acmookey

@icyalala 我让 AI 总结了这篇文章，它的核心意思是“写完整的规范文档不再是最有价值的活动，而是用更高层次的意图表达和模型协同来实现规范的收敛。”我认为它强调的重点是：spec 的粒度可以更粗而不是 spec 的重要性下降了

个人项目使用 openspec 的 workflow （感觉治理太重了）：
1. OpenSpec 适合做 spec 基座，相当于项目开发过程的记忆层，但记忆是片面的、有时效性的，只能说明当时为何产生那样的决策。

2. 工作流从`opsx-explore`起手，多轮探索收敛需求后通过自定义命令给出`结构化 contract`并 handoff 给 opsx-ff/opsx-continue 产生工件
- 如果需求不明确，先大致描述需求方向，让 AI 出草案，多轮探索收敛需求边界、实现骨架。
- 如果需求过大，使用自定义命令切分成多个原子化需求（小步前进，加速收敛边界），避免探索认知负担过大 以及 引申而来的更多未定边界。
- 如果需求明确，把需求描述中未定边界和潜在的实现漂移点找出来，收口边界，风险点加上护栏。

3. 工件（ proposal/design/tasks/specs ）是 change-local apply 的主要执行上下文（还有 codebase ），apply 的质量锚定于 change-local 工件的质量，利用 `openspec/config.yaml` 对工件的生成形成硬约束，例如：design.md 中不应该包含具体的代码（影子代码风险），而是给出一定粒度的实现骨架（按照骨架执行减少实现漂移）

4. 如何在产生 change-local 工件时把`archived changes`（记忆层）利用起来？我的做法是按需提取 ADR （架构决策记录）形成稳定判例（就像人睡觉时 REM 期会整理压缩记忆），再通过 AGENTS.md 增加文档治理的认知路由，让 openspec 产生工件时可以参考 ADR ，避免相似的问题重复决策。

5. apply 完成后，如果 review 发现问题需要在当前 change 收口，再跑 opsx-explore -> opsx-continue -> opsx-apply 进行修正。

6. review 无问题后，执行 opsx-sync 将 change-local spec 合并到 main specs 时需要筛选掉 临时护栏 或者 非业务 spec 。 （ openspec 合并 main spec 确实容易越堆越多，形成治理债务）

vscode+opencode+cpa 反代+OMO-slim+openspec

@gumayusi
你是人机协作主事，代码是哪个 AI 写的？你是你统管的 AICoding 写的。

代码的这个理解负担是谁带来的？是你亲自指使 AI 写出来的。

那这代码出了纰漏，该谁去查？该谁来担？——还分什么真人、AI 。

……好个分得清楚——到头来，倒只你一个，是既能写、又能查、还能担的“能臣”。

这个挺好用的啊，使用它的 `Custom commands` 加一个 curl 命令脚本，可以把通知发送到手机上（ via self-host ntfy server ）

self-host memos

@cin 不错啊，还能有申请渠道，上个月我跟客服磨了一下午才同意退给我。

1. 丢给 AI 去实现没错，但是可以在设计和验收阶段多参与，就像人类棋手现在都要和 AI 对战训练，目的是为了从 AI 那里学到东西提升上限。
2. GPT-5.4 可以试试（开个 ChatGPT Plus 20 刀 或者 🐟 先体验），它的使用体感已经能够进行一部分脑力外包帮你生成决策草案（ Opus 太贵了，没怎么用过）。
3. token 消耗的多通常是编码部分比重大，可以开个 10 刀/月的 copilot pro 用来进行编码（相当于 300 次 GPT-5.4 月度调用 或者 100 次 Claude-Opus-4.6 ）。它是 request based 的月度计费方式，用 GPT-5.4 high or xhigh 去实现已经收敛的需求方案只消耗一次计费额度（即使这个实现要耗费几个小时）。长时间任务可能遇到上下文压缩，压缩后会增加一次请求，可以加上自动裁剪上下文的插件自动压缩减少额外请求。
4. ChatGPT Plus/Team 制定方案 + Github Copilot Pro 执行编码，个人项目感觉够用了。Copilot 还提供了 Claude Opus/Sonnet, Gork, Gemini ，完全可以先免费体验一个月再决定 :)

去 zai 看了下，Pro 的价格已经彪到 72 刀/月了，bigmodel.cn 还没涨价。Overload 太多了，跑分高也用不上，哈哈。