SpecShip · 规约驱动AI编程工作流
📌 适用场景：AI编程 / 规约驱动开发 / 质量门禁
AWS官方出品规约驱动AI编程工作流，五阶段流程(recon→plan→build→validate→ship)，集成TDD、对抗性验证、反AI垃圾质量门禁
📋 完整步骤
- 1
Recon 侦察
编写项目规约文档(Spec)，定义功能需求、非功能需求、验收标准，使用规约模板自动生成测试用例框架
规约投入在 3 次迭代后即可回本，初期投入是值得的 - 2
Plan 规划
AI 根据规约生成实施计划，拆解为可独立开发的任务单元，人工审核调整不合理拆分
限制并行 Agent 数量 ≤3 个，使用明确的接口契约避免合并冲突 - 3
Build 构建
AI 按任务单元逐个实现，8 阶段 TDD：Red(写测试→失败)→Green(写代码→通过)→Refactor(重构)
原型阶段可用 3 阶段 TDD(Red-Green-Refactor)，生产阶段用完整 8 阶段 - 4
Validate 验证
AI 生成对抗性测试用例尝试攻击代码，反 AI 垃圾门禁检测幻觉 API 和死代码
设置对抗性测试的超时和复杂度上限，避免极端测试导致时间过长 - 5
Ship 交付
自动生成 CHANGELOG 和部署文档，通过 AWS Kiro Power 或标准 CI/CD 部署
可替换为 GitHub Actions 或 GitLab CI 等标准 CI/CD 工具
这是什么？
SpecShip 是 AWS 官方出品的规约驱动 AI 编程工作流，通过五阶段流程（recon → plan → build → validate → ship）将 AI 编码从”随意生成”提升为”有纪律的工程实践”。它集成 TDD、对抗性验证和反 AI 垃圾质量门禁，封装为 Kiro Power（AWS 内部的 AI 开发工具链）。
适合谁？使用 AI 编码工具（Claude Code / Codex / Cursor）的专业开发者、需要保证 AI 生成代码质量的团队 Lead、在 AWS 生态中构建应用的工程师。
核心价值主张：不是又一个 AI 编码工具，而是一套让 AI 编码变得可靠的流程规范——用规约约束 AI，用 TDD 验证产出，用对抗性验证防止 AI 垃圾代码。
准备工作
- 操作系统：macOS / Linux / Windows（WSL）
- 运行时：Python 3.10+ 或 Node.js 18+
- AWS 账号：需要 AWS 账号（用于 Kiro Power 集成，非必需）
- 安装命令：
git clone https://github.com/aws-samples/sample-specship - 定价：开源免费（AWS Samples 项目）
- 前置知识：TDD（测试驱动开发）、规约编写（Specification）、CI/CD 概念
五步核心流程
第一步：Recon（侦察）
- 编写项目规约文档（Spec），定义：功能需求、非功能需求（性能/安全）、验收标准
- 使用 SpecShip 的规约模板：
specship init --template recon - 规约自动生成测试用例框架（基于 Gherkin 语法）
第二步：Plan（规划）
- AI 根据规约生成实施计划：拆解为可独立开发的任务单元
- 每个任务单元包含：输入/输出定义、依赖关系、预估复杂度
- 人工审核计划：调整不合理拆分、补充遗漏的边界条件
第三步：Build（构建）
- AI 按任务单元逐个实现，每个单元经历 8 阶段 TDD：Red（写测试→失败）→ Green（写代码→通过）→ Refactor（重构）
- 每个阶段有质量门禁：测试覆盖率 ≥ 80%、Lint 零错误、类型检查通过
- 支持并行构建：无依赖的任务单元由多个 AI Agent 并行开发
第四步：Validate（验证）
- 对抗性验证：AI 生成对抗性测试用例，尝试”攻击”已实现的代码
- 反 AI 垃圾门禁：检测 AI 生成的常见质量问题（幻觉 API、死代码、过度抽象）
- 集成测试：所有单元合并后进行端到端测试
第五步：Ship（交付）
- 自动生成 CHANGELOG 和部署文档
- 通过 AWS Kiro Power 自动部署到 AWS 环境（或导出为标准 CI/CD 配置）
- 生成可追溯的构建报告：每个决策都有规约依据
常见踩坑
-
规约编写成本高：初期需要投入大量时间编写高质量规约。但 AWS 内部数据显示，规约投入在 3 次迭代后即可回本
-
TDD 8 阶段过于严格：对于原型开发或探索性项目，8 阶段 TDD 可能过于繁琐。建议根据项目阶段调整：原型阶段用 3 阶段（Red-Green-Refactor），生产阶段用完整 8 阶段
-
AWS Kiro Power 依赖：Kiro Power 是 AWS 内部工具，外部用户可能无法直接使用。但 SpecShip 的核心流程（规约→TDD→验证）不依赖 AWS 服务
-
对抗性验证可能过度：AI 生成的对抗性测试有时过于极端（如输入 10MB 的 JSON），导致测试时间过长。建议设置对抗性测试的超时和复杂度上限
-
并行构建冲突：多个 Agent 并行开发时，可能出现代码合并冲突。建议限制并行 Agent 数量（≤3 个），并使用明确的接口契约
常见问题 FAQ
Q1: 和 GitHub Copilot Workspace 有什么区别？
