SPECTRE：给 AI 编程 Agent 套上“瀑布流水线”的 Prompt 工作流

2026-02-18 | Product Hunt | GitHub

Gemini 解读：这是 SPECTRE 在 Claude Code 终端中的实际运行截图。可以看到 Session 恢复、目标/总结/下一步（Goal/Summary/Next Steps）的结构化输出，以及 19 个知识技能（skills）自动加载的提示。底部显示的是绕过权限（bypass permissions）模式——创始人自己每天就是这么用的。

30秒快速判断

这App干嘛的：一套跑在 Claude Code 上的 Prompt 工作流插件，把 AI 写代码从“凭感觉 Prompt”变成 Scope -> Plan -> Execute -> Clean -> Test -> Rebase -> Evaluate 的标准流水线。

值不值得关注：如果你是 Claude Code 重度用户，值得花 10 分钟装上试试。如果你不用 Claude Code，那跟你没关系。PH 只有 3 票，产品极早期，但背后的规格驱动（spec-driven）理念是 2026 年 AI 编程的大趋势。

与我有关三问

与我有关吗？

• 目标用户是谁：每天用 Claude Code 写代码的开发者和产品经理，尤其是要做中大型功能（不是改个按钮颜色那种）的人。
• 我是吗：如果你经常遇到这些情况，你就是目标用户：
  • 让 AI 写代码写出一堆“面条代码”（spaghetti code），改了一个 Bug 冒出三个新的。
  • 功能做到一半上下文窗口（context window）爆了，换个 Session 又得从头解释。
  • AI 自己做的决定跟你想的不一样，来回纠正浪费大量时间。
• 什么场景会用到：
  • 开发一个新功能（从 0 到 1）-> 用 /spectre:scope 开始。
  • 在 10 万行+ 代码库里加新特性 -> 先 /spectre:research 再 /spectre:plan。
  • 长时间开发需要跨 Session 保持上下文 -> /spectre:handoff。

对我有用吗？

ROI 判断：如果你做的功能需要超过 1 小时才能完成，花 10 分钟走一遍 scope -> plan 流程大概率值得。但如果只是小修小补，这套流程反而是负担。说白了，这就是软件工程里“先设计再编码”的老理念，只不过让 AI 来帮你做设计部分。

喜闻乐见吗？

爽点在哪：

• 自动引导下一步：每个命令结束时都会告诉你“接下来该做什么”，不用自己记流程。
• 知识自动积累：/spectre:evaluate 会把学到的东西沉淀成 Skills，下次自动加载——用得越多越聪明。
• Session 记忆：/spectre:handoff 生成状态报告，下个 Session 自动续上，不用重复解释背景。

用户真实评价：

说实话，这个产品太新了（PH 只有 3 票），还没有独立用户的公开评价。创始人自己用它构建了一个 25 万行代码的 Tauri/Rust/React 桌面应用（Subspace），这是目前最有力的证明。

行业对规格驱动（spec-driven）方向的评价则两极分化：支持者说“1 次带规格的迭代，准确度等于 8 次不带规格的盲写”；批评者说“这就是瀑布模型复活，一堆 Markdown 文档让人头大”。 — 来自 Marmelab 和 Scott Logic

给独立开发者

技术栈

• 前端：无（这不是一个传统软件，是一组 Prompt 文件）
• 后端：无（纯 Claude Code Skills/Plugin）
• AI/模型：Claude (Anthropic)，通过 Claude Code CLI 执行
• 基础设施：运行在本地终端，无云服务依赖

核心功能实现

SPECTRE 的本质是一组精心设计的 Prompt 模板，通过 Claude Code 的斜杠命令系统暴露给用户。每个命令对应开发生命周期的一个阶段：

1. Scope 阶段让 AI 问你正确的问题（而不是你去猜 AI 需要什么信息），把模糊需求变成明确规格。
2. Execute 阶段用 subagents 拆分大任务，每个 subagent 完成后生成完成报告传给下一个，配合 TDD 驱动开发。
3. Evaluate 阶段做架构 Review，并把学到的知识沉淀成 Skills 文件，下次开新对话自动加载。

