企业官网建设流程全解析

一、标准答案参考

SDD：Spec-Driven Development，中文叫规格驱动开发，是在正式编码之前，先把需求变更的目标、范围、系统行为、设计约束和任务拆分通过文档（规格文档）确定下来，再让AI按照这些文档去开发，能够把模糊需求变成稳定的工程上下文，从而减少AI自己猜需求、误改历史逻辑和实现跑偏的问题。

二、有哪些常见的SDD框架？

现在围绕AI编程的SDD实践，已经出现了一批框架，比较常见的有几类：

• GitHub Spec Kit：适合做新项目，把规格变成可执行的开发入口，让开发者围绕产品场景、验收标准和实现计划推进编码；
• Kiro Specs：更像内置在AI IDE里的规格工作流，围绕requirements.md、design.md、tasks.md来组织需求、设计和任务；
• Tessl：更偏激进一些，强调spec-as-source，把规格作为更核心的源头，代码更像由规格生成出来的产物；
• OpenSpec：强调在已有项目里管理一次次变更，把变更的原因、范围、行为、设计和任务沉淀成可追踪的工程上下文。

这些工具的侧重点并不完全一样，有的更适合从零开始做新项目，有的更适合IDE内置体验，有的是更激进一些的“规格即源码”，OpenSpec比较适合用于对已有的系统做修改，在实际体验中，我自己使用比较多的也是OpenSpec。

三、一个基于OpenSpec的SDD开发流程示例

OpenSpec是一个规格驱动开发框架，需要先安装再使用，安装的时候可以选择自己使用的Coding Agent，支持绝大多数常见的Coding Agent，用起来非常方便。

如上图所示，OpenSpec的核心流程是explore → propose → apply → archive，分别对应需求分析，然后生成需求的规格文档，按照规格文档来实现编码，最后把规格文档进行归档，作为团队资产沉淀下来。

这里给个具体例子，比如你要做一个“实现暗黑模式”的需求，如果只是对AI说：帮我实现暗黑模式，它就会直接开始编码，而且会做出很多默认假设：主题状态放在哪里、是否跟随系统主题、历史配置怎么兼容，这些都是实现细节，如果AI做的假设和我们的要求不一致，那就很可能会影响我们的系统实现。

所以在基于OpenSpec的SDD开发流程里，不是直接让AI写代码，是先进行Explore：先让AI分析清楚当前系统的实现，搞清楚主题机制、状态管理、页面范围、兼容要求这些细节。

需求探索清楚以后，再进入Propose阶段，这个阶段还不是写代码，主要是把需求分析的结果变成规格产物，就是特定结构的文档：

• proposal.md：为什么做，范围是什么，不做什么
• specs/：系统行为要新增、修改、删除什么
• design.md：关键技术方案和取舍
• tasks.md：把实现拆成可执行、可检查的任务

这些文档生成后，一般需要人工来检查这些文档是不是符合预期，也可以对文档进行修改，只有和 AI 对需求的「目标、边界、行为、方案、任务」确认达成一致后，才进入Apply开发阶段。

在Apply阶段，AI开始进行编码，这里比较简单，就是按照tasks.md的内容进行实现；如果AI遇到技术细节，就会自己去看design.md；遇到行为边界，就回看specs/。

最后是Archive归档阶段，当实现完成、测试通过后，把上面那几个规格文档都会保存下来，作为团队资产，方便后续的人了解这个需求。

四、SDD和TDD有什么区别？

TDD是Test-Driven Development，测试驱动开发，重点是先写测试，再写具体实现，用测试的结果来给代码开发提供反馈。

SDD在流程中更靠前，它关注的是先定义需求、系统行为、边界、设计约束和任务拆分，再进入实现。

五、SDD适合什么场景？

不是所有场景都适合用SDD，如果是很小的需求，例如改个脚本，或者一个很独立的函数修改，那就直接和AI对话交流就够用了。

SDD适合的场景：

• 已有项目里的功能迭代，需要避免误改历史逻辑；
• 跨模块变更，比如同时改前端、后端、数据库、权限；
• 需求容易变化，且需要保留决策过程；
• 团队协作场景，需要让人和AI对同一份规格达成一致；

SDD不适合的场景，这种没必要硬套SDD，反而会增加流程成本：

• 一次性脚本；
• 没有什么讨论价值的简单改动；
• 需求边界非常明确、实现成本很低的任务。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】