【🤖 Claude Code x spec-kit】規格寫錯了?透過指令樣版讓 AI 自動「回修」文件

阿Han-avatar-img
發佈於 阿Han的軟體技術棧 💡 個房間
更新 發佈閱讀 4 分鐘
raw-image


在上一篇「【🔒江湖一點訣】spec-kit 實戰踩坑心得:坑一定會踩,但這篇有解法」中,我分享了在使用 spec-kit 建立開發規格時可能遇到的種種挑戰。


然而,實戰中最高頻發生的痛點往往不是「規格怎麼寫」,而是: 「開發到一半,發現之前的規格寫錯了,或者程式改了但規格沒跟上」。


當程式碼(Code)與規格書(Specs)產生落差,文件就變成了「廢紙」,技術債也隨之而來,本篇將進入更深層的技術細節,教你如何利用 Claude Code 的 Commands 功能,建立一套自動化機制:

在修復 Bug 或調整配置的同時,強迫 AI 回頭修正過時的規格文件。


🛠️ 核心思路:建立「同步回修」的指令樣版

Claude Code 允許我們自定義指令(Commands),我的做法是在專案中建立 .claude/commands/fix-bug.md,這不僅是一個指令,更是一份執行標準(SOP)。


定義指令樣版:.claude/commands/fix-bug.md

## 任務目標
修復以下問題:$ARGUMENTS

## 執行流程
1. **分析影響範圍**:掃描並找出與此變動相關的 `specs/``docs/` 或測試檔案。
2. **同步更新**:在修復程式碼的同時,必須同步回修對應的規格文件。

## 完成後請確認:
### 💻 程式碼修正
- [ ] 實際的邏輯修正或配置調整。

### 📄 文件與測試同步 (回修重點)
- [ ] **Specs 文件**:確認規格是否已根據最新異動完成更新?
- [ ] **測試案例**:測試代碼是否已同步修改或新增?
- [ ] **專案文檔**:Charter 或 README 是否有過時資訊需要同步?


🚀 實戰示範:當開發需求變更時

假設在開發階段,我們發現原本的 compose.yaml 漏了資料庫管理工具,這時我們不需要手動改完代碼再去翻 spec 檔案,直接下達指令:

/fix-bug @compose.yaml 在開發階段應該要有 adminer:5.4.1 來讓開發者查看資料庫內容。


AI 會幫你做什麼?

raw-image


💡 為什麼這個做法能解決「規格失效」?

這套流程的核心在於「強制關聯」,很多開發者會習慣先改 Code,「等一下再補文件」,但那個「等一下」通常永遠不會到來。透過 .claude/commands,我們將「修改文件」定義為「完成修復」的必要條件。


• 減少認知負擔:你不必回憶這項改動影響了哪些 spec 檔案,AI 比你更擅長跨檔案檢索。

• 確保真理來源一致:透過 @檔案 提及功能,讓 AI 在 Context 中同時處理代碼與文檔。

• 預防測試斷層:當規格回修後,測試案例也會被要求同步,這讓整個開發循環(Spec -> Code -> Test)保持閉環。


結語

在使用 AI 輔助開發的時代,我們追求的不只是「寫得快」,更是「寫得準」。透過 Claude Code 的指令樣版,我們可以讓 spec-kit 不再只是起跑時的藍圖,而是隨著專案生命週期自動演進的活文件。


如果你也正受困於「文實不符」的窘境,不妨試試這套 /fix-bug 樣版!


留言
avatar-img
阿Han的沙龍
152會員
327內容數
哈囉,我是阿Han,是一位 👩‍💻 軟體研發工程師,喜歡閱讀、學習、撰寫文章及教學,擅長以圖代文,化繁為簡,除了幫助自己釐清思路之外,也希望藉由圖解的方式幫助大家共同學習,甚至手把手帶您設計出高品質的軟體產品。
阿Han的沙龍的其他內容
2025/12/31
🚀 前言:一場意外的發現之旅 我一直以為語音生成(TTS)技術的門檻很高,不是要靠 Google Cloud、Azure Cognitive Service,就是要跑大量 GPU 模型,部署又複雜、成本又高,很難真正「自己掌握」。 直到某天,我在 GitHub 上看到 Kokoro TTS 一
Thumbnail
2025/12/31
🚀 前言:一場意外的發現之旅 我一直以為語音生成(TTS)技術的門檻很高,不是要靠 Google Cloud、Azure Cognitive Service,就是要跑大量 GPU 模型,部署又複雜、成本又高,很難真正「自己掌握」。 直到某天,我在 GitHub 上看到 Kokoro TTS 一
Thumbnail
2025/10/02
在AI、機器學習的領域裡, 我們常常需要評估訓練模型的好與壞, 通常我們關注的是準確率, 其中還有兩個容易被搞混的名詞: • Precision(精確率) • Recall(召回率) 為了搞懂這些名詞, 我們將以2020年發生的Covid-19來舉例說明, 幫助需要的朋友快速理解兩者差異。
Thumbnail
2025/10/02
在AI、機器學習的領域裡, 我們常常需要評估訓練模型的好與壞, 通常我們關注的是準確率, 其中還有兩個容易被搞混的名詞: • Precision(精確率) • Recall(召回率) 為了搞懂這些名詞, 我們將以2020年發生的Covid-19來舉例說明, 幫助需要的朋友快速理解兩者差異。
Thumbnail
2025/09/25
✨ 前言 如果說 GPT 就像是一位聰明的助手,那 AutoGen 就是讓你能夠組建一個小型 AI 團隊,彼此協作完成任務的框架。 就像我們真實的世界裡一般, 這個時代不再是單打獨鬥的時代了, 而是組成一個團隊, 針對共同的問題去解決, 團隊中各個成員具備不同的能力與思維, 我們驅動者要學會如何
Thumbnail
2025/09/25
✨ 前言 如果說 GPT 就像是一位聰明的助手,那 AutoGen 就是讓你能夠組建一個小型 AI 團隊,彼此協作完成任務的框架。 就像我們真實的世界裡一般, 這個時代不再是單打獨鬥的時代了, 而是組成一個團隊, 針對共同的問題去解決, 團隊中各個成員具備不同的能力與思維, 我們驅動者要學會如何
Thumbnail
看更多