AI 編程工作流選型：Spec-Kit、OpenSpec、Superpowers 深度對比

🚩 2026 年「術哥無界」系列實戰文檔 X 篇原創計劃 第 64 篇，AI 編程最佳實戰「2026」系列第 8 篇

大家好，歡迎來到 術哥無界 | ShugeX ｜ 運維有術。

我是術哥，一名專注於 AI 編程、AI 智能體、Agent Skills、MCP、雲原生、AIOps、Milvus 向量數據庫的技術實踐者與開源佈道者！

Talk is cheap, let's explore。無界探索，有術而行。

圖 1：Spec-Kit、OpenSpec、Superpowers 三款 AI 編程工作流工具對比

用 AI 編程代理寫代碼，你有沒有遇到過這些問題：

• 代理寫出的代碼風格飄忽不定，每次都要重新解釋項目規範
• 多人協作時代理理解不一致，同樣的需求給出完全不同的實現
• 想讓代理遵循測試驅動開發，但它總愛跳過測試直接寫代碼

這些問題背後是同一個核心矛盾：AI 代理缺乏結構化的工作流約束。

解決方案有三個熱門選手：GitHub 官方的 Spec-Kit（82.5K Star）、輕量級的 OpenSpec（34.5K Star）、技能驅動的 Superpowers（115K Star）。看着都是"規範驅動"，但底層哲學完全不同——選錯了就是工具束縛人。

花時間對比了三者的官方文檔和實現機制，把差異梳理清楚了。

1. 三者的背景與定位

Spec-Kit：規範可執行化

GitHub 官方出品，由 Den Delimarsky 和 John Lam 等核心開發者維護。

官方定位很明確：

Spec-Driven Development flips the script on traditional software development. Specifications become executable, directly generating working implementations rather than just guiding them.

翻譯過來：規範不只是"指導文檔"，而是可執行的——能直接生成工作代碼。

Spec-Kit 的核心是七個階段：constitution（項目治理）→ specify（定義需求）→ clarify（澄清模糊）→ plan（技術計劃）→ tasks（任務分解）→ analyze（一致性檢查）→ implement（執行實現）。

每個階段都有明確的輸入輸出，像工廠流水線一樣。

OpenSpec：輕量規範層

Fission-AI 團隊開發，核心理念是四個詞：fluid、iterative、easy、built for brownfield。

官方定義：

A lightweight spec-driven framework for coding agents and CLIs — universal, open source, and no API keys or MCP required.

關鍵點：輕量級、通用、無需 API Key 和 MCP。

OpenSpec 不追求"規範生成代碼"，而是做一層輕量的規範管理——通過 /opsx:propose（創建提案）→ /opsx:apply（執行）→ /opsx:archive（歸檔）的流程，讓規範成為活文檔。

Superpowers：技能驅動工作流

Jesse Vincent（obra）出品，社區規模最大——115K Star。

官方定義：

A complete software development workflow for your coding agents, built on top of a set of composable 'skills'.

關鍵詞：技能組合。Superpowers 不是規範驅動，而是通過一組可組合的"技能"來約束代理行為。

核心技能包括：test-driven-development（強制 TDD）、systematic-debugging（系統化調試）、brainstorming（蘇格拉底式設計細化）、subagent-driven-development（子代理併發執行）等。

2. 技術架構深度對比

底層實現機制

圖 2：三者的技術架構對比（技術棧、核心組件、數據流）

Spec-Kit 的架構：

┌─────────────────────────────────────────────┐
│              Specify CLI (Python)            │
├─────────────────────────────────────────────┤
│  Templates  │  Extensions  │  Presets       │
├─────────────────────────────────────────────┤
│         AI Agent Integration Layer          │
│  Claude │ Copilot │ Cursor │ Gemini │ ...  │
└─────────────────────────────────────────────┘

Spec-Kit 基於 Python，使用 uv 作為包管理器。核心是模板引擎 + 擴展系統——規範通過模板渲染成代碼，擴展系統允許自定義工作流。

# 偽代碼：Spec-Kit 的規範執行流程
class SpecKit:
    def execute_spec(self, spec_content):
        plan = self.plan_engine.generate(spec_content)
        tasks = self.task_breakdown.decompose(plan)
        return self.implementation_engine.execute(tasks)

OpenSpec 的架構：

openspec/
├── changes/           # 活躍變更
│   └── add-dark-mode/
│       ├── proposal.md
│       ├── design.md
│       ├── tasks.md
│       └── specs/
├── specs/            # 持久規範
└── archive/          # 歸檔變更

