OpenSpec + Superpowers 落地：AI 生成与人工编写的权责边界

一、引言

近年来，大语言模型驱动的AI辅助编程工具已完成从“代码补全玩具”到“全流程研发提效工具”的演进，越来越多的企业将AI编程纳入核心研发体系。但在企业级规模化落地过程中，行业始终未能解决一个核心命题：在AI辅助研发的全流程中，哪些工作必须由人工完成，哪些工作可完全交给AI，二者的权责边界如何划分，才能同时保障研发效率与交付可控性。

当前行业落地中普遍存在两个极端误区： 一是“全AI依赖症”：将需求输入、规范制定、代码开发、质量校验全流程完全交给AI，人工仅做最终发布，最终导致需求理解偏差、业务边界失控、线上故障频发，技术债务快速累积； 二是“全人工保守症”：因担心AI的不可控性，完全人工手写需求规范、技术方案、代码评审，仅将AI作为代码补全工具，完全丧失了AI在标准化、重复性工作中的提效价值，无法实现规模化落地。

上述两个误区的核心根源，在于缺乏一套适配AI研发体系的权责边界框架——既没有明确AI与人工的核心分工，也没有建立二者协同的闭环流程。而OpenSpec与Superpowers的组合，恰好为这套边界体系提供了完美的载体：OpenSpec作为AI研发的“需求契约与规范宪法”，解决了“做什么、边界在哪”的核心问题；Superpowers作为AI研发的“执行纪律官与质量守门员”，解决了“怎么按规范做好、怎么保障质量”的问题。二者的协同，为AI与人工的权责划分提供了清晰的流程锚点。

二、核心概念与协同定位

2.1 核心工具定义

2.1.1 OpenSpec：规范驱动开发的契约载体

OpenSpec是一套基于规范驱动开发（Spec-Driven Development, SDD）的AI研发框架，其核心价值是将模糊的业务需求转化为结构化、可校验、可追溯的研发契约，覆盖需求提案、架构设计、任务拆解、验收标准、变更管控的全流程，是AI研发全流程的“最高准则”，解决了AI编码中“需求漂移、共识缺失、追溯困难”的核心痛点。

2.1.2 Superpowers：AI研发的工程化执行体系

Superpowers是一套面向AI编程的工程化增强技能集，其核心价值是为AI编码提供标准化的执行规则与质量管控能力，覆盖编码规范约束、架构分层校验、单元测试生成、安全漏洞扫描、代码重构、合规检查的全流程，确保AI生成的代码100%对齐前置规范，解决了AI编码中“规范不统一、质量不可控、纪律缺失”的核心痛点。

2.2 二者的协同逻辑与闭环体系

OpenSpec与Superpowers的协同，形成了“契约制定-执行落地-校验闭环-归档追溯”的完整AI研发流程，二者的核心协同逻辑为：

• OpenSpec定边界、立规则：明确研发全流程的需求目标、业务边界、技术标准、验收要求，为AI执行提供唯一的、不可随意突破的契约；
• Superpowers强执行、保合规：严格遵循OpenSpec锁定的规范，完成标准化的代码开发、质量校验、合规检查，确保所有执行动作不突破契约边界；
• 人工做决策、担责任：在契约制定与最终验收环节做核心决策，对业务价值、交付质量、线上风险最终负责；
• AI做执行、提效率：在契约框架内完成所有标准化、重复性的工作，最大化释放研发效率。

这一协同逻辑，从根本上解决了AI研发中“效率与可控性”的矛盾，也为AI与人工的权责边界划分提供了清晰的流程锚点。

三、AI生成与人工编写的权责边界体系

3.1 OpenSpec环节的权责边界

OpenSpec环节是AI研发的“立法环节”，决定了后续所有执行动作的边界与规则，其权责划分的核心原则是：AI完成标准化内容的生成，人工完成核心价值的决策与契约的最终锁定。

