我看看 src/auth.py 的登录逻辑有没有问题
Bot:(读取文件)→ 返回分析结果,指出第 42 行有个空指针风险
你: 改一下
Bot:(自动修改代码)→ 修好了,还跑了一下测试

场景二:Code Review

你: /mode plan
你: 看看最近的 git diff,给个 review
Bot:(执行 git diff)→ 返回详细的代码审查意见

场景三:摸鱼写需求

你: /mode yolo
你: 新增一个用户注册接口,要邮箱验证
Bot:(全自动)→ 创建路由、写逻辑、加验证、写测试,一条龙

会话管理:随时接上次的进度

这个功能我觉得特别好——你可以随时恢复之前的对话上下文

你: /list
Bot:
  #1 (active) - 14:30 - "修复登录Bug"
  #2         - 11:15 - "重构API"
  #3         - 昨天  - "写单元测试"

你: /switch 3
Bot: 已切换到会话 #3 "写单元测试"

你: 继续
Bot:(带着昨天的上下文继续工作)

/list 看会话列表,/switch 切过去,无缝衔接。上下文完整保留,不会丢。

权限模式:安全和高效率的平衡

四种模式随切随用:

模式 说明 适合场景
/mode auto Agent 自己判断要不要问 日常开发
/mode yolo 全自动,不问直接干 赶进度的时候
/mode plan 只规划不执行 先看看思路对不对
/mode default 每步都确认 谨慎操作

切换模型也不会丢上下文:

/model switch opus    # 切到 Opus(重度任务)
/model switch sonnet  # 切到 Sonnet(日常任务)

后台常驻运行

用 pm2 管理,开机自启动:

npm install -g pm2
pm2 start cc-connect -- --config ~/.cc-connect/config.toml
pm2 save
pm2 startup

或者简单粗暴:

nohup cc-connect > ~/.cc-connect/cc-connect.log 2>&1 &

安全建议(认真看)

说几个一定要做的事:

  • 限制使用人员allow_from 不要用 *,指定具体的 user_id
  • 设置管理员admin_from 只有管理员能切 yolo 模式
  • API Key 别泄露:别提交到 Git 仓库
  • 谨慎使用 yolo 模式:全自动化很爽,但也意味着 Agent 可以删文件
  • 定期更新npm update -g cc-connect

和其他工具对比

有人可能问:这跟 OpenClaw、Cursor 有啥区别?

cc-connect OpenClaw Cursor
定位 AI编程助手聊天桥 完整AI助手平台 AI编程IDE
核心能力 远程操控本地Agent 日常办公+任务管理 代码编辑+AI辅助
接入平台 12+聊天平台 企业微信为主 桌面客户端
是否需要公网IP 大部分不需要 需要 不需要

简单说:cc-connect 专注一件事——让你在聊天软件里操控 AI 编程助手。 不做别的,就做这一件事,做得很轻很稳。

我的使用建议

如果你是独立开发者或小团队,我建议这么用:

  1. 日常开发用 auto 模式,让 Agent 自己判断权限
  2. 赶 Deadline 用 yolo 模式,但限制只有管理员能用
  3. Code Review 用 plan 模式,先看思路再决定
  4. 配一个便宜的 API 中转,比直连 Anthropic 便宜不少
  5. 把常用操作做成自定义命令,放在 ~/.claude/commands/custom/ 目录

总结

cc-connect 解决了一个很实际的问题:你不需要一直坐在电脑前才能让 AI 帮你写代码。

地铁上、咖啡馆里、甚至躺在被窝里,打开企业微信或 Telegram,给你的 AI Agent 发条消息就行。

它开源、免费、轻量、支持多平台。如果你在用 Claude Code 或者任何 AI 编程助手,值得试一下。

项目地址github.com/chenhg5/cc-connect

有问题可以在评论区聊,或者直接去 GitHub 提 Issue。

Views: 57

WaveTerm:让 AI 编程助手住进你的终端

WaveTerm:让 AI 编程助手住进你的终端

如果你同时在用 Claude Code、Codex、OpenCode 等 AI 编程智能体,一定会遇到一个问题:开了一堆终端窗口,哪个在等输入、哪个跑完了、哪个卡住了,根本分不清。

WaveTerm(Wave Terminal)就是为解决这个问题而生的。它是一个开源的、AI 原生终端,可以在 macOS、Linux 和 Windows 上运行,天然支持多智能体并行工作流。

