问题：AI 让"开始"变得太容易了
用 AI 写代码，5 分钟出一个 MVP。用 AI 设计方案，10 分钟出一份完整文档。
但你什么时候见过 AI 帮你把一个项目收尾的？
AI 擅长起头——给它一个模糊的想法，它能展开成看起来很有模样的东西。但 AI 极不擅长：
- 判断"需求到底确定了没"
- 确保方案和需求一致
- 在执行完后确认"这事儿真的做完了"
这就是为什么很多 AI 辅助的项目会失控——不是技术不够，是没有纪律。开始太容易、结束太模糊、中间全是假设。
本文介绍一套我实际使用的纪律框架：Spec Pipeline。它不复杂——5 个阶段，每个阶段有明确的输入/输出/门禁。关键是：不让 AI 跳阶段。
全景
阶段 1：需求收敛
为什么不能直接"写方案"
最常见的反模式：用户说"帮我设计 XX 功能"，AI 立刻开始输出方案。
问题在于——你确定你知道 XX 功能要做什么吗？
需求收敛做的事：
- 界定本轮核心对象 — 这次到底在做什么
- In Scope / Out of Scope — 做什么、不做什么
- 成功信号 — 做完了长什么样
- 关键未知 — 哪些问题还没答案
- Ready Gate — 以上都清楚了才放行
Ready Gate 的实际格式
## Ready Gate 判定
| 维度 | 状态 | 证据 |
|:---|:---|:---|
| 核心对象定义 | ✅ | 需求文档第 1-3 段 |
| In/Out Scope | ✅ | 明确列出 |
| 成功信号 | ✅ | 3 条可验证标准 |
| 关键未知 | ⚠️ 1 项待定 | 数据源接口尚未确认 |
| 结论 | ✅ 放行 | 待定项不阻塞设计骨架 |关键纪律：Ready Gate 没过 = 不允许进入方案设计。哪怕 AI 已经开始"自动"生成方案了——你也要打断它。
阶段 2：苏格拉底访谈
通过 Ready Gate 后，不是直接写方案——而是先做一轮结构化追问。
为什么？因为用户对自己需求的理解往往有盲区。Ready Gate 确认了"大方向清楚"，但设计细节里藏着很多隐含假设。
苏格拉底访谈的规则：
- AI 提问 3-5 轮，每轮 2-3 个关键设计决策点
- 用户回答后，AI 整理为
clarified_context.md - 如果用户说"我想清楚了，直接开始"——可以跳过
不要用 AI 自己假设答案替代追问。 这是防"假定稿"的第一道防线。
阶段 3：摄入→门禁→起草
这是方案设计的核心三步，模式固定：
摄入 (Ingest)
把所有设计输入整理为标准化 Context：
- 需求收敛产物
- 苏格拉底访谈记录
- 相关技术约束
- 参考材料
门禁 (Validate)
在起草方案前做一次预检：
- Context 是否完整？
- 有没有自相矛盾？
- 关键依赖是否已确认？
门禁失败就回退——不要带着缺口往前走。
起草 (Draft)
门禁通过后，AI 生成方案草稿。这里 AI 发挥最大价值——结构化、格式化、补充技术细节。
但请注意：草稿就是草稿。它是你审阅的对象，不是可以直接执行的定稿。
好的草稿应该包含：
- 明确的方案边界
- 核心流程图
- 关键约束与 trade-off
- 标注了"这是假设"的部分
阶段 4：结晶 (Crystallize)
结晶是最容易被跳过、也最关键的阶段。
结晶 ≠ 归档。 归档是"我把文件放好了"。结晶是判定一个变化是否已经真的成立。
结晶做 4 件事：
| 步骤 | 做什么 | 判定什么 |
|---|---|---|
| 1. 条件确认 | 方案是否经过验证 | "这个结论成立了吗？" |
| 2. 现实回写 | 把新事实写入系统 | "哪些地方需要更新？" |
| 3. 状态收口 | 当前任务是结束/继续/拆分 | "这事完了还是没完？" |
| 4. 可发现性 | 确保后续能找到这个结果 | "三周后还能找到它吗？" |
为什么不能跳过结晶
跳过结晶会导致：
- 方案写了但"不算数"——没有明确说"这版定了"
- 相关文件没更新——项目状态还是旧的
- 下次打开项目不知道上次做到哪了
结晶的核心价值：让"做完了"变成一个可验证的状态，而不是一个模糊的感觉。
阶段 5：验证 (Verify)
最后一步：检查结晶产物是否完整。
实战示例
用一个真实的个人项目（内容运营工具）走一遍完整 pipeline：
🎯 需求收敛 (15 min)
→ "我要一个把 Markdown 内容分发到多平台的工具"
→ In Scope: 微信公众号 + 知乎
→ Out of Scope: 视频平台
→ 成功信号: 写一篇文章，一键推送到 2 个平台
→ Ready Gate: ✅ 通过
💬 苏格拉底访谈 (10 min)
→ "图片怎么处理？" → 统一用图床
→ "格式差异怎么办？" → 各平台适配层
→ "认证方式？" → 初期手动 token
📥 摄入 → 🚦 门禁 → 📝 起草 (30 min)
→ Context 完整，无矛盾
→ 草稿产出: 架构图 + 3 个模块定义 + API 接口
💎 结晶 (10 min)
→ 条件确认: 方案可行，无阻塞依赖
→ 现实回写: 项目 README 更新状态为 "spec done"
→ 状态收口: active → 进入执行阶段
→ 可发现性: 索引已注册
✅ 验证 (5 min)
→ 6 个文件全部存在
→ 链接有效
→ Pipeline 完成
总耗时：~70 分钟。比"直接让 AI 写代码然后反复修"快得多——因为方向不会跑偏。
关键纪律总结
| 纪律 | 为什么 |
|---|---|
| 不跳 Ready Gate | 避免在需求模糊时就开始设计 |
| 不跳苏格拉底访谈 | 避免 AI 用假设填补盲区 |
| 不跳门禁 | 避免带着矛盾做设计 |
| 不跳结晶 | 避免"做了但不算数" |
| 不跳验证 | 避免遗漏和不一致 |
所有纪律的共同目标：让 AI 的概率性产出通过确定性检查点，变成可靠的工程产物。
你可以带走什么
-
最小可用版：只用"需求收敛 → 草稿 → 结晶"三步。跳过中间的苏格拉底/门禁——但这三步不能省。
-
核心心智模型：AI 生成的东西永远是"草稿"。从草稿到"正式"需要一个显式的结晶仪式。哪怕只是写一句"confirmed: this is the spec we're executing against"。
-
反模式识别：如果你发现自己在"边做边定义需求"——说明你跳了需求收敛。如果你发现项目"做了很多但不知道做完没"——说明你跳了结晶。
这套框架不是为了让事情变慢——而是为了让事情不返工。在 AI 协作中，你花在前段收敛和后段结晶上的时间，会在执行阶段以"不走弯路"的形式 10 倍返还。