3.1.1 AI的权责范围：标准化内容的全自动生成

AI在OpenSpec环节的核心职责，是基于人工输入的业务需求，完成所有结构化、标准化、重复性的文档生成工作，覆盖70%-80%的文档工作量，具体包括：

1. 标准化文档框架的自动搭建：基于需求类型，自动生成符合SDD规范的OpenSpec完整目录结构，包括spec.md（核心规范）、tasks.md（任务清单）、changes.md（变更记录）、architecture.md（架构设计）等核心文件，无需人工手动搭建模板；
2. 需求的结构化拆解与细化：将人工输入的模糊自然语言需求，自动拆解为结构化的用户故事、核心业务流程、功能模块清单、用户角色与权限体系，补全需求细节，消除需求歧义点；
3. 技术方案初稿的自动生成：基于项目既定技术栈，自动输出架构分层设计、接口定义（入参/出参/错误码规范）、数据库表结构与索引设计、依赖组件选型、兼容方案等技术内容，适配Java微服务、前端工程化、中间件集成等不同技术场景；
4. 研发任务的拆解与排期：自动将需求拆解为2-4小时可完成的最小开发单元，梳理任务间的依赖关系，预估工时，生成带验收标准的可执行任务清单，直接对接后续开发流程；
5. 验收标准与风险点的自动补全：基于行业最佳实践，自动生成功能验收标准、非功能验收要求（性能、安全性、兼容性、可用性），识别通用技术风险、业务风险，形成风险预案框架；
6. 文档迭代与变更的自动归档：研发流程中，自动同步更新变更记录，对齐规范文档与实际交付内容的差异，维护全链路可追溯性，无需人工手动更新文档。

3.1.2 人工的权责范围：核心决策与契约锁定

人工在OpenSpec环节的核心职责，是完成所有涉及业务价值、边界决策、风险把控的核心工作，对契约的合理性、准确性、可落地性最终负责，具体包括：

1. 业务价值与核心目标的定义：明确需求的业务背景、商业价值、核心目标与优先级，界定需求的核心用户群体与要解决的核心问题，这是AI无法替代的核心决策；
2. 业务边界与“不做范围”的锁定：明确划定本次研发的业务红线，清晰定义“不实现的功能、不覆盖的场景、不修改的系统模块”，这是防止需求漂移、AI超范围开发的核心，AI无法判断企业的业务迭代节奏与边界约束；
3. 技术方案与架构的最终选型：对AI生成的多个技术方案进行评审，结合企业现有技术栈、运维能力、历史债务、合规要求，最终确定技术选型、架构设计、兼容方案，避免AI生成的方案脱离企业实际环境；
4. 规范文档的评审与版本锁定：对AI生成的Spec文档初稿进行逐段评审，修正需求理解偏差、补充业务隐性规则、调整不合理的设计，确认无误后锁定版本，将其作为后续研发全流程的唯一契约，未经人工审批不得变更；
5. 合规要求与风险的最终把控：结合企业的合规要求、数据安全规范、线上稳定性红线，评估AI识别的风险点，补充行业专属、企业专属的风险预案，尤其是金融、政务等强监管场景，必须由人工最终确认风险可控；
6. 需求变更的审批与管控：建立规范变更的正式流程，任何需求变更必须先由人工评估影响范围、成本与风险，审批通过后再更新Spec文档，禁止AI自行修改锁定的规范契约。

3.1.3 不可逾越的红线规则

在OpenSpec环节，必须严格遵守以下红线，否则将导致整个研发流程失控：

1. 禁止未经人工评审锁定的Spec文档作为开发依据；
2. 禁止将业务边界、核心目标、技术选型的决策权交给AI；
3. 禁止先开发后补Spec文档，必须严格执行“无Spec不编码”原则；
4. 禁止人工完全不参与Spec文档的编写与评审，完全交由AI生成。

3.2 Superpowers环节的权责边界

Superpowers环节是AI研发的“执法环节”，核心是严格执行OpenSpec锁定的契约，其权责划分的核心原则是：AI完成规范内的全流程执行与标准化校验，人工完成核心逻辑的最终把关与交付责任的承担。

