Spec Coding 是把项目规范、任务状态、检查标准和经验沉淀从临时对话迁移到可追溯项目资产中的 AI 编码方式。
定义
Spec Coding 是一种面向长期 AI 编码任务的工程方法：把项目规范、任务进度、工作记忆、检查标准和稳定经验保存为仓库内可追溯资产，让不同会话或不同 AI 编码工具能够基于同一项目事实继续工作。
核心要点
- 它解决的不只是单次 Prompt 是否清楚，还关注 AI 是否知道项目约束、当前任务阶段、历史决策和验收标准。
- 典型闭环包括恢复上下文、澄清需求、规划、实现、对照规范检查、归档任务和筛选稳定经验。
- 规范与任务材料应按需加载，避免把所有规则一次性塞入上下文。
- 只沉淀长期可复用的项目事实；临时调试过程和一次性决策不应持续污染规范。
- 短任务和低风险脚本可以直接处理；长期维护、多人协作、频繁切换 AI 工具或业务规则复杂的项目更适合采用该方法。
相关概念
应用或例子
Trellis 通过 spec、task、workflow state、journal、check 和 update-spec 等机制，把 Spec Coding 落为项目级闭环。
AICodeCoreWorkflow 则用研究、构思、计划、执行和评审五个阶段提供更轻量的任务门控制。
从首轮规划到后续维护
首轮 Vibe Coding 提示词材料把调研、PRD、开发规范与评审分为不同阶段，可作为需求尚未成形时的规划样例。但“已经生成文档”不能替代用户理解与确认验收标准，也不应机械套用固定调研轮数。
进入维护阶段后，工程决策记录 补充当时的约束、放弃的方案与纠偏原因。当前规范描述系统应该遵守什么，历史记录解释为何作出取舍，两者应互相引用而非混写。