Anthropic工程师都在用的AI编程秘技！让AI"采访"你做出完美应用

引言

在使用 AI 编程工具时，很多人习惯直接抛出一个模糊的需求，然后期待 AI 能“猜”出完美的实现。但结果往往是：AI 写出的代码和你心中所想相去甚远，于是陷入无尽的修改循环。

今天介绍一个来自 Anthropic 工程师的高效技巧——规范驱动的访谈式开发。这个方法的核心思路是：让 AI 先系统性地“采访”你，把零散的想法整理成一份完整细致的规范文档，然后再根据这份规范去实现应用。

这个技巧适用于 Claude Code、Codex、Cursor、Augment 等多种主流 AI 编程工具。

核心理念

什么是规范驱动开发？

规范驱动开发的流程可以概括为三个阶段：

起点：给 AI 一个简短但方向明确的初始说明
访谈：让 AI 使用 askUserQuestionTool 对你进行系统化采访，问题涵盖功能、交互、视觉、技术实现等各个方面
输出：AI 将问答整理成结构化的规格文档，再据此实现应用

这里提到的 AskUserQuestionTool 是 Claude Code 推出的交互式面板工具，允许用户通过单选、多选等方式快速回答问题。虽然这个工具只在 Claude Code 中原生存在，但只要在提示词中说明“请先像 AskUserQuestionTool 那样采访我、把需求问清楚再写规范”，其他 AI 工具通常也能理解并配合执行。

为什么这个方法有效？

消除歧义：通过系统性提问，确保 AI 真正理解你的需求
覆盖盲区：AI 会问到很多你可能没想到的细节和边缘情况
提高质量：基于完整规范的实现，比基于模糊描述的实现质量高得多
减少返工：前期多花时间在需求澄清上，后期修改成本大大降低

实战案例一：macOS 新年焰火应用

访谈过程

以制作一个 macOS 新年焰火应用为例，整个访谈过程分为五个部分：

第一部分：技术与平台信息

目标平台是 iOS、macOS，还是需要多平台适配？
应用需要支持怎样的屏幕方向？
焰火效果的核心视觉希望是写实、卡通还是艺术化？
画面里除了焰火，还需要城市天际线、文字等元素吗？

第二部分：技术实现细节

粒子系统和物理模拟应该到什么程度？
性能要求如何？
是否要区分不同类型焰火的轨迹和爆炸方式？
“新年快乐 2026”这段文字应该如何与焰火配合展示？

第三部分：视觉细节与体验流程

背景如何设计？
时间线怎样推进？
是否需要不同阶段的氛围变化？
完整的焰火发射逻辑是什么？

第四部分：交互细节和技术考量

退出应用时的界面和控制方式
是否需要快捷键、调试开关？
项目结构和代码风格偏好

第五部分：最终确认

控制面板里需要哪些选项？
默认值是什么？
遇到异常状态时如何处理？

整轮访谈下来，AI 一共提出了 39 个问题，几乎把每一个可能的细节都覆盖到了。

构建过程

拿到规范文档后，新开一个对话窗口，将文档交给 Claude Opus 4.5，并提示使用 XcodeBuildMCP 工具。这个 MCP 的优势在于：可以在后台创建 Xcode 工程、添加文件、执行构建，全程无需打开 Xcode 程序。

https://github.com/cameroncooke/XcodeBuildMCP

AI 制定了 9 个步骤的开发计划，然后开始自动执行：

调用 MCP 创建项目
逐步生成核心代码文件
遇到构建错误时自动发现并修复
在“发现错误—修复—再次构建”的循环中持续迭代

迭代优化

基础版本完成后，根据体验反馈继续优化：

增强上海天际线的表现，加入灯光效果
提升焰火的亮度和火花细节
让“新年快乐 2026”配合更大、更绚丽的焰火出现
生成应用图标并打包安装

最终效果

点击屏幕任意位置发射焰火，每点击 20 次触发多重烟花模式
鼠标移到右侧边缘弹出控制面板，提供 6 种焰火样式（心形、双层、纵向拉伸等）
背景隐约可见东方明珠和上海中心大厦的剪影
整体氛围契合新年气氛

实战案例二：Three.js 冬季小屋场景

基于现有文档的访谈

这个案例展示了另一种使用方式：对一份已有的计划文档进行深度访谈补充。

项目是一个基于 Three.js 的冬季小屋场景，初步计划包括：

添加极光天空效果
丰富室内圣诞装饰
实现景深缩放功能

让 Claude Code 读取这份计划文档，然后调用 SPEC interview skill 展开访谈：

极光相关

视觉风格偏现实还是梦幻？
颜色和流动节奏的感觉
实现方式和性能约束
是否根据时间或用户操作动态变化？

室内装饰相关

除了圣诞树还有哪些元素？（壁炉、礼物、摆件等）
空间布局偏好
室内光影是否受壁炉火光影响？

镜头与交互

相机从室外推入室内时，外部场景如何处理？
窗外是否继续可见极光？

实现效果

将完善后的规格文档交给 Claude Opus 4.5，生成的场景包含：

画面上方紫色调的极光缓慢流动
滚动滚轮推入小屋内部
圣诞树、壁炉和玻璃窗户
窗外仍能看到极光变幻
小火车沿 8 字轨迹绕场景运动
小熊和礼物包装盒等细节

不同 AI 的效果对比

将同一份规范文档发给 GPT 5.2 Codex 进行对比测试：

Codex 能完成基础功能和结构
但存在明显闪烁、圣诞树造型不够美观、礼物包装盒细节有问题
在这个具体项目上，编码表现不如 Claude Opus 4.5

值得一提的是，访谈技巧同样可以在 GPT 5.2 Codex 中使用。虽然它本身倾向于简洁回复、较少主动提问，但通过专门的 skill 引导，也能被激发出系统化的访谈能力，提出 15 个连续的问题。

实践建议

如何开始

准备初始说明：写一段简短但方向明确的需求描述
触发访谈：在提示词中明确要求 AI 先进行系统化采访
认真回答：访谈过程中尽量详细地回答每个问题
审阅规范：检查生成的规范文档是否准确反映你的需求
开始实现：将规范文档交给 AI 进行代码实现

提示词模板

请阅读这份 @SPEC.md 文件，并使用 AskUserQuestionTool 针对任何方面对我进行详细访谈：包括技术实现、UI 与 UX（用户界面与体验）、潜在疑虑、权衡取舍等，但请确保提出的问题不是那种显而易见的问题。

请保持极高的深度，并持续对我进行访谈，直到内容完整为止，最后再将规范说明（Spec）写入该文件中。

适用场景

这个方法特别适合：

想法还比较模糊，需要帮助梳理的项目
涉及较多细节和交互的应用
希望减少后期返工的正式项目
多人协作时需要明确需求边界

总结

让 AI 不只是帮你写代码，而是先把你真正想要的东西问清楚，再帮你一步一步落地实现。

头条 Anthropic工程师都在用的AI编程秘技！让AI"采访"你做出完美应用

引言