你是否遇到过这样的困扰：用 AI 生成应用时，代码出错了却不知道问什么问题？AI 给了 N 个解决方案，但不知道哪个是对的？

很多非技术人员在用 AI 编程时都会遇到这样的痛点：

• Debug 困难：页面显示异常，但不知道问题出在哪一层（前端？后端？还是部署？）
• 提问不准确：不知道如何描述问题，让 AI 能理解并给出准确答案
• 学习路径模糊：知道需要学一些基础，但不知道从哪开始，学什么才够用

今天，我将为你分享一套系统的方法，从基础概念到调试技巧，再到后端方案，让你从"能生成应用"到"能做出真正可用的应用"。

最近帮朋友看了几个用 AI 做的项目，发现一个有意思的现象：

代码能跑，功能也有，但就是...不能用。

不是技术问题，是别的问题。

用 Spec 工作流写了几个月代码之后，我一直在想一个问题：这套"先写需求、再写设计、再拆任务"的流程，为什么有效？

直到我翻到 Gojko Adzic 的《实例化需求：团队如何交付正确的软件》，才把这件事想明白。Kiro 的 Spec 工作流，背后正是 SBE（Specification by Example）方法论。这篇文章把两者的关系讲清楚，也解释你的 AI 编程为什么总在返工。

我用 AI 编程一年多，最深的体会是：vibe coding 一时爽，项目一复杂就露馅。需求一句话带过，AI 按自己的理解开干，出来的东西总差那么一点。你让它改，它改了这里崩了那里。几个来回下来，代码量翻了三倍，能用的功能没多几个。

后来我想明白了：问题不在 AI 写不好代码，在我说不清要什么。

Kiro 的 Spec 工作流就是来解决这个的。下面从头拆一遍。