3.2.1 AI的权责范围：规范内的全流程自动化执行

AI在Superpowers环节的核心职责，是在OpenSpec锁定的契约框架内，完成所有标准化的开发、校验、归档工作，覆盖90%以上的执行工作量，具体包括：

1. 对齐Spec的代码全自动生成：严格读取锁定的OpenSpec规范文档，按tasks.md的任务清单，逐任务生成符合要求的业务代码，包括架构分层代码、接口实现、实体类、工具类等，确保100%对齐Spec中的接口定义、表结构、架构要求，禁止超范围开发；
2. 编码规范与工程纪律的强制执行：自动遵循团队编码规约、架构分层约束，统一代码风格、异常处理、日志打印、参数校验规范，杜绝硬编码、魔法值、空指针风险等问题，确保不同会话、不同开发者生成的代码风格完全一致；
3. TDD测试体系的自动生成与执行：严格执行测试驱动开发（TDD）流程，先编写测试用例，再实现业务代码，自动生成单元测试、集成测试用例，覆盖核心业务场景与边界场景，达到Spec中要求的测试覆盖率标准；
4. 代码质量的自动扫描与修复：自动扫描代码中的安全漏洞、性能瓶颈、代码复杂度、重复代码、SQL注入风险等问题，自动完成修复与优化，输出完整的代码自查报告与优化说明；
5. Spec合规性的自动校验：自动校验生成的代码与OpenSpec规范的一致性，检查是否存在超范围开发、是否偏离架构设计、是否满足验收标准，输出合规校验报告，对不符合规范的内容自动拦截并整改；
6. 研发流程的自动化闭环：自动完成Git分支隔离、子任务并行开发、代码自查、变更记录更新等全流程，每个任务完成后自动标记，无需人工干预流程推进；
7. 交付文档的自动生成：研发完成后，自动生成接口文档、部署手册、变更说明等交付材料，同步更新OpenSpec的changes.md文档，实现全链路可追溯。

3.2.2 人工的权责范围：最终把关与责任承担

人工在Superpowers环节的核心职责，是完成规则注入、核心逻辑把关、最终交付验收，对代码的业务正确性、线上稳定性、安全合规性最终负责，具体包括：

1. 执行规则的制定与注入：向AI注入核心约束规则，明确“必须严格遵循OpenSpec规范执行、启用的技能集、禁止的操作、红线要求”，比如“禁止修改原有订单表结构、必须兼容JDK8运行环境”，这是Superpowers执行不跑偏的前提；
2. 核心业务逻辑的校验与评审：对涉及资金、核心业务流程、用户数据、合规要求的核心代码，进行逐行review，验证业务逻辑的正确性，补充AI无法理解的隐性业务规则，避免业务逻辑偏差导致的线上故障；
3. 代码的最终评审与合并发布：即使AI完成了全量合规校验，也必须由人工完成最终的code review，确认代码无业务逻辑问题、无安全风险、无隐性技术债务，才能合并到主干分支并发布，这是线上安全的最后一道防线；
4. 复杂问题的排查与决策：当AI遇到无法解决的兼容性问题、线上故障、复杂性能瓶颈、第三方依赖冲突时，由人工介入排查根因，制定修复方案，指导AI执行落地，AI无法处理超出通用场景的复杂问题；
5. 团队专属技能包的定制与优化：基于企业的技术栈、编码规约、业务场景，定制Superpowers专属技能包，比如企业内部中间件的使用规范、微服务治理要求、合规编码规则等，让AI适配企业专属研发体系。

3.2.3 不可逾越的红线规则

在Superpowers环节，必须严格遵守以下红线，否则将导致交付质量失控：

1. 禁止Superpowers执行未锁定版本的OpenSpec规范；
2. 禁止人工完全不参与代码评审，完全依赖AI的自检结果；
3. 禁止AI突破OpenSpec锁定的业务边界与技术规范；
4. 禁止核心业务逻辑、资金相关代码未经人工评审直接上线。

四、不同场景下的权责边界适配方案

针对企业研发的5类高频核心场景，需对权责边界进行差异化适配，明确不同场景下AI与人工的工作侧重点，确保方案贴合业务实际。

4.1 绿地新项目从零搭建场景

• 场景特征：项目从零启动，核心目标是建立标准化的研发体系，统一团队技术栈、架构规范、编码标准，避免初期规范缺失导致的长期技术债务。
• 权责边界适配：
  • AI侧重：完成全量标准化文档框架生成、项目骨架代码生成、通用工具类开发、编码规范自动落地，覆盖80%以上的基础工作量；
  • 人工侧重：核心聚焦项目整体架构选型、技术栈决策、业务边界锁定、团队研发规则制定，对项目的长期可维护性最终负责；
• 核心要求：项目启动前必须完成OpenSpec整体规范的评审与锁定，Superpowers全程严格遵循规范执行，从第一行代码开始保障标准化。