OpenSpec 基於 TypeScript，核心是變更驅動的工作流。每個功能變更是獨立目錄，包含提案、設計、任務和規範增量（Spec Delta）。

// 偽代碼：OpenSpec 的變更管理
class OpenSpec {
  async propose(description: string): Promise<Change> {
    const change = await this.changes.create(description);
    const affectedSpecs = await this.specs.findRelated(description);
    change.specDeltas = await this.generateSpecDeltas(affectedSpecs);
    return change;
  }
}

Superpowers 的架構：

┌────────────────────────────────────────┐
│           Skills Library               │
│  ┌─────────┐ ┌─────────┐ ┌─────────┐  │
│  │ Testing │ │Debugging│ │  Collab │  │
│  └─────────┘ └─────────┘ └─────────┘  │
├────────────────────────────────────────┤
│           Hooks System                 │
│  Pre-task │ Post-task │ Triggers      │
├────────────────────────────────────────┤
│       Agent Integration                │
└────────────────────────────────────────┘

Superpowers 基於 Shell/JavaScript，核心是技能觸發系統——不是手動調用命令，而是通過 Hook 自動激活相關技能。

# 偽代碼：Superpowers 的技能觸發
trigger(event, context) {
  for (const skill of this.findRelevantSkills(event)) {
    if (skill.shouldActivate(context)) {
      return skill.execute(context);
    }
  }
}

數據流對比

3. 核心特性對比

圖 3：三者在易用性、工具支持、流程嚴格度等多維度的能力對比

幾個關鍵差異點：

工具支持範圍：OpenScore 支持最廣（20+ 工具），包括 Claude Code、Cursor、Codex、Windsurf、Gemini CLI 等。Spec-Kit 支持 11+，Superpowers 專注少數平台（主要為 Claude Code 優化）。

TDD 強制：只有 Superpowers 強制 RED-GREEN-REFACTOR 循環。如果你的團隊對測試有嚴格要求，這是重要考量。

Brownfield 支持：OpenSpec 明確打出 built for brownfield 的旗號——它的設計優先考慮現有代碼庫的漸進式改造。

4. 工作流範式對比

三者最大的差異在於工作流範式——這是選型的核心依據。

圖 4：三種工作流範式對比（階段門控式 vs 流暢迭代式 vs 技能觸發式）

Spec-Kit：階段門控式

constitution → specify → clarify → plan → tasks → analyze → implement
     ↓            ↓         ↓        ↓       ↓        ↓         ↓
   [門控]      [門控]    [門控]   [門控]  [門控]   [門控]    [門控]

每個階段都是一道"門"——必須完成當前階段才能進入下一階段。好處是流程嚴格、質量可控；壞處是靈活性低，適合大型項目。

Spec-Kit 的哲學是：結構勝過混亂。

OpenSpec：流暢迭代式

/opsx:propose → /opsx:apply → /opsx:archive
      ↓              ↓             ↓
   [提案]         [執行]        [歸檔]

沒有嚴格的階段門，可以隨時調整提案。變更驅動——每個功能是獨立的變更目錄，完成後歸檔。

OpenSpec 的哲學是：迭代勝過瀑布。

Superpowers：技能觸發式

brainstorming → writing-plans → executing-plans → TDD → code-review
      ↓              ↓               ↓            ↓        ↓
   [自動觸發]     [自動觸發]       [自動觸發]   [自動觸發] [自動觸發]

不是手動調用命令，而是通過上下文自動觸發相關技能。比如寫代碼前自動激活 TDD 技能，寫完代碼自動激活 code-review 技能。

Superpowers 的哲學是：流程勝過猜測。

你適合哪種範式？

5. 實戰示例

Spec-Kit 實戰

安裝：

uv tool install specify-cli --from git+https://github.com/github/spec-kit.git

初始化項目：

specify init my-project

定義規範（.specify/specs/features/login.md）：

# User Login Feature

## User Story
As a user, I want to log in to access my account.

## Acceptance Criteria
- User can enter email and password
- System validates credentials
- User receives error message for invalid credentials
- Successful login redirects to dashboard

## Technical Constraints
- Use JWT for session management
- Password must be hashed with bcrypt

執行規範生成代碼：

# 通過 AI 代理調用
/speckit.implement

Spec-Kit 會自動解析規範，生成計劃，分解任務，然後執行實現。

OpenSpec 實戰

安裝：

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

創建變更提案：

# 通過 AI 代理調用
/opsx:propose Add dark mode support to the dashboard

OpenSpec 會在 openspec/changes/add-dark-mode/ 目錄下生成：

add-dark-mode/
├── proposal.md    # 變更提案
├── design.md      # 技術設計
├── tasks.md       # 任務列表
└── specs/         # 規範增量