创始人说得很直白：“基本就是快速瀑布流（Rapid Waterfall）”——先明确需求，再执行。区别是用 AI 让“明确需求”这件原本很耗时的事变得很快。

开源情况

• 完全开源：GitHub 可见全部代码。
• 类似开源项目：claude-code-spec-workflow、cc-sdd、Spec-Flow、Superpowers Plugin。
• 自己做难度：低。核心就是写好 Prompt 模板，技术门槛几乎为零。真正的门槛是 12 个月的使用经验积累出的 Prompt 质量。

商业模式

• 变现方式：目前无（纯开源）。
• 定价：免费。
• 推测：创始人可能通过 Subspace（桌面应用）或 Codename 品牌变现，SPECTRE 是获客/品牌工具。

巨头风险

高。这条赛道上 GitHub 已经推出了 spec-kit，Claude Code 官方也在完善插件系统。2026 年 Claude Code 生态已有 270 多个插件和 739 个技能。SPECTRE 的护城河不是技术，而是创始人的使用经验和 Prompt 质量。一旦其他工作流插件变得足够好，SPECTRE 的差异化就很小了。

给产品经理

痛点分析

• 解决什么问题：AI 编程 Agent 在缺乏明确规格时输出质量差、不一致、容易跑偏。
• 痛点有多痛：高频、刚需。创始人原话：“模糊性会导致面条代码、冲突和 AI 垃圾（slop）”。任何用 AI 做过超过 100 行代码修改的人都会有共鸣。

用户画像

• 画像 1：独立开发者/小团队技术负责人，每天用 Claude Code 构建产品，进行中大型功能开发。
• 画像 2：产品型技术经理（如创始人自己，前 TPM），用 AI 来弥补编码经验不足。

功能拆解

竞品差异

可借鉴的点

1. 自动建议下一步：每个命令结束时输出 “Next Steps”，用户永远知道该做什么，降低认知负担。
2. 知识积累机制：Evaluate 阶段沉淀 Skills，越用越懂你的项目——这个思路可以用在任何 AI 产品上。
3. Session Handoff 设计：解决 AI 工具最大的痛点之一——换个对话就失忆。

给科技博主

创始人故事

• 创始人：Joe Fernandez
• 背景：前 Meta, 前 Amazon 技术产品经理 (TPM), 前 Pioneer Square Labs。
• 为什么做这个：作为一个非传统开发者（TPM 背景），他用 AI 构建了复杂度远超自己过去经验的产品。SPECTRE 就是他 12 个月每天用 Claude Code 打磨出的实战 Prompt。他声称用这套工作流“构建和迭代了比过去复杂 100 倍的产品”。
• 做了什么产品：New June（React Native AI + GPS 高尔夫测距仪）和 Subspace（25 万行代码的 Tauri/Rust/React 桌面应用，定位为“编程 Agent 的新家”）。

争议点/讨论角度

• “瀑布模型复活？”：规格驱动开发本质上是先设计后编码，这让敏捷拥护者很不爽。Marmelab 的文章直接说“SDD 是瀑布模型的回归”。
• “Markdown 地狱？”：批评者说 SDD 产生太多文档，开发者把大部分时间花在读冗长的 Markdown 上，而不是写代码。
• “TPM 做开发工具？”：一个产品经理背景的人做的开发者工具，这本身就是个有趣的角度——因为 AI 让“非开发者构建复杂软件”成为可能。

热度数据

• PH 排名：3 票（极低，几乎没有曝光）。
• Twitter 讨论：几乎无独立讨论。
• GitHub：新仓库，Star/Fork 数极少。
• 行业趋势：但规格驱动开发作为方向在 2026 年非常火热——GitHub spec-kit、Amazon Kiro、多个独立工具都在跟进。