4.2 存量棕地系统改造场景

• 场景特征：老旧系统历史债务重、文档缺失、业务逻辑复杂，核心目标是低风险完成迭代与改造，避免破坏原有业务逻辑、引发线上故障。
• 权责边界适配：
  • AI侧重：完成现有系统的结构化梳理、增量代码的规范生成、兼容性校验、自动化测试覆盖，严格遵循“最小改动”原则；
  • 人工侧重：核心聚焦改造边界的锁定、兼容方案的决策、风险点的把控、核心业务逻辑的验证，绝对禁止AI修改原有核心业务代码；
• 核心要求：OpenSpec必须明确“不修改的模块、不重构的代码、兼容要求”，Superpowers的所有执行动作不得突破该边界。

4.3 多人团队协同研发场景

• 场景特征：多角色、多开发者协同开发，核心目标是统一团队共识、降低沟通内耗、避免代码合并冲突、保障交付标准统一。
• 权责边界适配：
  • AI侧重：完成需求的结构化拆解、任务的均匀分配、统一规范的自动落地、代码合规性自动校验，保障不同开发者的代码风格一致；
  • 人工侧重：核心聚焦需求共识的对齐、Spec文档的全员评审、任务分工的决策、代码的交叉评审，对团队协同的效率与交付结果最终负责；
• 核心要求：OpenSpec作为团队唯一的需求契约，所有开发者必须基于锁定的规范开展工作，任何变更必须经过全员评审并更新规范。

4.4 高频敏捷迭代场景

• 场景特征：ToC业务高频迭代、小需求优化、BUG修复居多，核心目标是平衡研发效率与交付可控性，避免小迭代引发大故障。
• 权责边界适配：
  • AI侧重：完成轻量化Spec文档的自动生成、最小化改动代码的开发、影响范围自动校验、回归测试用例生成，最大化提升迭代效率；
  • 人工侧重：核心聚焦需求的核心目标、改动范围的锁定、风险点的评估、最终交付的验收，避免为了效率牺牲可控性；
• 核心要求：采用轻量化OpenSpec规范，仅保留核心需求、改动范围、验收标准、风险点4个核心要素，禁止无Spec直接修改代码。

4.5 技术债务治理场景

• 场景特征：线上项目代码质量参差不齐、安全漏洞频发、测试覆盖率不足，核心目标是分阶段、可量化完成技术债务治理，不影响线上业务稳定。
• 权责边界适配：
  • AI侧重：完成代码质量自动扫描、漏洞自动修复、测试用例自动补充、代码合规性自动校验，分模块完成治理落地；
  • 人工侧重：核心聚焦治理目标的制定、治理范围的划定、优先级的排序、治理效果的验收，对线上业务的稳定性最终负责；
• 核心要求：OpenSpec必须明确分阶段的治理目标、验收标准、不可改动的核心模块，Superpowers严格按阶段执行治理，禁止全量重构。

五、全流程实操落地指南

基于权责边界体系，我们将整个落地流程拆解为8个标准化步骤，每个步骤明确AI与人工的分工、输入输出与验收标准。

步骤1：需求输入与目标对齐（人工主导）

• 核心工作：人工明确需求的业务背景、核心目标、业务边界、优先级，输出清晰的需求指令；
• 输入：业务需求文档、产品原型、迭代规划；
• 输出：标准化的需求输入说明书，明确“做什么、为什么做、核心目标、不做什么”；
• 验收标准：需求目标清晰、边界明确，无模糊表述。

步骤2：OpenSpec初稿自动生成（AI主导）

• 核心工作：AI基于人工输入的需求说明书，自动生成完整的OpenSpec规范文档，包括核心规范、技术设计、任务清单、验收标准、风险预案；
• 输入：步骤1输出的需求输入说明书、项目技术栈信息、团队编码规约；
• 输出：完整的OpenSpec规范文档初稿；
• 验收标准：文档结构完整、需求拆解清晰、技术方案贴合项目、任务拆分可执行。

