SpeCoder：给 AI 编程戴上「规范镣铐」的元工具（开发中）

案例与作品 作品分享
1

SpeCoder
读作 /ˈspɛkˌkoʊdər/，取自 Specification + Coder。

  • Spec：规范、规格、约束
  • Coder：编码者工具
  • SpeCoder：让 AI 在规范框架内高效编码的引擎。

SpeCoder is a Specification-Prompt Engine.
将规范转化为提示词，严格约束 LLM 行为，实现低成本、高一致性的 AI 开发。

SpeCoder 是一个 MCP Servers 集群，通过 FastMCP 构建多服务架构，为 AI 提供 Spec Coding 范式的严格约束和上下文管理能力。 规范即力量，约束即自由。

核心价值

解决的问题

  1. AI 开发缺乏约束：LLM 在编码时没有规范约束，产出质量不可控
  2. 规范文档与代码脱节：规范写一套，代码做一套
  3. 上下文碎片化：AI 无法有效关联规范、代码、任务之间的上下文
  4. 工具碎片化：需要多个工具配合，缺乏统一入口

提供的价值

  1. 规范即框架：写规范 → 索引 → 搜索 → 拆解任务 → 代码分析 → 合规检查 → 合约验证
  2. 可追溯的规范生命周期：每份规范文档可追踪、可搜索、可验证
  3. 统一的上下文管理：通过 Agent 层收集、转换、传递上下文
  4. 标准化的 MCP 工具集：开箱即用，一条命令初始化

设计理念

  1. 文档为源：所有规范以可读的文本文件存于 spec-docs/，便于 Git 版本控制
  2. 索引外置：SQLite 只存元数据和关系，文档正文仍在文件系统
  3. 工具即服务：每个能力封装成独立 MCP Server，按需启动
  4. 开箱即用：一条命令初始化，零外部依赖
  5. Dogfooding：SpeCoder 引擎自身的开发遵循相同的 Spec Coding 范式

项目进度：已经手工遵循SpeCoder范式，开发了测试版，已经跑通，现在完善了70%的文档，准备进入开发版的迭代。
全程使用Trae IDE，Chat 和 Solo 切换。LLM使用的是 Deepseek V4，pro 和 flash配合，主要是flash。截止今日pro消耗78,195,519 tokens，flash 消耗665,251,991 tokens。消耗的大头是技术实现的反复验证。
目前正在寻找 Trae 用户作为早期体验者，暂时还没有上传 github，大家可以一起讨论和给出建议，如果感兴趣的朋友多，我争取早点上传github。

2 个赞