OpenSpec + Superpowers + gstack：一套讓 AI 從「寫代碼」到「做項目」的組合拳

作者：AI科技驛站
日期：2026年5月2日 上午1:54
來源：WeChat 原文

✦整理版優先睇

速讀 5 個重點 高亮

OpenSpec、Superpowers、gstack 三件套，令 AI 從寫代碼升級到做項目

整理版摘要

作者用 AI 寫代碼差唔多一年，試過 ChatGPT 到 Claude Code 等工具，但一直遇到需求對唔齊、任務失控、質量冇保障嘅問題。佢最近發現三個開源項目嘅組合：OpenSpec、Superpowers 同 gstack，終於形成一套完整嘅 AI 做項目方法論。

呢篇文章詳細介紹每個工具嘅核心概念、安裝步驟同工作流程，仲話畀讀者點樣組合使用。整體結論係：AI 寫代碼只係開始，要做項目就需要先規格驅動、再拆細任務、最後用角色扮演完成整個開發週期。

作者分享自身經驗：佢成日畀 AI 模糊需求，結果代碼寫咗唔係佢想要嘅；冇文檔下次又要重新講；代碼冇測試唔放心；一個人 review 容易漏嘢。呢啲問題驅使佢揾到三個工具嘅組合。三個工具分工清晰：OpenSpec 管需求對齊，Superpowers 管任務拆解同測試，gstack 管角色扮演同自動化。三者組合由計劃到部署一條龍，令一個人可以做到團隊嘅效果。作者建議先從 gstack 開始體驗，因為佢最直接提升開發效率，然後再慢慢加入 OpenSpec 同 Superpowers。佢認為呢套組合拳係目前最完整嘅 AI 項目開發工作流。

  • AI 寫代碼同做項目係兩回事，需要系統方法論。
  • OpenSpec 強制「先對齊需求再寫代碼」，透過 propose、apply、archive 流程管理規格。
  • Superpowers 將大任務拆成 2-5 分鐘小任務，每個有驗收標準，配合 TDD 紅綠重構。
  • gstack 將 Claude Code 變成 23 人虛擬團隊，涵蓋設計、審查、測試、部署。
  • 建議從 gstack 著手，逐步加入 OpenSpec 同 Superpowers，形成完整工作流。
值得記低
連結 github.com

OpenSpec

規格驅動開發工具，用於需求對齊同任務規劃。

開啟
連結 github.com

Superpowers

AI 編程方法論，提供測試驅動同子代理開發流程。

開啟
連結 github.com

gstack

Claude Code 配置工具，將 AI 變成 23 人虛擬工程團隊。

開啟
整理重點

由寫代碼到做項目嘅痛點同解法

作者用 AI 寫代碼差唔多一年，試過 ChatGPT 到 Claude Code 等主流工具，但一直有個困擾：用 AI 寫代碼同用 AI 做項目完全係兩回事。佢遇到嘅問題包括：AI 改功能越改越離譜、冇需求文檔聊完就忘、寫咗代碼冇測試唔放心、一個人 review 容易漏嘢。

AI 寫代碼同做項目完全係兩回事

直到最近發現三個開源項目嘅組合——OpenSpec、Superpowers 同 gstack，佢先發現原來有完整方法論可以解決呢啲問題。

整理重點

OpenSpec：需求先行，想清楚先鬱手

OpenSpec 係規格驅動開發嘅代表作，GitHub 上有 4.2 萬星，MIT 協議。佢嘅核心作用係喺 AI 寫代碼之前先對齊「要做啲乜」。

規格驅動開發

作者之前嘅工作流係畀 AI 一個模糊需求，例如「幫我做個用戶管理系統」，結果 AI 寫咗普通用戶界面，唔係管理員功能。痛點就係需求冇講清楚，代碼寫得幾好都係浪費時間。

  1. 1 /opsx:propose add-dark-mode → 創建 proposal.md (點解要做)
  2. 2 → 創建 specs/ (需求場景)
  3. 3 → 創建 design.md (技術方案)
  4. 4 → 創建 tasks.md (實施清單)
  5. 5 /opsx:apply → 按 tasks.md 逐項執行
  6. 6 /opsx:archive → 歸檔到歷史，更新規格庫
程式內容 bash 
npm install -g opsx-cli
# 或者直接用 GitHub 上的腳本
git clone https://github.com/Fission-AI/OpenSpec.git
cd OpenSpec
./opsx.sh init
整理重點

