一、为什么我们需要新的 AI 开发方式？
很多开发者已经在用 ChatGPT、Claude 写代码了，但普遍有三个痛点：
上下文不稳定
每次提问都要重新解释项目结构、技术栈、规范。
生成结果不可控
AI 有时写得很好，有时完全跑偏，风格、架构不统一。
无法工程化
只能“对话式写代码”，难以融入 CI / 本地开发流程。
这正是OpenSpec + Claude CLI组合要解决的问题：
把 AI 从“聊天工具”升级为“受规范约束的开发工具”
二、工具介绍：OpenSpec 和 Claude CLI 是什么？
1.OpenSpec：给 AI 的「工程说明书」
OpenSpec本质上是一套结构化的工程规范描述方式，用于告诉 AI：
项目是做什么的
使用什么技术栈
代码风格、架构约束
安全、性能、边界规则
你“允许 AI 做什么，不允许做什么”
你可以把它理解为：
AI 版本的《项目技术设计文档 + 编码规范》
示例（简化）：
project: name:user-service language:Java framework:SpringBoot3.x rules: -禁止直接操作数据库，必须通过Repository -Controller只做参数校验和转发 -所有接口必须返回统一Result<T>2.Claude CLI：真正进入你本地工程的 AI
Claude CLI是 Anthropic 官方提供的命令行工具，它的优势是：
可直接访问本地代码
可结合 OpenSpec 使用
适合“多文件、重构、理解项目”的任务
比 Web 聊天更稳定、可复现
三、OpenSpec + Claude CLI 的协作模式
整体流程如下：
OpenSpec（规范 & 约束）-> Claude CLI（理解规范）
在真实项目中执行开发任务
一句话总结：
OpenSpec 决定“边界”，Claude CLI 负责“执行”
四、实战：一步步搭建 OpenSpec + Claude CLI 开发环境
Step 1：安装 Claude CLI
前提：已配置 Claude API Key
npm install -g @anthropic-ai/claude-cli
验证安装：
claude --version
Step 2：在项目中创建 OpenSpec
先决条件
Node.js ≥20.19.0
本地已有代码仓库（Git 项目）
npm install -g @fission-ai/openspec@latest
验证是否成功：
openspec --version
Step 3：让 Claude CLI 读取 OpenSpec
在项目根目录执行：
进入你的项目目录：
cd your-project-directory
openspec init
初始化过程中，OpenSpec 会做几件非常关键的事：
✅ 1. 绑定 AI 工具
你会被提示选择当前使用的 AI，例如：
Claude Code / Claude CLI
Cursor
GitHub Copilot（偏弱）
这一步的意义：
OpenSpec 不是单独运行，而是挂载在 AI 编程工具之上。
✅ 2. 注入斜杠命令（Slash Commands）
比如：
/openspec:proposal
/openspec:apply
/openspec:archive
这些命令不是 shell 命令，而是：
“给 AI 的工程级操作指令”
✅ 3. 创建 OpenSpec 工作目录
初始化后，你会看到：
openspec/
├── specs/ # 规范（长期有效）
├── changes/ # 变更提案（一次性）
└── archive/ # 已完成变更
这一点非常重要：
OpenSpec 把「需求规范」和「实现变更」彻底分离了
五、实战场景一：新增一个业务接口
Step 1：起草变更提案（Proposal）
当你有一个新需求时，不是直接让 AI 写代码，而是：
/openspec:proposal Add user list API
这一步做的是：
把“模糊需求”变成“结构化变更”
AI 会自动生成一个变更目录，例如：
openspec/changes/add-user-list-api/
├── proposal.md
├── tasks.md
└── spec.md
每个文件的职责是：
- proposal.md
为什么要做这个变更？解决什么问题？
- tasks.md
拆解为哪些实现步骤？是否可以并行？
- spec.md
精确描述接口、参数、边界、场景
关键点：
此时还没有写一行代码
Step 2：验证与审查（像 Review 需求一样）
OpenSpec 把“需求 Review”变成了一个可执行动作。
openspec list # 查看所有活跃变更
openspec validate <id> # 校验规范完整性
openspec show <id> # 查看变更详情
这一步的工程意义是：
在写代码前，把“错误需求”拦下来
Step 3：与 AI 迭代完善规范（不是改代码）
例如你对 AI 说：
“给用户列表 API 增加分页和排序场景”
AI 会：
- 只更新 spec.md
不会碰实现代码
不会偷偷“顺手写功能”
这一步本质是：
把 AI 当成「需求分析师 + 架构助理」
Step 4：实施变更（ Apply）
当你确认规范已经 OK：
/openspec:apply <change>
这一步才是AI 开始写代码。
但注意：
AI严格按照 tasks.md
每个任务都有完成状态
不允许“自由发挥”
Step 5：归档变更（Archive）
当功能完成、测试通过：
/openspec:archive <change>
OpenSpec 会：
把变更移入 archive/
将核心规范合并进 specs/
标记该需求为“历史决策”
这一步解决的是一个长期痛点：
为什么这个功能当初要这么设计？
最后
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包：
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
如果你也想通过学大模型技术去帮助自己升职和加薪，可以扫描下方链接👇👇
为什么我要说现在普通人就业/升职加薪的首选是AI大模型？
人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。
智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。
资料包有什么？
①从入门到精通的全套视频教程
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图（还有视频解说）
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
④各大厂大模型面试题目详解
![]()
⑤ 这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
