「星连资本（Z基金）」是专注于大模型生态的风险投资基金，侧重早期，管理规模 15 亿元人民币。「Z计划」是面向未上市初创企业与优秀独立开发者/团队，提供 Tokens 赞助、投资支持和技术支持等资源的创新加速计划，由智谱与星连资本共同支持。
8月31日，在北京·中关村，由星连资本（Z基金） & 智谱Z计划打造的AI PM Meetup 暨 Z Next AI产品创造营 Opening（第 0 次活动）顺利举办！
在AI重塑软件开发的大背景下，“Spec Coding（规范编码）”正成为破局关键。在本次开营仪式中，AI产品黄叔向200+AI PM、算法工程师等伙伴们分享了如何充分理解新时代的编程语言由自然语言驱动、AI IDE带来的生产力变革，以及PM实践指南。🔥 关于Z Next AI产品创造营
汇聚最具创造力产品经理和 AI 早期创业者，让那些能打的产品、炸街的 idea 被更多人看到。最好是第一轮能被我们投一下！（jiushi）😆没有导师，谁也别想教人创业，只有在 AI 产品领域有实操经验（无论成功或失败）且乐于分享的先锋；没有学员，只有自由交流、共同进步的“伙伴”。🙋 关于Z Next AI产品创造营先锋：AI产品黄叔两家大厂AI产品顾问、AI编程蓝皮书作者
OpenAI的Sean Grove，6月份分享了个主题，看起来很惊悚：“Prompt Engineering is Dead”，吸睛当然很重要，但更重要的是副标题：问题1：“PROMPTS ARE EPHEMERAL.”（Prompt是短暂的）“每次和AI激情对话，最后的Prompt都像一场梦——醒了就啥也没留下。”其实我们想想，每次Vibe Coding的时候，我们会和AI大量的Chat，这些输入的Prompt最后都没留下来，可是，不正是这些Prompt，才生成了最后的结果么，为何我们把它丢掉了？另外，黄叔从去年10月份开始大量的玩Vibe Coding，包括和身边大量的朋友交流，发现一个更重要的问题：问题2：Vibe Coding一开始很爽，但到后面越改越头大！“Vibe Coding越改越乱，代码像打地鼠，改一个冒仨头，产品经理分分钟变‘救火队长’。”是吧，一开始很快就出来了，但是后面每次迭代都心惊胆战，因为你让它改A，经常莫名其妙的出现了B和C的错误。。。然后又是一通改，又是找Git回滚。总之费了很大劲，莫名其妙某次发现，它好了。。。然后不断地重复这个流程。甚至有朋友说，因为这一点，都不愿意去Vibe Coding了。。。.
Spec Coding杀死Prompt Engineering“Spec Coding不是‘头脑风暴’，而是‘头脑风暴后的施工图’。”提示词工程其实从2023年就开始了，但那会更多偏向于给出一个结构化的提示词，让大模型一次（或少数几次Chat）就出结果，但那个其实和我们的Spec Coding完全不是一个东西。
在很成熟的产品开发流程中，除了一句话就能做出的玩具之外，大部分时候产品都需要持续不断的Vibe才能生成的，这个过程就需要很多的技巧来控制AI符合预期的去生成代码，并不断调整。
复杂度： Spec Coding>>Prompt Engineering
黄叔在陆续烧了2000美金Claude Code方案后，验证出来这样一个方案：
阶段一：产品0到1 Spec
输入提示词，AI就会开始主动提问，并不断追问，直到完成整个PRD.md文档：以Claude Code为例，在产品迭代的时候，按照以下步骤进行：第一步：切到Plan Mode，然后和CC核对方案，但凡你觉得不合理的，想优化的，都可以继续口喷，直到满意为止。第二步：当你对方案满意后，切换到危险模式。这样开发下来会发现大部分情况下都能实现你的迭代要求。你会发现基于Claude Code，这套Spec Coding的效率之所以高，核心是上面的机制。
