从 Vibe Coding 到 Spec Coding：Trellis 如何解决 AI 编程的“失忆”与失控

随着 Claude、Cursor 等 AI 编码工具的普及，一种被称为“Vibe Coding”的开发模式日益流行。开发者只需将需求抛给 AI，即可快速生成代码。然而，这种短平快的模式在长期项目和团队协作中暴露出严重弊端：由于缺乏持久的工程上下文，AI 每次对话都像新同事入职，导致代码重复、逻辑碎片化，最终堆积成难以维护的“屎山”。此外，针对特定工具（如 `.cursorrules` 或 `CLAUDE.md`）的规则配置无法跨平台复用，加剧了协作壁垒。本文作者提出了“Spec Coding”的解决方案，并重点介绍了工具 Trellis 的实践。Trellis 被定义为一个 AI“马具”，它将项目规范、任务状态和工作记忆从临时对话中剥离，沉淀到项目文件系统（`.trellis/`）中。其核心机制包括：在会话启动时恢复项目上下文以缓解“失忆”；跨平台共享规范，允许团队成员使用不同的 Agent 工具（如 Cursor、Claude Code、Codex）协作；以及形成从计划、执行、检查到归档的完整闭环。Trellis 强调根据任务复杂度动态决定是否创建任务，既保留了简单任务的灵活性，又为复杂功能提供了结构化的约束。通过将规范文档化和流程化，Trellis 试图解决 AI 编码中会话状态丢失和工具碎片化的问题，为长期维护和团队协作提供了工程化的解决方案。

事件分析

💡 核心观点：AI 编程的瓶颈已从模型智商转向工程结构，Trellis 通过“马具”机制将上下文持久化，标志着 AI 开发从对话式娱乐迈向工程化实战。