執行實現：

/opsx:apply add-dark-mode

完成後歸檔：

/opsx:archive add-dark-mode

規範會被合併到 openspec/specs/ 目錄，成為持久規範的一部分。

Superpowers 實戰

安裝（以 Claude Code 為例）：

/plugin install superpowers@claude-plugins-official

使用——不需要手動調用命令，技能會自動觸發：

# 你只需要說：
我想給登錄功能加一個"記住我"選項

# Superpowers 會自動：
1. 激活 brainstorming 技能，細化需求
2. 激活 writing-plans 技能，生成實現計劃
3. 激活 test-driven-development 技能，先寫測試
4. 實現功能
5. 激活 verification-before-completion 技能，驗證修復
6. 激活 requesting-code-review 技能，自我審查

核心技能示例：

# test-driven-development skill

## Trigger
When writing new code or modifying existing code

## Workflow
1. RED: Write a failing test
2. GREEN: Write minimal code to pass
3. REFACTOR: Improve code quality
4. Repeat until feature complete

## Constraints
- Never skip the RED phase
- Always run tests after GREEN phase
- Refactor only when tests pass

6. 技術選型建議

圖 5：根據項目場景快速選擇合適的 AI 編程工作流工具

企業級項目場景

推薦：Spec-Kit

理由：

• GitHub 官方維護，長期支持有保障
• 階段門控確保質量可控
• 豐富的擴展生態支持定製化
• 企業級團隊功能成熟

適合：大型團隊、嚴格流程要求、需要可追溯性的項目。

快速迭代場景

推薦：OpenSpec

理由：

• 輕量級，學習曲線平緩
• 流暢迭代，無需嚴格門控
• 支持 20+ 工具，切換成本低
• 無需配置 API Key 和 MCP

適合：創業團隊、個人項目、需要頻繁調整方案。

質量優先場景

推薦：Superpowers

理由：

• 強制 TDD，質量有保障
• 自動技能觸發，減少人為疏漏
• 子代理併發執行，效率高
• 社區規模最大（115K Star）

適合：對代碼質量有嚴格要求、重視測試覆蓋率的團隊。

Brownfield（遺留系統）改造場景

推薦：OpenSpec

理由：

• 明確打出"built for brownfield"旗號
• 變更驅動，適合漸進式改造
• 規範持久化在代碼庫中，不影響現有結構
• 靈活迭代，不需要一次性遷移

適合：現有代碼庫的漸進式現代化。

跨工具開發場景

推薦：OpenSpec

理由：

• 支持 20+ AI 編程工具
• 切換工具無需重新配置
• 規範是通用格式

適合：需要在不同 AI 工具間切換的開發者。

需要規範生成代碼的場景

推薦：Spec-Kit

理由：

• 規範可執行化是核心定位
• 模板引擎支持代碼生成
• 擴展系統支持自定義生成邏輯

適合：希望通過規範自動生成代碼的場景。

7. 三者的侷限與權衡

沒有完美工具，選型本質是做權衡。

Spec-Kit 的侷限

• 相對重量級：需要 Python 3.11+ 和 uv，環境配置有一定門檻
• 階段門較嚴格：不適合需要頻繁調整方向的項目
• 學習曲線較陡：七個階段需要時間理解

OpenSpec 的侷限

• 規範不直接生成代碼：只能指導，不能執行
• 企業功能開發中：團隊協作功能尚不完善
• 社區規模較小：34.5K Star，生態相對薄弱

Superpowers 的侷限

• 非規範驅動：沒有獨立規範層，規範是副產品
• 依賴代理平台：安裝方式因平台而異
• 缺少正式文檔站點：主要靠 GitHub README 和社區

總結

三個工具的核心差異可以概括為一句話：

• Spec-Kit：規範可執行，生成代碼
• OpenSpec：規範輕量化，靈活迭代
• Superpowers：技能自動觸發，強制質量

選型建議：

最後說一句：工具是手段不是目的。如果你的項目規模小、團隊人數少，簡單的 Git 提交規範 + Code Review 可能就夠了——別為了用工具而用工具。

你在用哪個 AI 編程工作流工具？評論區聊聊你的選擇理由。

好啦，謝謝你觀看我的文章，如果喜歡可以點贊轉發給需要的朋友，我們下一期再見！敬請期待！

掃碼關注，獲取更多 AI 工具的實戰經驗和最佳實踐。不錯過每一篇乾貨！