首先是Plan Mode，我会调用4.1 Opus来深度理解当前代码以及自己的需求，这个最强的编程大模型能够找到合理的方案，并制定开发计划。然后我会反复和它对齐，最后让Opus输出Spec文档。
其实，你设想这个场景和过去产品开发流程里面是非常相近的：在需求评审会里，你会提出很清晰的需求。然后，研发理解之后，我还不会让他直接去开发，而是让他详细地跟我说一下他的解决方案是什么。 因为有时候可能你跟他说的是含糊的A，结果他理解成了B。这样子，最后开发出来的就和之前你想要的有很大的差异。所以在需求评审会上，两边都要聊得非常清楚，再进入到开发。有了Prd，再让干活麻利的小弟4 Sonnet去干活，甚至引入Context 7 MCP，让它去读最新的技术文档，这样就能大幅提高开发的成功率。有了Spec，AI开发像装宜家家具——照图施工，不再靠‘感觉’拼命试错。这里我给大家看几个版本的Prd截图，可以看到非常的清晰。在过去，和产品版本同步更新的Prd是非常难的，因为很多需求就是口头和研发沟通完就开发了，要一直保持prd版本同步更新，非常吃产品经理的时间精力。另一个好处是，即使是没有git做存档，也可以部分恢复产品代码，因为：黄叔之前开发到2.2.4版本，有个新功能的开发导致了界面的问题，修了两三次没修复，然后我一看git，只是保存到1.9.2，这要在过去，头都大了！
现在就没事，首先我先用git reset回滚到1.9.2，然后把之前prd保存下来的每个版本更新内容给到CC，让恢复到界面有问题之前的2.2.1版本，CC一次就完成了重新开发，非常高效！
这个是峰子上次分享给我的一个启发，结合我自己过去的经验，其实模型在预训练阶段，以及基本完成了Coding能力的上限，不管是Vibe Coding还是Spec Coding，我们无非是用不同的方式提高模型在生成代码上的正确性。
但模型能力是有边界的，比如我们不可能一句话就让Sonnet生成40万行高质量的代码一样，Spec Coding仍然只是在更好的激发模型的潜力，并逼近它的能力上限。
也就是说，这套流程不可能包治百病！大家得做好心理准备。
这个理念的背后，带来了Spec一个很有意思的特性：
Write Once, Run Everywhere
你只需要写一遍Spec，就可以在非常多的地方达到相近的效果，甚至模型升级后都可以有很好的效果。
这是因为Spec已经完成了很详尽的定义，只要模型能力足够，就能很好的发挥出来。
最后，Spec = New Code
这是一种自主滑块的概念，当LLM越来越好使，我们只需要更清晰的结构化沟通，就更能让AI还原代码。现在这个滑块还在靠左侧的位置，随着能力逐渐进化，Spec的价值会越来越大。
1. 选词的科学性：用高频词、造新词（AI对陌生词理解更强），避免模糊表述和代词（“登录按钮”而非“那个紫色东西”）。 2. 行文的艺术感：遵循“定调→结构→主次→边界”的逻辑分层，像写产品说明书一样清晰。 3. 互动的智慧：把AI当“学生”，先分析问题、推导过程，再输出结论（如Claude的Plan Mode，能逐步拆解任务并验证）。 Cursor：用“规则”控制AI Agent行为，让代码生成更可控；
Kiro：以Spec驱动开发流程，从Prompt自动生成需求、系统设计；
CodeBuddy：集成Figma、BaaS等服务，实现“产设研一体”的AI全栈开发。
这些工具证明：Spec不是空谈，而是能直接提效的开发基建。
代码能力已非壁垒，“把事想明白（认知）、把话说清楚（表达）、有审美判断（选择）”才是稀缺价值。Spec Coding正是训练这些能力的抓手——当你学会用规范精准传递意图，就掌握了AI时代的“沟通密码”。 拥抱Spec Engineering，别让“写代码”困住你。在AI浪潮中，“写好规范，让机器为你打工”，才是面向未来的开发思维。 报名参加下一次
Z Next AI产品创造营活动🙋
内容｜AI产品黄叔
排版 | 埃玛
审阅｜邓瑞恒
* 本文不代表智谱公司必然认同以上任何观点。
还没有评论，来说两句吧...