规格

feature-forge：面向编码 Agent 的端到端功能开发流水线

garygentry/feature-forge · End-to-end feature development pipeline for coding agents: PRD → high level tech spec → detailed coding specs → backlog → implementation loop → docs

feature-forge 把含糊的功能想法通过固定、可恢复的流水线逐步转化为经过验证的代码：从需求（PRD）出发，依次生成高层技术方案、详细编码规格、可执行 backlog，再由可替换的自主循环运行器逐项实现，最后基于真实实现产出文档。流水线在阶段之间设置验证关卡，用稳定需求 ID 做可追溯，并把各阶段隔离到独立子代理上下文中以控制 token 消耗；支持状态跨会话持久化、上游改动后的过期检测，并针对 TypeScript、Python、Go、Rust 提供技术栈感知的配置档。项目对 Claude 做了调优但保持 agent 无关，支持 Claude、Codex、Copilot、Cursor、Gemini、Pi 等编码代理。

CodeCartographer：面向 Pi 与 MCP 编码 Agent 的代码库逆向分析与人工确认的软件规划

HuginnIndustries/CodeCartographer · Evidence-backed reverse engineering and human-gated software planning for Pi and MCP coding agents.

CodeCartographer 通过 AI Agent 对不熟悉的代码库进行逆向分析，产出分层架构、行为契约、缺陷报告和与语言无关的重实现规范，支持 Pi 扩展、MCP 服务器和可直接拷贝的模板三种使用方式。其特点是分阶段流水线，以文件系统（.codecarto/findings/）作为持久记忆，阶段间设有验证闸门，每条结论带有证据等级标签（观察事实、强推断、可移植性风险、外部行为声明、开放问题），并支持从产品愿景与已确认规范反向合成项目实施计划。

为什么人类监督的重心正从写代码转向定义需求

这篇文章讲的是一套用 AI 代理帮忙写代码的工作流程：从开会录音、写成需求文档、拆成可发布的小单元、逐条写规格、AI 生成代码和测试、再做审查和发布，最后每周四上线。作者指出一个问题：整条链路里所有检查都只在问“代码有没有照着需求做”，却没有检查“需求本身对不对”。他故意在一条小需求里写错一句话，结果六个测试全都通过、审查关卡也放行，系统却做出了这个功能本来要阻止的坏事。对读者的意义是：光靠加自动化检查不够，真正需要人来把关的是需求写得对不对，而不是代码写得好不好。文中的流程和例子已在实际工作中使用，但作者未说明这套做法具体用哪些工具实现。