分层规范驱动AI编码：比OpenSpec更轻量、更丝滑的全栈实战

事件概述

本文整理自淘宝技术专家邓立山在QCon 2026北京站的公开分享，系统介绍了该团队在AI编码领域长达一年多的全栈实战经验，重点阐述可复制、轻量的分层规范驱动方案（组合rules、spec、skills技术），以及团队推广策略与效果。

核心信息

1. AI编码落地生产的核心痛点

• 概率性与确定性矛盾：AI编码本质是概率推测，存在幻觉，无法自动理解特定业务上下文和团队编码约定。
• 人机协同工程缺失：自然语言需求难以稳定转化为AI可执行的指令，传统逐行人工审查无法适配AI大规模生成。
• 认知固化阻力：部分开发者不敢尝试或担心技能退化，缺乏主动驾驭AI的思考。

2. 可控性方法论：从约束人到约束AI

• 减少幻觉：区分新增/修改需求定制模板；要求AI对不确定问题列出待澄清清单；按需求分析、编码、Code Review等环节分别定义规范。
• 架构宪法（rules）：先让AI分析并确认完整工程结构（架构模式、目录、技术栈、编码风格），作为顶层硬约束，防止代码乱放。
• 编码粒度7级：当前团队可达到单工程级一次性生成全部代码。通过任务拆分机制解决大模型上下文溢出问题，曾仅输入两次“继续”完成66个文件超5000行代码。
• 质量闭环：AI按规范从功能逻辑、代码设计、代码质量、编码规范四个维度自我审查，通常迭代3-5次得高质量代码；人工聚焦高风险关键细节。

3. 优化后的分层全栈方案

• 技术要素重组：rules承载顶层硬约束，spec定义各环节规范，skills自动识别流程并加载对应规范，开箱即用用户无感知。
• 后端流程五步：功能结构分析 → 需求分析（生成结构化spec + 待澄清列表） → 需求澄清 → 编码实现 → AI审查迭代。案例中AI初始审查约70分，迭代后升至96分，本地编译一次性通过。
• 前端流程：框架与后端一致，但拆分路线为“需求→页面→组件→交互逻辑”，适配完整PRD需求、一句话需求、后端管理页面三类场景。

5. 未来演进

• 向端到端持续交付闭环演进，覆盖从需求到线上运营的全链路反馈。
• 程序员角色从编码执行者转变为架构决策者与质量守门员，进入“规范即代码”时代。

值得关注

• 方案强调可复制性：通过解耦业务逻辑与编码规范，实现低成本的团队复制。
• 与OpenSpec对比：OpenSpec缺乏统一宪法机制和需求澄清阶段，任务拆分层级混淆（如将功能点误列为scenario），扩展困难；本方案更轻量、更丝滑。
• 案例数据直观：66个文件5000行代码仅需两次“继续”；AI自我审查从70分迭代至96分。