FullSpec 框架：使用 Claude Code 和规范进行 AI 开发

# FullSpec：基于 Claude Code 的 AI 驱动开发框架

AI 辅助开发如果缺少统一的架构文档，往往会陷入混乱。FullSpec 通过 AI 代理生成和维护的一系列规范，正式化从idea到发布的整个生命周期，彻底解决这一痛点。

问题：AI 缺少架构记忆

像 Claude Code 这样的 LLM 核心挑战在于缺少架构决策的上下文。AI 能快速生成代码，但忘记了系统为何如此设计。在一个包含 25 个微服务的项目中，这会导致严重冲突：

• 相邻服务间加密算法不一致
• API 契约不匹配
• 并行会话导致的决策冲突

传统文档力不从心：要么过时，要么淹没在繁文缛节中。AI 需要新鲜、完整、无矛盾的规范——FullSpec 正是提供这样的环境。

FullSpec 架构：23 个代理 + 8 个阶段

框架通过 AI 代理生成和验证的正式文档来结构化开发流程。用户只需触发 /chain 并输入任务描述（如“实现 OAuth2 认证”），就会启动 8 个阶段的流水线。

规范层级

流水线生成四个文档层级，每层强制审查：

• 讨论 — 需求、成功标准、范围和风险
• 设计 — 系统变更：服务、API 契约、数据模型
• 测试计划 — 代码编写前的测试场景
• 开发计划 — 任务、依赖和执行块

规范获批后，系统自动生成文档、创建 GitHub Issues、编写代码和测试、执行代码审查，并构建 PR。

核心机制

并行代理工作流

FullSpec 不依赖单一 Claude 顺序处理，而是部署 23 个专业 AI 代理：

• 设计生成器
• 测试规划器
• 多语言编码器
• 各级审查员
• 文档同步代理

同步时，为每个服务并行启动 N 个代理。

自动验证和规则

系统内置 80+ 验证脚本和 30 个 pre-commit hooks，检查：

• 文档格式
• 结构一致性
• 代码中无敏感信息
• 提交信息规范

16 条上下文规则按文件类型自动加载：.ts → TypeScript 标准，.py → FastAPI 标准。规则存于 .claude/rules/，无缝应用无需额外提示。

活规范与冲突检查

区别于竞品：系统能发现并修复代码-规范不匹配。post-commit 后运行 CONFLICT-CHECK：

• 矛盾时自动暂停
• 精确定位冲突层级（设计、开发计划等）
• 自上而下级联更新规范
• 保持全开发阶段文档新鲜

与竞品对比

| 标准 | FullSpec | Spec Kit (GitHub) | Kiro (AWS) | OpenSpec (Fission AI) |

|------|----------|-------------------|------------|-----------------------|

| 类型 | 流程框架 | CLI 工具包 | IDE (VS Code 分支) | CLI 框架 |

| 需求形式化 | 带标准的讨论 | 宪法 + 规范 | 需求 (EARS) | 提案 |

| 架构设计 | 带 API 契约的设计 | 计划 | 设计 (markdown) | 设计 |

| 代码前测试规划 | 带 TC-N 编号的测试计划 | 无 | 无 | 无 |

| 冲突检测 | 自动 + 级联更新 | 无 | 无 | 无 |

| 活文档 | 规范自动同步 | 无 | 无 | 无 |

| GitHub 自动化 | Issues、PRs、审查、发布 | 无 | 无 | 无 |

| AI 代理 | 23 个并行 | 0 | 1 (内置) | 0 |

| 验证 | 80+ 脚本，30 pre-commit hooks | 0 | 0 | ~5 |

| 遗留系统支持 | 暂无 | 支持 | 支持 | 支持 (重点) |

FullSpec 覆盖全开发周期，但目前绑定 Claude Code，暂缺遗留系统集成。

技术规格

• 71 个技能 — 每个流程步骤的斜杠命令
• 23 个 AI 代理 — 专业并行工作者
• 80+ 验证脚本 — 全阶段检查
• 30 个 pre-commit hooks — 自动化质量控制
• 16 条上下文规则 — 支持新技术扩展
• 8 个流程阶段 — 从 idea 到生产发布
• 递归标准化 — 按自身规则自建

关键要点

• 低门槛 — 内部复杂，用户只需 /chain 并聊天确认
• 仅 Claude Code — 为此 AI 量身定制，其他未测试
• 俄文文档 — 说明和规范用俄语，但 Claude 处理无压力
• 仅绿地项目 — 新项目模板；遗留系统开发中
• 开源 — GitHub 上 MIT 许可

这个项目实现了 AI 不只是吐代码，而是能在正式流程和活文档中茁壮成长的方法。它大幅降低架构风险，提升使用 AI 团队的可预测性。

— Editorial Team