Superpowers：測試驅動、子代理驅動開發

Superpowers 係一套完整嘅 AI 編程方法論，GitHub 16.6 萬星，MIT 協議。佢嘅核心係令 AI 可以自主工作幾小時唔會走偏。

自主工作幾小時唔會走偏

作者之前畀 AI 做功能，走開一個鐘返嚟發現代碼完全唔係想要嘅。問題根源係冇將大任務拆成小任務，同埋冇明確嘅驗收標準。

  • 設計：brainstorming，蘇格拉底式提問，將模糊想法變清晰規格
  • 分支：using-git-worktrees，創建工作樹，隔離開發
  • 規劃：writing-plans，拆成 2-5 分鐘小任務，每個有驗收標準
  • 開發：subagent-driven-development，子代理驅動，每個任務獨立執行、審查
  • 測試：test-driven-development，紅綠重構循環，先寫測試再寫代碼
  • 審查：requesting-code-review，代碼審查清單
  • 完成：finishing-a-development-branch，合併/PR 決策
程式內容 bash 
git clone https://github.com/obra/superpowers.git
cd superpowers
cat README.md
./init.sh
整理重點

gstack：虛擬工程團隊全流程

gstack 係 Y Combinator CEO Garry Tan 嘅 Claude Code 完整配置，GitHub 8.2 萬星，MIT 協議。佢嘅核心係將 Claude Code 變成一個 23 人嘅虛擬工程團隊。

23 人嘅虛擬工程團隊

呢 23 個角色涵蓋產品、設計、工程、測試、發佈同覆盤等崗位，每個角色都有特定嘅 prompt 同工作流程。

  • /office-hours - YC 導師，6 個靈魂拷問，重新定義產品方向
  • /plan-ceo-review - CEO，重新思考問題，揾到 10 分產品
  • /plan-eng-review - 工程經理，鎖死架構、數據流、邊界情況
  • /plan-design-review - 高級設計師，設計維度打分 0-10
  • /review - 代碼審查員，自動修復問題
  • /qa - QA 工程師，真實瀏覽器測試
  • /ship - 發佈工程師，跑測試、開 PR、自動部署
  • /retro - 覆盤教練，每週工程覆盤
程式內容 bash 
git clone https://github.com/garrytan/gstack.git
cd gstack
cat INSTALL.md
./install-mac.sh  # Mac 用戶
./install-linux.sh  # Linux 用戶
整理重點

三件套組合使用

呢三個工具可以組合使用，形成由需求到部署嘅完整工作流。

  1. 1 第一步：用 OpenSpec 對齊需求，寫清楚要做啲乜
  2. 2 第二步：用 Superpowers 拆解任務，每個任務獨立執行
  3. 3 第三步：用 gstack 扮演唔同角色，代碼審查、測試、部署一條龍

作者用後感覺需求唔再跑偏，開發更有節奏，一個人做到團隊嘅事，代碼質量有保障。佢建議從 gstack 開始體驗，然後再慢慢加上 OpenSpec 同 Superpowers。

從 gstack 開始體驗

用 AI 寫 code 呢件事，我已經搞咗差唔多成年。

由最早期嘅 ChatGPT 到而家嘅 Claude Code，可以話市面上主流嘅 AI 編程工具我都試過曬。但係有個問題一直困擾住我：用 AI 寫 code 同用 AI 做 project，完全係兩回事。

你係咪有呢種感覺？

  • 叫 AI 改個功能，點知佢越改越離譜，寫咗半日都唔係你想要嘅嘢。
  • 冇需求文檔，傾完就唔記得，下次又要重新對齊。
  • AI 寫嘅 code 望落似用得，但係冇 test，心裏總係唔係好放心。
  • 一個人 review code，好容易走漏邊界情況。
  • 寫完 code 都唔知要唔要 test、要唔要 deploy。

呢啲問題搞到我頭都大。直到最近發現三個 open source project 嘅組合，我先發現：原來「AI 做 project」呢件事可以有完整嘅方法論。

呢三個 project 分別係：OpenSpec + Superpowers + gstack。

一、OpenSpec：需求先行，諗清楚先鬱手

GitHub：https://github.com/Fission-AI/OpenSpec

Star：4.2 萬+（MIT 協議）

呢個係規格驅動開發（Spec-driven development）嘅代表作。佢嘅核心作用係：喺 AI 寫 code 之前，先對齊「要做乜嘢」。

點解要用 OpenSpec？

我之前嘅工作流程係咁：俾 AI 一個模糊嘅需求，例如「幫我做一個用戶管理系統」，然後睇住佢開始寫。寫寫下就發現唔妥——我要嘅係管理員功能，佢俾我寫咗個普通用戶介面。

痛點就係：需求冇講清楚，code 寫得幾好都係浪費時間。

工作流

/opsx:propose add-dark-mode  → 創建 proposal.md（為什麼要做）
                          → 創建 specs/（需求場景）
                          → 創建 design.md（技術方案）
                          → 創建 tasks.md（實施清單）
/opsx:apply                 → 按 tasks.md 逐項執行
/opsx:archive               → 歸檔到歷史，更新規格庫

