AI-SDD 调研：一个 SDD 流程完整示范项目，从 Idea 到交付的 10 步产研样例

当 AI 编程进入 ” 规范驱动开发 ” 时代——这个项目不是工具库，而是一个完整的 SDD 工作流示范（AI 工牌生成场景），从 Idea 到交付的 10 步产物都拆给你看。

“AI 编程 ” 在 2024-2025 年主要解决 ” 代码生成 ” 问题——Copilot / Cursor / Claude Code 直接帮你写代码。但 2026 年的痛点变了：生成的代码不稳定，因为你没告诉 AI “ 约束是什么 ”。

SDD（Spec-Driven Development，规格驱动开发） 应运而生：把规格（spec）当一等公民，让 AI 先写规格再写代码——所有产物可追踪、可迭代、可验证。GitHub 官方出了 Spec Kit（119K ★）、社区有 OpenSpec（60K ★）。

AI-SDD 不是另一个 SDD 工具 ，而是一个 示范项目 ——它把 ”SDD 方法论应用到真实项目 ” 的全过程摊开：用 AI 工牌生成这个具体场景，展示从 Idea → 需求澄清 → PRD → 规格沉淀 → 原型 → 接口 → 前端 → 后端 → 联调 → 交付， 每一步的产物长什么样、文档怎么写、契约怎么定。3 周前刚发布、10 个 commit 集中在 4 天内完成主体框架。

维度	信息
项目	AI-SDD / AI Badge Studio
作者	frtghyujkiolsas-lab（GitHub 用户）
协议	⚠️ 未声明 License（默认 all rights reserved）
Stars	136 / 5 forks / 0 watchers
语言	TypeScript（React + Vite）+ Python
场景	AI 智能工牌生成系统（员工上传生活照 → 标准化证件照 → 合成企业工牌 PNG）
创建	2026-06-17（3 周前）
最后 commit	2026-06-23（18 天前）
状态	0 open issues / 主体框架完成 / 长期停滞

核心问题 ：SDD 方法论文章 / 教程很多，但 完整的 ” 端到端 SDD 项目范本 ” 几乎没有。AI-SDD 给出一个真实场景的完整产物（PRD + 规格 + 契约 + 代码 + 测试验收），让你能照葫芦画瓢套用到自己的项目。

01 Idea
   ↓
02 需求澄清（requirement clarify）↓
03 PRD 定义
   ↓
04 规格沉淀（spec freeze）↓
05 原型定稿（prototype freeze）↓
06 接口契约（API contract）↓
07 前端交互
   ↓
08 后端逻辑
   ↓
09 前后端联调（integration test）↓
10 产品交付（delivery review）

这 10 步是项目最大价值 ——SDD 不是 ” 写完代码再补文档 ”，而是 ” 从需求到交付每个阶段都有明确的产出物“。

阶段	文档
产品定义	00-process-overview · 01-requirement-clarify · 02-prd
方案定稿	03-prototype-freeze · 04-api-contract
开发交付	05-backend-design · 06-integration-test · 07-delivery-review

关键差异 ：不是 1 份 ” 项目文档 ”，而是 按阶段拆 8 份，每份对应 SDD 一个产物。这样：
– 需求阶段只看 00-02，代码阶段只看 04-07
– 每个阶段交付时单独 review 文档
– 出问题时能定位 ” 是哪个阶段的产物没做好 ”

项目用 OpenSpec 风格的目录结构：

openspec/
├── specs/      # 当前系统能力（source of truth）└── changes/    # 本次 AI 工牌系统的变更包和交付记录
    └── ai-badge-product-loop/

关键设计：
–
specs/ 记录系统 ” 当前应该具备的能力 ” — 是规格的真理源
–
changes/ 记录 ” 本次实现的变更包 ” — 是规格的演化轨迹
– 新增功能（如 ” 多模板切换 ”）先进入 changes/，验证后同步到主 specs/