安装

Windows

从 GitHub Releases 页面下载安装包:

https://github.com/wavetermdev/waveterm/releases

下载 .exe 安装包,双击安装即可。

macOS

brew install --cask waveterm

Linux

# Debian/Ubuntu
sudo dpkg -i waveterm_*.deb

# Fedora
sudo rpm -i waveterm_*.rpm

Windows 用户必做:设置 Git Bash

Windows 上 WaveTerm 默认使用 PowerShell。如果你习惯 Git Bash(大部分 AI 智能体的脚本都基于 bash),需要手动配置:

wsh setconfig term:gitbashpath="C:\Program Files\Git\bin\bash.exe"

这个命令告诉 WaveTerm 用 Git Bash 替代默认 Shell。如果你的 Git 安装路径不同,改成对应的路径即可。

验证是否生效:重启 WaveTerm,在终端里输入 echo $SHELL,如果输出包含 bash 就说明配置成功。

wsh 命令速查

wsh 是 WaveTerm 的核心命令行工具,能让你的终端命令和 Wave 的图形界面互相通信。以下是常用命令:

配置管理

# 设置配置项
wsh setconfig <key>="<value>"

# 编辑配置文件(用内置编辑器打开)
wsh editconfig

# 查看当前主题
wsh setconfig term:theme

常用配置项:

配置键 说明 示例
term:gitbashpath Windows Git Bash 路径 "C:\\Program Files\\Git\\bin\\bash.exe"
term:theme 终端主题 dracula, default-dark
waveai:defaultmode AI 默认模式 "my-proxy"
waveai:showcloudmodes 是否显示云端模式 false

文件操作

# 在编辑器中打开文件
wsh edit <filepath>

# 查看文件信息
wsh file info <filepath>

# 读写文件
wsh file cat <filepath>
wsh file write <filepath> "内容"

# 远程文件操作(在远程机器上访问本地文件)
wsh file cat wsh://local/~/config/app.json

界面控制

# 设置当前 block 的背景图
wsh setbg <image_url_or_path>

# 设置 Tab 徽章(Badge)
wsh badge <icon> --color '<color>' --priority <num> [--beep]

# 清除徽章
wsh badge clear

# 发送系统通知
wsh notify "任务完成!"

Block 管理

# 在新 block 中运行命令(完成后自动关闭)
wsh run <command>

# 删除当前 block
wsh deleteblock

# 列出所有 blocks
wsh blocks list

连接管理

# SSH 连接
wsh ssh user@hostname

# WSL 连接(Windows)
wsh wsl

# 查看连接状态
wsh conn status

其他实用命令

# 设置/获取变量
wsh setvar <key> "<value>"
wsh getvar <key>

# 获取 Wave 安装路径
wsh wavepath

# 重新安装 wsh 扩展
wsh reinstall

结合 Claude Code 使用

这是 WaveTerm 最强大的场景。当你在 WaveTerm 中并行跑多个 Claude Code 会话时,WaveTerm 的 Badge 系统可以让你一眼看出哪个会话需要关注。

配置 Tab Badge

编辑 ~/.claude/settings.json,添加 hooks:

{
  "hooks": {
    "Notification": [
      {
        "matcher": "permission_prompt",
        "hooks": [
          {
            "type": "command",
            "command": "wsh badge bell-exclamation --color '#e0b956' --priority 20 --beep"
          }
        ]
      },
      {
        "matcher": "elicitation_dialog",
        "hooks": [
          {
            "type": "command",
            "command": "wsh badge message-question --color '#e0b956' --priority 20 --beep"
          }
        ]
      }
    ],
    "Stop": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "wsh badge check --color '#58c142' --priority 10"
          }
        ]
      }
    ],
    "PreToolUse": [
      {
        "matcher": "AskUserQuestion",
        "hooks": [
          {
            "type": "command",
            "command": "wsh badge message-question --color '#e0b956' --priority 20 --beep"
          }
        ]
      }
    ]
  }
}

配置完成后效果:

事件 Badge 图标 颜色 优先级 含义
需要权限审批 bell-exclamation 金色 20 Claude Code 在等你批准操作
询问用户 message-question 金色 20 Claude Code 在等你回答问题
会话完成 check 绿色 10 任务跑完了

当你在 WaveTerm 中开了 5 个 Claude Code Tab,一眼就能看到:

  • 金色感叹号 = 快去看看,卡住了
  • 绿色勾 = 已完成,有空再看
  • 什么都没有 = 还在跑,不用管

Badge 在你点击进入 Tab 后自动清除,纯粹的"提醒"信号。

自定义更多 Badge

你可以为任何 Claude Code 工具添加 Badge 提示:

