用OpenSpec+Cursor周末搓了AI漫剧工具（附源码）

结合OpenSpec，可以大幅提升vibe coding的质量

一段话说重点：作为软工实验室背景的研发，从不会轻易相信聊天vibe coding是个靠谱的事，不仅用ai辅助写代码，之前也尝试了几次小项目的vibe coding。我还是相信需要人输入详细的需求&设计，规范AI的上下文和具体执行，以及做好验证，才能让AI达到一定的质量和效率。

开头

周末带娃，之前用oii，觉得好玩，就顺便用AI写了个漫剧工具，之前也研究了一个做短剧agent的代码流程，这次先没做agent，而是跑通漫剧的流程。还顺便用了OpenSpec，来改善vibe coding（氛围编程）的不靠谱。

主要还是想自己玩玩，就自己写需求，让AI来干活实现掉，因为之前用vibe coding做了一些微信小游戏、或者一些游戏原型的实现，或者一些工具、算法等，还是发现了一些问题，就想试下OpenSpec规范下整体软件开发的流程。

编程工具，cursor

辅助，OpenSpec，不过我用的中文版

开发技术栈，python的fastapi+html

ai的api，openrouter和wavespeed

最终效果：

为什么要用OpenSpec

vibe coding写代码会遇到一些问题，如果不了解vibe coding的可以了解一下，也就是所谓的氛围编程。

• 如果给短的需求描述，ai会自我发挥，会实现混乱
• 如果给长的需求描述，上下文多了，ai会忘记，会漏掉需求
• 时间长了，人和ai都忘了需求了。难追溯，上下文多了也会出遗忘、注意力分散等各种问题
• 人要不停的跟ai聊天，也挺累的

软件一般如何开发，用大白话说

• 前期会有外来需求评审/宣讲，研发需求做需求理解与分析
• 理解需求后，研发需要再结合UI/UX做设计，抽象以及未来扩展，前后端的接口时序，数据库设计等
• 然后才开始写代码，写代码过程中也会自测与重构
• 都完成的做自测和前后端联调，正式提测。

普通的vibe coding问题比较多，所以现在专业使用sdd，spec-driven development，提前做好约束，让ai按照约束执行，效果就会好很多。

什么是OpenSpec

说白了就是按照理解定义了一个vibe coding的标准，有助于先做需求分析和设计，列好task，按照task一条条执行，最后再归档需求，为后续开发提供上下文。整体思路是符合软件工程思想的，未必有多好一定是银弹什么的，但是肯定比一般聊天聊出来的要靠谱和省心。

具体使用OpenSpec的指令开发核心用的3个指令，分别是：

• openspec-proposal 用来提一个需求，OpenSpec会将需求分析整理成每个模块的spec需求、做design设计、整理task任务。这时候可以仔细review几个文档的实现，我比较懒，虽然几乎也都概览了下，但是比较少认真review，如果是正式的项目，这个环节应该要非常认真的确认。

• 

• openspec-apply 让ai执行需求实现，会按照task的list一条条的落地，我跑了差不多10几次proposal，可以看出来执行的非常不错，有时发现实现的功能不够好，结果发现是我需求写漏了。

• • 这个过程也会比较长，该玩游戏玩游戏，该带娃带娃，不过大部分时间我是接下来写后续的需求，因为写需求也需要很长的时间啊🤷🏻‍♀️。
  • 执行完成后，可以做验证，我也写了一点test，不过后来用的比较少。

• openspec-archive 将这个需求归档，会将需求合入到主干需求中，这样软件开发过程中的文档资产及都积累下来了。这个是软件工程领域里非常重要的事情。这里不细展开了。
• 最后就可以提交git了，我建议这里提交git，防止后续出现什么问题。因为我发生过直接点了undo，结果代码都没了。或者ai把代码改坏了，又折腾比较久，发现ai改不好，也可以直接放弃这些代码。

官方的英文流程，get一下流程。

翻译成中文流程。

创建的几个具体的文件，其实看内容也能具体看出来。

重要的文件还有openspec/project.md 和 openspec/AGENTS.md，分别是项目级约定与背景文件，和面向 AI 的说明文件，都是openspec初始化时生成的，project文件可以持续优化或者让ai帮忙丰富。

详细的也可以多看看其他介绍，然后我看英文也嫌累，毕竟中文是世界上第二大语言（笑），看到有中文版就用了中文版，用下来觉得效果还是不错的。

OpenSpec中文版

npm安装OpenSpec中文版

npm install -g @studyzy/openspec-cn

项目根目录初始化

cd myproject
openspec-cn init

初始化一下，CLI 会询问你正在使用的 AI 助手（如Cursor、Claude Code、VS Code 等），我就是选cursor：

项目根目录自动生成 openspec/ 目录：

• openspec/project.md：项目级约定与背景
• openspec/specs/：当前真实的功能规范
• openspec/changes/：新的变更提案

包括上面说的生成面向 AI 的说明文件 openspec/AGENTS.md等

为支持的工具安装或更新 OpenSpec 相关的斜杠命令（/openspec:proposal、/openspec:apply、/openspec:archive）

命令

# 查看当前有哪些活跃变更
openspec-cn list

# 查看当前已经存在的规范能力
openspec-cn spec list --long

# 打开交互式仪表盘（终端 UI）
openspec-cn view

这个就是可以查看变更的列表了，结果发现我活都干完了，竟然还有几个change的task没干完，果然边干活边干别的会漏掉东西。

怪不得我发现这几个change还没close，仔细看了下，这也是个坑，因为openspec的apply干完活，我以为就真的干完了，实际上测试部分的task还没干，我当时没注意。