这避免了 ”PRD 改一次代码改一次但 specs 没更新 ” 的不一致问题。

实际场景：员工上传生活照 → 系统自动生成统一风格证件照 → 合成企业工牌 PNG。

不是 ”Hello World” 例子，是真实的企业 HR / 行政工具：

# API 调用样例
curl -X POST http://localhost:8888/api/generate \
  -F 'name=Sample User' \
  -F 'department=Product' \
  -F 'position=AI Product Manager' \
  -F 'employeeId=XM-2026-001' \
  -F 'photo=@/path/to/sample-photo.png'

# 返回
{
  "id_photo":   " 标准化证件照 base64",
  "badge_png":  " 最终工牌 PNG base64",
  "task_id":    " 生成任务 ID"
}

技术栈：React + Vite（前端）+ Python（后端）+ HivisionIDPhotos（AI 证件照标准化）+ HTML/CSS 工牌模板 + headless browser 截图导出 PNG。

对比 ” 开源代码库 ” 或 ” 教程文章 ”，AI-SDD 给出 完整的产品交付物：

产物类型	是否提供
PRD 文档	✅ docs/02-prd.md
原型定稿	✅ docs/03-prototype-freeze.md（含 Figma 截图）
接口契约	✅ docs/04-api-contract.md（含 REST API 定义）
后端设计	✅ docs/05-backend-design.md
集成测试报告	✅ docs/06-integration-test.md
交付验收	✅ docs/07-delivery-review.md
规格变更包	✅ openspec/changes/ai-badge-product-loop/
前端代码	✅ React + Vite 工程
后端代码	✅ Python HTTP service
模板资源	✅ HTML/CSS 工牌模板 + 公开安全样例图片
隐私保护	✅ 仓库不提交真实员工照片 / 真实工牌

这是其他 SDD 教程做不到的——GitHub Spec Kit 是空框架、OpenSpec 是工具库，都没 ” 完整样例 ”。

README 末尾点明三个 核心产品决策：

判断	说明
可控性	AI 负责重复性的图像标准化，人事字段仍然保留人工确认和修改空间
一致性	所有工牌输出遵循统一模板，避免不同员工照片风格差异过大
流程适配	定位是企业内部 HR / 行政提效工具，不是泛用图片生成玩具

这三点展示了 ”AI 产品设计的关键约束 ”——让 AI 干擅长的，人干擅长的，不要让 AI 全权决定。

维度	AI-SDD	github/spec-kit	Fission-AI/OpenSpec	leanspec
类型	完整样例	工具库 / 框架	工具库 / 框架	Rust CLI
Stars	136	119K	60K	272
协议	⚠️ 无 License	MIT	MIT	MIT
文档完整度	⭐⭐⭐⭐⭐ 8 份阶段文档	⭐⭐⭐ 概念文档	⭐⭐⭐⭐ 教程	⭐⭐ 命令文档
代码完整度	⭐⭐⭐⭐⭐ 真实可跑	❌ 框架无实现	⭐⭐ 部分示例	⭐⭐⭐
学习价值	⭐⭐⭐⭐⭐ 端到端范本	⭐⭐ 概念入门	⭐⭐⭐ 工具用法	⭐⭐ 命令参考
直接可用	⚠️ 仅参考（无 License）	✅ 立刻用	✅ 立刻用	✅ 立刻用

结论：

看 AI-SDD：你要 ”完整的 SDD 项目范本 “——从 PRD 到验收所有产物长什么样， 不是工具库、是教科书
用 Spec Kit：你要 ”给现有项目加 SDD 流程“（119K ★，GitHub 官方背书）
用 OpenSpec：你要 ”轻量级规格管理“（60K ★，Markdown + slash commands）
用 leanspec：你是 Rust 开发者，要 CLI 风格的 SDD