{
  "matcher": "Bash",
  "hooks": [
    {
      "type": "command",
      "command": "wsh badge spinner --color '#00FFDB' --priority 5"
    }
  ]
}

可用的图标名来自 Font Awesome(去掉 fa- 前缀),颜色支持任何 CSS 颜色值。

结合 OpenAI Codex 使用

OpenAI Codex 同样是终端内运行的 AI 智能体,在 WaveTerm 中使用时可以:

# 在 WaveTerm 中直接启动 Codex
codex "帮我重构这个函数"

如果你同时跑 Claude Code 和 Codex,建议在 WaveTerm 中分不同 Tab 组织:

  • Tab 1: Claude Code(前端开发)
  • Tab 2: Codex(后端开发)
  • Tab 3: 测试/构建

每个 Tab 独立运行,互不干扰。

结合 OpenCode 使用

OpenCode 是另一个流行的终端 AI 工具,同样可以在 WaveTerm 中运行:

# 启动 OpenCode
opencode

# 或指定模型
opencode run "分析这段代码的性能问题" --model zhipuai-coding-plan/glm-4.7

多智能体并行工作流实战

场景:同时用 3 个智能体开发一个功能

  1. Tab 1 — Claude Code 做前端 UI
claude "实现用户登录页面,使用 React + TailwindCSS"
  1. Tab 2 — Codex 写后端 API
codex "创建 POST /api/login 接口,JWT 认证"
  1. Tab 3 — OpenCode 做代码审查
opencode run "审查 src/auth/ 目录下的所有文件,输出安全风险报告"

在 WaveTerm 中,三个 Tab 并行运行。Badge 系统让你随时知道谁在等你、谁完成了。点击有金色 Badge 的 Tab 处理完,继续做别的事。

高级技巧

远程开发:用 wsh ssh 连接远程服务器,在远程机器上运行 AI 智能体,同时 Badge 依然在本地显示。

# 连接远程服务器
wsh ssh user@your-server

# 在远程服务器上运行 Claude Code
claude "部署这个应用到 Kubernetes"

文件桥接:在远程机器上访问本地文件:

# 远程机器上读取本地配置
wsh file cat wsh://local/~/project/config.yaml

自动通知:长时间任务完成后通知你:

# 在智能体命令后面追加通知
claude "跑完整测试套件" && wsh notify "测试完成!"

常见问题

Q: Windows 上打开 WaveTerm 闪退?

检查 Git Bash 路径是否正确:

wsh setconfig term:gitbashpath="C:\Program Files\Git\bin\bash.exe"

Q: Claude Code Badge 不显示?

确认 ~/.claude/settings.json 中的 hooks 格式正确,然后重启 Claude Code 会话。

Q: 主题怎么换?

# 切换 Dracula 主题
wsh setconfig term:theme dracula

# 恢复默认
wsh setconfig term:theme default-dark

Q: 如何配置 AI 模型?

# 使用自定义 OpenAI 兼容 API
wsh setconfig waveai:defaultmode="my-proxy"

# 隐藏官方云端模式(只用自建 API)
wsh setconfig waveai:showcloudmodes=false

然后用 wsh editconfig 打开配置文件,编辑 API 地址和密钥。

总结

WaveTerm 的核心价值:

  • 多智能体并行:一个窗口管理 Claude Code、Codex、OpenCode 等多个 AI 助手
  • Badge 通知系统:一眼看出哪个智能体在等你,不用逐个切换检查
  • wsh 命令体系:打通终端命令和图形界面,文件桥接、远程操作一体化
  • 开源免费:跨平台,支持 macOS、Linux、Windows

如果你每天都在和多个 AI 编程助手打交道,WaveTerm 值得一试。

项目地址:https://github.com/wavetermdev/waveterm
官方文档:https://docs.waveterm.dev

Views: 45

告别 Vibe Coding:Claude Code + OpenSpec + Superpowers 工程化 AI 编程实战

告别 Vibe Coding:Claude Code + OpenSpec + Superpowers 工程化 AI 编程实战

AI 编程工具正在经历从"玩具"到"工程工具"的质变。很多人用 Claude Code 写代码,感觉就是在"凭感觉编程"(Vibe Coding)——代码能跑,但质量全看运气。问题不在工具,而在工作流。