步骤3：Spec评审与版本锁定（人工主导）

• 核心工作：人工组织产品、研发、测试相关角色，对Spec初稿进行评审，修正偏差、补充细节、锁定边界，最终确认并锁定规范版本；
• 输入：OpenSpec规范文档初稿；
• 输出：锁定版本的OpenSpec规范文档、评审记录；
• 验收标准：所有相关角色达成共识，规范文档无歧义、边界清晰、可落地，版本锁定后不可随意变更。

步骤4：Superpowers执行规则注入（人工主导）

• 核心工作：人工向AI注入执行约束规则，明确必须遵循的OpenSpec版本、启用的技能集、禁止操作、红线要求、验收标准；
• 输入：锁定版本的OpenSpec规范文档、团队编码规约；
• 输出：标准化的AI执行规则指令；
• 验收标准：规则清晰、约束明确，完全对齐锁定的OpenSpec规范。

步骤5：代码开发与规范执行（AI主导）

• 核心工作：AI基于注入的规则，严格遵循OpenSpec规范，按任务清单逐任务完成代码开发、单测生成、自查校验，每个任务完成后自动标记；
• 输入：锁定版本的OpenSpec规范文档、执行规则指令；
• 输出：符合规范的业务代码、单元测试用例、单任务自查报告；
• 验收标准：代码100%对齐Spec规范、无超范围开发、单测覆盖达标、符合编码规约。

步骤6：合规校验与质量扫描（AI主导）

• 核心工作：AI完成全量代码的Spec合规性校验、代码质量扫描、安全漏洞检测、性能瓶颈识别，自动修复问题，输出完整的交付校验报告；
• 输入：开发完成的全量代码、锁定版本的OpenSpec规范文档；
• 输出：合规校验报告、代码质量扫描报告、问题修复记录、最终交付代码；
• 验收标准：代码无合规问题、无高危安全漏洞、符合所有规范要求。

步骤7：最终评审与交付验收（人工主导）

• 核心工作：人工基于OpenSpec的验收标准，对AI交付的代码进行最终评审，重点审核核心业务逻辑、安全合规性、线上风险，确认无误后完成合并发布；
• 输入：最终交付代码、AI输出的校验报告、锁定版本的OpenSpec规范文档；
• 输出：code review记录、验收报告、合并发布的代码；
• 验收标准：核心业务逻辑正确、无安全风险、完全符合Spec验收标准，可上线发布。

步骤8：归档与迭代优化（AI+人工协同）

• 核心工作：AI自动更新变更记录、归档交付文档、同步规范文档与代码的差异；人工复盘落地效果，优化规范模板与执行规则，沉淀团队资产；
• 输入：验收通过的交付代码、评审记录、OpenSpec规范文档；
• 输出：归档完成的全链路文档、迭代优化方案、团队标准化模板；
• 验收标准：全链路可追溯、文档完整、优化方案可落地。

六、落地误区与最佳实践

6.1 常见落地误区与纠正方案

6.2 企业级落地最佳实践

1. 权责匹配原则：谁决策、谁负责，谁执行、谁兜底。人工对决策结果负责，AI对规范内的执行结果负责，最终交付责任由人工承担；
2. 梯度落地原则：先从单个项目、单个团队试点，跑通流程、验证价值后，再在企业内规模化推广，避免一刀切；
3. 模板化提效原则：针对团队高频场景，沉淀标准化的OpenSpec模板与Superpowers技能包，降低落地门槛，提升执行效率；
4. 门禁化管控原则：将Spec评审、合规校验、人工终审纳入研发流程的强制门禁，不符合要求的内容不得进入下一环节；
5. 持续优化原则：定期复盘落地效果，根据团队业务场景、技术栈的变化，持续优化权责边界与流程规则，避免规范与实际业务脱节。

七、结语

AI辅助编程的终极目标，不是用AI完全替代人工，而是让AI与人工各司其职，各自发挥核心优势：AI擅长标准化、重复性的执行工作，人工擅长创造性、决策性的价值判断。OpenSpec+Superpowers的协同框架，为二者的协同提供了完美的载体，而本文构建的权责边界体系，则为这套框架的企业级落地提供了清晰的行动指南。

在AI研发工程化的演进过程中，只有建立清晰、严谨、可落地的权责边界，才能真正实现“AI提效不失控、人工聚焦高价值”的核心目标，让AI辅助编程真正融入企业研发体系，成为企业数字化转型的核心驱动力。