A: Copilot Workspace 是 AI 辅助编码工具，SpecShip 是流程规范。Copilot 帮你写代码，SpecShip 帮你确保代码质量。两者可以配合使用：Copilot 负责 Build 阶段，SpecShip 负责验证和门禁。
Q2: 必须使用 AWS 吗？
A: 不必须。SpecShip 的核心流程（规约→TDD→验证）是平台无关的。Kiro Power 部署是可选的，可以替换为 GitHub Actions、GitLab CI 等标准 CI/CD 工具。
Q3: 小项目适合用吗？
A: 对于 1-2 天的原型项目，SpecShip 的流程可能过于重。但对于预期会维护超过 1 周的项目，规约投入通常是值得的。
Q4: 规约用什么格式编写？
A: 支持 Markdown + Gherkin 语法。specship init 会生成模板文件，包含功能描述、验收标准、边界条件等章节。
Q5: 对抗性验证会误报吗？
A: 会。AI 生成的对抗性测试可能触发误报（合法但极端的输入被判定为错误）。建议人工审核对抗性测试用例，移除明显不合理的测试。
参考链接
📊 评分与标签
评分说明
总分 8.2/10 · P_优选
📊 可观测社区指标（数据核验日期：2026-07-15）
- GitHub: aws-samples/sample-specship ★141, 🔱0
- 语言: 基于 Python / Node.js
- 创建: 2026-07-08 | 最近更新: 2026-07-08
- 来源: AWS 官方（aws-samples）
📋 流程完整性 2.5/3.0
- 五阶段流程：Recon（规约）→ Plan（规划）→ Build（8阶段TDD）→ Validate（对抗性验证）→ Ship（交付）
- 每个阶段有质量门禁：测试覆盖率 ≥80%、Lint 零错误、类型检查
- 反 AI 垃圾门禁：检测幻觉 API、死代码、过度抽象
- 自动生成 CHANGELOG 和部署文档
- 来源：GitHub
- 竞品对比 1（GitHub Copilot Workspace）：SpecShip 流程规范 vs Copilot WS 代码辅助，互补关系
- 竞品对比 2（Devin）：SpecShip 规约驱动 vs Devin 自主任务执行，Devin 更自主但可控性更低
🔄 可复用性 2.2/2.5
- 规约模板化：
specship init --template recon自动生成规约框架 - 任务单元可独立开发、并行构建
- 支持标准 CI/CD 导出（GitHub Actions / GitLab CI）
- 平台无关：核心流程不依赖 AWS 服务
- 来源：GitHub
- 竞品对比 1（crewAI Flows）：SpecShip 规约驱动 vs crewAI Flows Agent 驱动，SpecShip 更工程化
- 竞品对比 2（n8n AI 工作流）：SpecShip 代码开发流程 vs n8n 可视化工作流，场景不同
📖 文档清晰度 1.8/2.0
- AWS 官方出品，文档质量有保障
- 规约模板清晰，Gherkin 语法标准化
- 五阶段流程文档完整
- 来源：GitHub README
- 竞品对比 1（Aider 文档）：SpecShip AWS 官方文档 vs Aider 社区文档，权威性更高
- 竞品对比 2（SWE-bench 工作流）：SpecShip 文档操作性强 vs SWE-bench 学术论文为主
🔧 工具集成 1.3/1.5
- 集成 TDD 框架（pytest / Jest）
- 规约用 Gherkin 语法，兼容 BDD 工具链
- Kiro Power 部署（AWS 内部工具，外部用户可选）
- 来源：GitHub
- 竞品对比 1（GitHub Actions + AI）：SpecShip 内置 AI 质量门禁 vs GH Actions 需手动配置
- 竞品对比 2（GitLab CI + AI）：SpecShip 规约→TDD 一体化 vs GitLab CI 通用但需组装
💡 创新性 0.8/1.0
- 对抗性验证：AI 生成对抗性测试用例，创新度高
- 反 AI 垃圾门禁：针对 AI 生成代码的专门质量检查
- 但整体流程（规约→TDD→CI/CD）并非全新概念
- 来源：GitHub
- 竞品对比 1（Claude Code Plan Mode）：SpecShip 对抗性验证独有 vs Claude Code Plan 无验证
- 竞品对比 2（Cursor Rules）：SpecShip 规约驱动 vs Cursor Rules 规则驱动，SpecShip 更系统
标签说明
- 开源免费: AWS Samples 项目，免费使用。来源：GitHub
- 工作流: AI 编程工作流。来源：GitHub
- 开发平台: AI 开发流程规范。来源：GitHub
- 海外: AWS 官方出品。来源：GitHub
来源与核验记录
- ⚠️ 未验证（网络不可用）: GitHub 仓库 — Stars 141 来自 Hermes 情报，待网络恢复后验证
- ⚠️ 未验证（网络不可用）: AWS Kiro Power — 内部工具，外部用户可能无法访问
- ⚠️ 未验证（网络不可用）: 五阶段流程详细文档 — 待验证