今天介绍一套经过实战验证的组合:Claude Code + OpenSpec + Superpowers,把 AI 编程从"看心情"变成"真工程"。

三件套各自的角色

在建筑行业,盖一栋楼需要三种人:建筑师画蓝图、工程师施工、监理盯质量。AI 编程也一样。

OpenSpec — 建筑师(定义做什么)

OpenSpec 解决的是"AI 不知道你要什么"的问题。它不是简单的需求文档,而是一套结构化的项目规范体系:

  • API 文档(接口长什么样)
  • 架构决策记录 ADR(为什么选这个方案不选那个)
  • 任务列表(先做什么后做什么)

核心思路:先写规范,再写代码。这不是什么新概念,但 AI 编程时代很多人跳过了这一步,直接让 AI 写代码,结果就是反复返工。

Claude Code — 工程师(负责实现)

Claude Code 的角色就是你的搭档工程师。它根据 OpenSpec 定义的规范来编码,不是凭空想象。它能理解整个项目框架,支持代码补全、重构、复杂结构分析。

关键是:有了规范约束,Claude Code 的输出质量会显著提升。 没有规范的 AI 编程就像没有设计图的施工队,想一出是一出。

Superpowers — 监理(保证质量)

Superpowers 是 Claude Code 的技能插件,提供质量保障能力:

  • 测试驱动开发(TDD)
  • 代码审查
  • 风格一致性验证
  • 性能调优建议

代价是会增加 Token 消耗,但这笔投入换来的是可维护的代码。想想看,你是愿意多花 20% 的 Token,还是愿意花 3 个小时 debug AI 写出来的面条代码?

五步落地流程

第一步:安装 Claude Code

macOS / Linux:

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex

安装后运行 claude 验证并登录。

第二步:安装 OpenSpec 和 Superpowers

OpenSpec 是独立命令行工具,在本地终端安装:

npm install -g @fission-ai/openspec@latest

Superpowers 是 Claude Code 插件,在 Claude Code 交互界面中安装:

/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

安装后重启 Claude Code。

第三步:项目初始化

进入项目目录,运行初始化:

cd /path/to/your-project
openspec init

初始化向导会引导你配置,关键步骤:

  • 集成工具选择 Claude Code
  • 按提示复制初始化提示词到 Claude Code 粘贴

完成后项目会生成:

  • openspec/ 目录(规范文件)
  • AGENT.md(AI 行为指引)
  • CLAUDE.md(Claude Code 配置)

第四步:OpenSpec 工作流

OpenSpec 定义了标准化的三阶段工作流:

阶段一:提案(propose)

/opsx:propose add-dark-mode

AI 会自动生成:

  • proposal.md — 提案概要
  • specs/ — 详细规格
  • design.md — 设计方案
  • tasks.md — 任务分解

每个任务都有明确的输入、输出和验收标准。

阶段二:实施(apply)

/opsx:apply

Claude Code 按照 tasks.md 逐步执行,每完成一个里程碑更新状态。

阶段三:归档(archive)

/opsx:archive

将完成的变更归档到 openspec/changes/archive/,更新文档,保持项目整洁。

第五步:Superpowers 质量保障

在实施阶段,通过 Superpowers 触发质量检查:

/openspec:apply

这会启动 Superpowers 的自动化工作流,包括代码审查、测试验证、风格检查等。

和纯 Vibe Coding 的对比

维度 Vibe Coding OpenSpec 工作流
需求定义 口头描述,模糊 结构化文档,精确
代码质量 看运气 TDD + 自动审查
可追溯性 没有 ADR + 任务记录
团队协作 难以复现 规范即文档
返工率
Token 消耗 看似少,实际多(反复修改) 看似多,实际少(一次做对)

这套方案适合谁

适合:

  • 需要交付可维护代码的项目
  • 团队协作(规范文档就是最好的沟通工具)
  • 长期迭代的项目(每次变更有记录)

暂时不需要:

  • 一次性脚本
  • 快速原型验证
  • 学习阶段的练手项目

我的补充思考

OpenSpec 的核心价值不是工具本身,而是强制你先想清楚再动手。这一点和传统的软件工程方法论一脉相承——需求分析、设计、编码、测试,AI 只是加速了每个环节,但没有跳过任何一步。

Superpowers 的质量保障能力确实会增加 Token 消耗,但这是值得的投资。AI 编程最大的成本不是 Token 费,而是你花在修复 AI 生成低质量代码上的时间。

最后,这套工作流还在快速演进中。OpenSpec 和 Superpowers 都在积极迭代,建议关注官方更新,及时升级。

工具链接:

Views: 77