安裝使用

# 通過 npm 安裝
npm install -g opsx-cli

# 或者直接用 GitHub 上的腳本
git clone https://github.com/Fission-AI/OpenSpec.git
cd OpenSpec
./opsx.sh init

二、Superpowers：測試驅動、子代理驅動開發

GitHub：https://github.com/obra/superpowers

Star：16.6 萬+（MIT 協議）

呢個係一套完整嘅 AI 編程方法論，核心係令 AI 可以自主工作幾個鐘唔走樣。

點解需要 Superpowers？

我之前叫 AI 做一個功能，俾咗需求就去搞其他嘢。一個鐘後返嚟一睇，嘩，code 寫咗幾百行，但完全唔係我想要嘅嘢。

問題嘅根源係：冇將大 task 拆成細 task，冇明確嘅驗收標準。

工作流

階段技能做什麼
設計brainstorming蘇格拉底式提問，將模糊諗法變成清晰規格
分支using-git-worktrees建立工作樹，隔離開發
規劃writing-plans拆成2-5分鐘嘅細 task，每個都有驗收標準
開發subagent-driven-development子 agent 驅動，每個 task 獨立執行、審查
測試test-driven-development紅綠重構循環，先寫 test 再寫 code
審查requesting-code-reviewcode review 清單
完成finishing-a-development-branch合併/PR 決策

安裝使用

git clone https://github.com/obra/superpowers.git
cd superpowers
cat README.md
./init.sh

三、gstack：虛擬工程團隊全流程

GitHub：https://github.com/garrytan/gstack

Star：8.2 萬+（MIT 協議）

呢個係 Y Combinator CEO Garry Tan 嘅 Claude Code 完整配置。佢嘅核心係將 Claude Code 變成一個 23 人嘅虛擬工程團隊。

23個角色

  • /office-hours - YC 導師，6個靈魂拷問，重新定義產品方向
  • /plan-ceo-review - CEO，重新思考問題，揾到10分產品
  • /plan-eng-review - 工程經理，鎖死架構、數據流、邊界情況
  • /plan-design-review - 高級設計師，設計維度打分0-10
  • /review - 代碼審查員，自動修復問題
  • /qa - QA工程師，真實瀏覽器測試
  • /ship - 發佈工程師，跑 test、開 PR、自動 deploy
  • /retro - 覆盤教練，每週工程覆盤

安裝使用

git clone https://github.com/garrytan/gstack.git
cd gstack
cat INSTALL.md
./install-mac.sh  # Mac用戶
./install-linux.sh  # Linux用戶

效果有幾誇張？

Garry Tan 自己話：2026年 code 產出係2013年嘅240倍（按邏輯變更計算）。

四、三件套點樣組合？

  2. 第一步：用 OpenSpec 對齊需求，寫清楚要做乜嘢
  4. 第二步：用 Superpowers 拆解 task，每個 task 獨立執行
  6. 第三步：用 gstack 扮演唔同角色，code review、test、deploy 一條龍

三者組合，就係由「寫 code」到「做 project」嘅完整工作流程。

五、我嘅使用感受

  • 需求唔會走偏：OpenSpec 強制先諗清楚先做
  • 開發更有節奏：Superpowers 將大 task 拆成細 task
  • 一個人可以做團隊嘅嘢：gstack 嘅23個角色令 AI 可以扮演唔同角色
  • code 質量有保障：Superpowers 嘅 TDD 流程令每個功能都有 test

建議由 gstack 開始體驗，然後再慢慢加返 OpenSpec 同 Superpowers。

你哋有用過類似嘅 AI 開發工作流程嗎？效果點樣？留言區傾下，你哋覺得呢三個工具邊個最有用？

用 AI 寫代碼這件事，我已經摺騰了快一年了。

從最開始的 ChatGPT 到現在的 Claude Code，可以說市面上主流的 AI 編程工具我都試了個遍。但有個問題一直困擾着我：用 AI 寫代碼和用 AI 做項目，完全是兩回事。

你有沒有這種感覺？

  • 讓 AI 改個功能，結果它越改越離譜，寫了半天不是你想要的
  • 沒有需求文檔，聊完就忘，下次還得重新對齊
  • AI 寫的代碼看着能用，但沒有測試，心裏總是不踏實
  • 一個人 review 代碼，容易漏掉邊界情況
  • 寫完代碼也不知道要不要測試、要不要部署