好在问题不大，我都自己验证过了，然后就手动close了。这样就没有遗留的活跃的变更了。

如果第一次在项目里使用 OpenSpec-cn，可以在 openspec/project.md，补充项目说明、技术栈和约定，当然这一块也可以自己先简单写一些，然后让ai干，自己检查一下

如果当前项目有代码，可以让ai的ide比如cursor之类的，基于当前项目做总结

“请阅读 openspec/project.md 和 openspec/AGENTS.md，并帮我总结这个项目的上下文和规范驱动开发流程。”

具体干活就是上面说的那3个重要的命令，proposal、apply、archive，然后多git提交存档，干就好了。

写需求

写了不少需求描述，同时也带了一些ui交互的设计性描述，因为只写需求吧，不可能什么都让openspec自由发挥。

另外如果有ui稿子是可以提供给cursor参考的，我是做工具性尝试，大概脑子里想了页面结构，样式不太重要，就直接让openspec干了，过程中其实openspec会给出一些设计的页面布局，例如：

基于OpenSpec的流程，一个个需求来落地。

大概就是写需求文档要花比较多时间，执行proposal要比较多时间，apply要更多的时间，我自己验证的时候用要花一些时间，以及毕竟需求总是写的不够完善，apply之后还不断做了一些小调整和问题修复。

对时间统筹兼顾一下就是，执行proposal和apply，我就写下一个需求了，apply之后密集的验证和修复，修复时间长就继续写需求。

下面这个是我写的需求的一部分。

这些是git的提交记录，都让ai写的描述，人为懒，但是看效果还不错吧，比以前每次提交git时想comment舒服多了。

因为是第一次尝试openspec，且做的东西比较简单，属于尝试的，所以整体流程我也跑的比较快，部分环节没有做非常仔细的校验。但是最后整体效果和质量，比以前简单的vibe coding效果还是好了很多，真的好了很多，质量好了，速度也就快了。

一些好玩的设计

素材自动关联

我做了素材自动关联的能力，假如我人设做了童年刘禅、成年刘禅，那么如果分镜会根据情况自己去选择关联哪一个，不会说只关注刘禅，于是弄了个老头的图片当小孩叫刘备爸爸。当然也可以手动做二次处理

预览功能

生成了很多视频片段后，如何预览整体的效果呢，oii是花了时间合成一个视频，我想了下，因为还涉及字幕问题，字幕可能需要在剪辑工具比如剪映上搞。我实现方案就把视频一个个按顺序播起来，然后把字幕也加在预览上，直接可以看效果。细节是，字幕需要跟视频对齐的，比如一个字幕是这个视频2秒-3秒播放，第二个字幕是4-5秒播放，那么都可以正确的预览看效果，与画面对应的。

这些功能也是我自己写下来让ai干的，过程中有点坎坷，ai出了一些问题，不过好在也调试明白了。

其实其他也有一些，反正边想边优化一些好玩的feature，然后快速落地看效果是挺有满足感的。比如做多参，做流程。

附代码git和使用

有些同学想看下代码，我本来合计挨个私发，好像也不太方便，还是放github上吧，代码基本除了部分sample外，全是AI写的，参考价值有限，玩玩还行，另外后面要做好是要深入优化提示词的，正好元旦放假了就没开始搞。

代码我扔github上了，平时不怎么参与开源项目，所以没什么规范，说不定对某些0-1的项目有点作用。 GitHub - madcloudsong/comicmaker: a toy of comic maker · GitHub

不方便用github的，也可以直接私信发送漫剧，发网盘链接。

这是个toy。要跑起来可以看readme，起个前端服务，起个后端服务就能跑起来，早期vibe coding写复杂框架的容易出问题，为了方便，没用啥前端高级的工程框架，原生js+css，后面可以考虑找个组件库重构下，因为做好规范和上下文，以及现在的ai能力，可以胜任了。

另外server/config/config.yaml里的一些ai的key需要填上，比如生图生视频我用的wavespeed的封装api，之前研究一个agent项目时看别人用的，wavespeed_api字段要填上key。LLM的我用的openrouter的封装api，访问gpt方便一些，填在openai_api_key字段上。

以及阿里云oss的key和bucket，需要开公共读，用来做图床，给一些图和视频模型用来访问图的，内在代码逻辑是先上传到oss，然后把链接给到生图生视频接口。

如果要了解wavespeed的api使用，比如seedance的文档 Bytedance Seedance V1.5 Pro Image To Video API Documentation - WaveSpeedAI

如果要对接其他的ai接口，就把接口做下适配就好了。

结语

用openspec撸了一个AI漫剧工具后，有几点体会：

• OpenSpec写代码不错，需求落地的代码，成功率很高，比之前纯vibe coding还是省了不少事的。
• 研发还是要更清晰的了解业务，架构的设计，去给ai设置一些边界，这样才可控。纯ai的天马行空，大概率不会符合诉求，只能让外行人觉得好酷。
• 其实也有一些其他的，比如speckit之类的，大家思路大体上差不多的，有的是各有侧重，因为软工学术圈一直都很重视ai时代的智能化软件开发。
• ai时代挺好的，需要勇于动手，勇于实践，充满热情，后续可以用sdd的方式开发一些其他好玩的小项目。

后续一个是做了一些思考，应该要做大的重构，觉得应该把分镜等某些功能做好才有用，把素材关联做的更好一些，设定做成子结构，有利于管理，以及优化前端样式。

另外准备尝试agent化，像oii似的用自然语言控制agent干活。