AI-SDD 跟其他三个不是竞争关系，是上下游关系——其他三个是 ” 工具 / 框架 ”，AI-SDD 是 ” 用工具的样板 ”。

# 在本地跑 HivisionIDPhotos，确认 API 可访问
curl http://localhost:8080/docs

cd xianma-badge
python3 server.py
# 默认后端地址：http://localhost:8888

cd xianma-badge/figma-make-export
npm install
npm run dev
# Vite 启动后打开显示的地址

完成后浏览器访问 → 上传员工照片 → 填写工牌信息 → 生成标准化工牌 PNG。

建议：把它当 教科书 看，照搬 SDD 流程到你自己的项目里，但代码全部重写。

GitHub 用户名 frtghyujkiolsas-lab（疑似乱码 + lab 后缀）
创建于 2026-06-17（3 周前）
10 个 commit 集中在 6/19-6/23 4 天内
之后 18 天无任何 commit（停滞）

这不一定是问题，可能是：
– 作者做的是 ” 一次性展示 ” 项目（不是持续维护）
– 作者可能在忙其他工作
– 仓库名是个人实验性质

但 作为 ” 主流 SDD 工具 ” 引用要谨慎 。它更像是 个人作品，不是社区产品。

社区活跃度极低：
– 0 watchers（没人订阅通知）
– 0 open issues（无问题反馈）
– 5 forks（只有 5 个 fork）
– 4 天 commit 高峰后停滞 18 天

意味着：用这个项目的人非常少，遇到坑基本要自己解决。

README 主要展示 ” 开发流程 ”，没有：
– 部署到生产环境的 Docker 镜像
– CI/CD 配置
– 性能压测数据
– 真实企业用户的反馈

意味着：作为 ” 参考项目 ” 看 SDD 流程可以，作为 ” 工具直接用 ” 不行。

README 明确说 ” 不提交真实员工照片、真实工牌 ”——这是优点。
但
公开资源只有 ” 匿名样例图片 ”——意味着你要自己准备企业模板、logo、字体等。

3 个最值得参考的理由：

完整的 SDD 范本 —— 8 份阶段文档 + specs/changes 双层目录 + 真实 AI 工牌项目，是当前 GitHub 上 最完整的 SDD 端到端样例
真实场景而非 toy 例子 —— 员工工牌生成是真实企业 HR 场景，技术栈完整可跑，不是 “Hello World”
三个核心产品判断 —— README 自带 ” 可控性 / 一致性 / 流程适配 ” 的 AI 产品设计方法论，给非代码视角

一句话建议 ： 别直接用这个项目，当 SDD 教科书看——把它的 8 份文档结构 + 10 步流程 + specs/changes 双层目录套用到你自己的项目里。代码全部重写，但流程文档结构可以照搬。

GitHub: frtghyujkiolsas-lab/ai-sdd
对比：github/spec-kit / Fission-AI/OpenSpec / codervisor/leanspec
SDD 方法论参考：腾讯 AI 编码实践：从 Vibe Coding 到 SDD
CSDN：Spec-Driven Development 框架与开源 AI 智能体
相关项目：mesax1/manual-SDD / attilaszasz/sdd-pilot / LiorCohen/sdd
技术栈：React / Vite / HivisionIDPhotos

AI-SDD 调研：一个 SDD 流程完整示范项目，从 Idea 到交付的 10 步产研样例

写在前面

一、它解决什么问题

二、10 步 SDD 工作流（核心骨架）

三、文档地图（8 份核心文档）

四、四大差异化能力

1. specs/ + changes/ 双层规格组织

2. AI 工牌生成的真实场景（不是 toy 例子）

3. 完整的端到端产物（不止代码）

4. 三个产品判断（README 自带方法论）

五、对比 SDD 赛道

六、实战：3 步跑通 AI 工牌生成

1. 启动 HivisionIDPhotos

2. 启动后端

3. 启动前端

七、风险与坑（重点写）

⚠️ 1. 无 License = 不能直接商用

⚠️ 2. 用户名可疑 + 仓库年龄浅

3. 0 watchers / 0 open issues / 5 forks

4. 缺实战部署文档

5. 隐私保护不错，但资源完整度不够

八、总结

参考

近期文章

近期评论