一语总结
vivo 技术团队分享其自建的「OpenSpec 规范层 + AI Workflows 执行层」AI 协作开发体系，通过「规范+技能+钩子」机制系统化解决存量项目增量开发中 AI 理解偏差、执行不稳、重复造轮子等痛点，并附完整实战案例与两周落地指南。

AI 总结

文章详细介绍了 vivo IT 技术团队为解决 AI 辅助开发在存量项目增量场景下的上下文缺失、规范不遵循、质量无保障等核心痛点，自研的一套「规范驱动」AI 协作体系。体系分为两层：OpenSpec 规范层通过 proposal/design/tasks 三层文档将模糊需求结构化为 AI 可执行指令；AI Workflows 执行层包含 Workflows（编排）、Skills（领域经验封装，分项目/业务/工作流/质量四类共 33 个）、Hooks（关键节点自动检查，17 个）、Templates 与 Schemas。文章以「vivo+ 积分券」功能为完整实战案例，展示了如何通过 retail-ordering 业务技能理解上下文、vue3-component 技能指导架构对齐、i18n 技能实现零重复词条、MCP 读取 Figma 数据还原设计稿、Hook 自动拦截格式错误与越权操作。作者总结了从「事故」到「技能」的迭代规律（如 i18n 技能的三次演进）、协作模式从「纠正模式」转向「确认模式」的心智变化，并给出了从零搭建到团队推广的两周实践路径。文中包含完整目录结构、技能模板、协同流程图表及关键数据指标（15 任务、10+ 文件、0 重复词条、沉淀 13 子技能），具有极高的工程落地参考价值。

核心要点

构建「OpenSpec 规范层 + AI Workflows 执行层」双层架构，解决存量项目 AI 协作的上下文与规范对齐难题。
OpenSpec 用三层文档（提案/设计/任务）结构化需求，AI Workflows 通过 Skills 封装项目/业务知识、Hooks 自动把关质量、Workflows 编排执行步骤，实现从需求到代码的可控闭环。
Skills 技能系统是核心差异化能力，将「事故」转化为「防错规则」，实现经验的结构化沉淀与跨会话复用。
技能分为项目级（Vue 组件、API、i18n 等 8 个）、业务级（零售开单等 19 个）、工作流级、质量级共 33 个。每个技能含适用场景、工作流程、不适用场景、检查清单，如 i18n 技能强制「先检查再创建」实现零重复词条，vue3-component 通过三次迭代补全「不适用场景」与「强制检查清单」。
Hooks 钩子系统提供无感知的质量安全网，在关键节点自动拦截越权操作与低级错误。
17 个钩子覆盖消息前/后、编辑后、技能加载后。ensure-user-review 阻止 AI 在规范未审查前写代码；auto-format-code 编辑后自动格式化与 Lint；recommend-workflow 根据意图推荐流程。实测单次拦截节省 30 分钟排查时间。
实战案例证明体系有效性：15 任务拆解、10+ 文件修改、0 重复词条、API 变更精准三点修改、架构主动对齐项目惯例。
vivo+ 积分券开发中，AI 加载 retail-ordering 技能自动定位核心文件，参考 OfficialWebsite.vue 主动重构为自包含组件，MCP 读取 Figma 数据一次性还原样式，API 变更仅改三处不扩散，沉淀 13 个业务子技能供后续复用。
协作模式从「纠正模式」转向「确认模式」，开发者精力从 80% 找错转为 80% 想业务，给出两周落地指南。
最小可行搭建：建目录、写第一个高价值技能（如 i18n）、配 ensure-user-review Hook、写 AGENT.md。第二阶段跑通真实功能并沉淀业务技能。第三阶段补齐四大项目技能、加 after-edit Hook、写团队指南。核心原则：每个功能至少沉淀一个经验，技能定期回溯清理。

从混乱到秩序：我如何搭建一套「规范驱动」的 AI 协作开发体系

文章金句

"
AI 辅助开发最大的瓶颈其实不是 AI 的代码能力，而是上下文怎么给到它。

"
最好的技能不是「设计」出来的，而是「事故」逼出来的。

"
这套体系最实际的意义：它让 AI 辅助开发从一种「消耗性」活动（不断纠错）变成一种「增益性」活动（专注业务）。

"
Hooks 的价值在于「无感知保障」——你感觉不到它的存在，但它可能已经帮你避免了一次事故。

"
规范驱动开发不是 Waterfall 的复辟，而是在 AI 协作场景下的一种对齐机制。

从混乱到秩序：我如何搭建一套「规范驱动」的 AI 协作开发体系

文章金句

相关推荐