内容建议

• 适合写的角度： “AI 时代，产品经理能不能替代程序员？” —— 以 SPECTRE 创始人为案例。
• 蹭热点机会：规格驱动（Spec-driven）vs 凭感觉编程（Vibe coding）的辩论正在升温，可以做对比测评。

给早期采用者

定价分析

隐藏成本：SPECTRE 的 scope/plan 步骤会消耗大量 Tokens（生成详细规格文档），如果你在 Pro 计划上可能很快触碰限制。

上手指南

• 上手时间：5 分钟安装，30 分钟熟悉基本流程。
• 学习曲线：低（如果你已经用 Claude Code）/ 高（如果你从来没用过 Claude Code）。
• 步骤：
  1. 确保已安装 Claude Code CLI。
  2. 运行 marketplace add Codename-Inc/spectre。
  3. 在任意项目中输入 /spectre:scope。
  4. 跟着 AI 的引导回答问题，它会自动建议下一步。

坑和吐槽

1. 锁定 Anthropic 生态：只能在 Claude Code 里用，如果你主要用 Cursor 或其他工具，这完全不适合你。
2. Session 记忆需要手动管理：要记得在合适的时机运行 /spectre:handoff，否则换 Session 还是会丢上下文。
3. 长上下文消耗：Scope + Plan 阶段生成的文档可能很长，创始人建议关闭自动压缩并在 160k tokens 时手动 handoff。
4. 没有社区：产品太新，遇到问题只能看 README 或发 Issue，没有 Discord/论坛可以交流。

安全和隐私

• 数据存储：全部本地（Claude Code 在本地终端运行，SPECTRE 只是 Prompt 文件）。
• 隐私政策：代码通过 Anthropic API 处理，遵循 Anthropic 的隐私政策。
• 安全审计：开源可审计，但没有正式的安全审计。

替代方案

给投资人

市场分析

• AI 编程 Agent 赛道：已超 20 亿美元，GitHub Copilot 约 8 亿美元 ARR，Cursor/Anysphere 约 5 亿美元 ARR。
• 广义 AI Agent 市场：2025 年约 70-80 亿美元，2026 年预计 100-110 亿美元，2030 年预计 470-1830 亿美元。
• 增长率：复合年增长率 (CAGR) 42-50%。
• 驱动因素：开发者对 AI 工具从“辅助补全”升级到“自主执行”的需求。

竞争格局

SPECTRE 所在的“工作流层”是一个有趣但难以独立变现的位置——它依附于 Claude Code 平台，更像是生态内的增值组件而非独立产品。

Timing 分析

• 为什么是现在：2026 年 Claude Code 插件市场刚成熟（270 多个插件），规格驱动开发被 GitHub (spec-kit) 和 Amazon (Kiro) 验证为有效方向。
• 技术成熟度：Claude Code 的 skills/plugin 系统已经够用，subagent 执行也趋于稳定。
• 市场准备度：开发者从“凭感觉编程”转向“结构化 Agent 编程”的拐点正在发生。

团队背景

• 创始人：Joe Fernandez，前 Meta, 前 Amazon TPM, 前 Pioneer Square Labs。
• 核心团队：看起来是个人项目或极小团队。
• 过往成绩：用 SPECTRE 构建了 25 万行代码的 Subspace 桌面应用。

融资情况

• 已融资：无公开信息。
• 投资价值评估：作为一个开源 Prompt 工作流，SPECTRE 本身不太适合 VC 投资。但创始人同时在做的 Subspace（“编程 Agent 的新家”）可能是真正的商业化产品。

结论

一句话判断：SPECTRE 不是一个产品，而是一个经验丰富的 Claude Code 用户分享的最佳实践。它代表的规格驱动 Agent 编程方向是对的，但它本身太早期、太小众、太依赖单一平台。

资源链接

2026-02-18 | Trend-Tracker v7.3