這些問題把我折磨得夠嗆。直到最近發現三個開源項目的組合，我才發現：原來「AI 做項目」這件事可以有完整的方法論。

這三個項目分別是：OpenSpec + Superpowers + gstack。

一、OpenSpec：需求先行，想清楚再動手

GitHub：https://github.com/Fission-AI/OpenSpec

Star：4.2 萬+（MIT 協議）

這是規格驅動開發（Spec-driven development）的代表作。它的核心作用是：在 AI 寫代碼之前，先對齊「要做什麼」。

為什麼要用 OpenSpec？

我之前的工作流是這樣的：給 AI 一個模糊的需求，比如"幫我做一個用戶管理系統"，然後看着它開始寫。寫着寫着就發現不對——我要的是管理員功能，它給我寫了個普通用戶界面。

痛點就是：需求沒說清楚，代碼寫得再好也是浪費時間。

工作流

/opsx:propose add-dark-mode  → 創建 proposal.md（為什麼要做）
                          → 創建 specs/（需求場景）
                          → 創建 design.md（技術方案）
                          → 創建 tasks.md（實施清單）
/opsx:apply                 → 按 tasks.md 逐項執行
/opsx:archive               → 歸檔到歷史，更新規格庫

安裝使用

# 通過 npm 安裝
npm install -g opsx-cli

# 或者直接用 GitHub 上的腳本
git clone https://github.com/Fission-AI/OpenSpec.git
cd OpenSpec
./opsx.sh init

二、Superpowers：測試驅動、子代理驅動開發

GitHub：https://github.com/obra/superpowers

Star：16.6 萬+（MIT 協議）

這是一套完整的 AI 編程方法論，核心是讓 AI 能自主工作幾小時不跑偏。

為什麼需要 Superpowers？

我之前讓 AI 做一個功能，給了需求就去幹別的事了。一小時後回來一看，好傢伙，代碼寫了幾百行，但完全不是我想要的。

問題的根源是：沒有把大任務拆成小任務，沒有明確的驗收標準。

工作流

階段技能做什麼
設計brainstorming蘇格拉底式提問，把模糊想法變成清晰規格
分支using-git-worktrees創建工作樹，隔離開發
規劃writing-plans拆成2-5分鐘的小任務，每個都有驗收標準
開發subagent-driven-development子代理驅動，每個任務獨立執行、審查
測試test-driven-development紅綠重構循環，先寫測試再寫代碼
審查requesting-code-review代碼審查清單
完成finishing-a-development-branch合併/PR決策

安裝使用

git clone https://github.com/obra/superpowers.git
cd superpowers
cat README.md
./init.sh

三、gstack：虛擬工程團隊全流程

GitHub：https://github.com/garrytan/gstack

Star：8.2 萬+（MIT 協議）

這是 Y Combinator CEO Garry Tan 的 Claude Code 完整配置。它的核心是把 Claude Code 變成一個 23 人的虛擬工程團隊。

23個角色

  • /office-hours - YC 導師，6個靈魂拷問，重新定義產品方向
  • /plan-ceo-review - CEO，重新思考問題，找到10分產品
  • /plan-eng-review - 工程經理，鎖死架構、數據流、邊界情況
  • /plan-design-review - 高級設計師，設計維度打分0-10
  • /review - 代碼審查員，自動修復問題
  • /qa - QA工程師，真實瀏覽器測試
  • /ship - 發佈工程師，跑測試、開PR、自動部署
  • /retro - 覆盤教練，每週工程覆盤

安裝使用

git clone https://github.com/garrytan/gstack.git
cd gstack
cat INSTALL.md
./install-mac.sh  # Mac用戶
./install-linux.sh  # Linux用戶

效果有多誇張？

Garry Tan 自己說：2026年代碼產出是2013年的240倍（按邏輯變更計算）。

四、三件套怎麼組合？

  2. 第一步：用 OpenSpec 對齊需求，寫清楚要做什麼
  4. 第二步：用 Superpowers 拆解任務，每個任務獨立執行
  6. 第三步：用 gstack 扮演不同角色，代碼審查、測試、部署一條龍

三者組合，就是從「寫代碼」到「做項目」的完整工作流。

五、我的使用感受

  • 需求不再跑偏：OpenSpec 強制先想清楚再做
  • 開發更有節奏：Superpowers 把大任務拆成小任務
  • 一個人也能幹團隊的事：gstack 的23個角色讓AI能扮演不同角色
  • 代碼質量有保障：Superpowers 的 TDD 流程讓每個功能都有測試

建議從 gstack 開始體驗，然後再慢慢加上 OpenSpec 和 Superpowers。

你們有用過類似的 AI 開發工作流嗎？效果怎麼樣？評論區聊聊，你們覺得這三個工具哪個最有用？