ai-spec est un pipeline de développement piloté par l'IA — d'une simple exigence à du code revu, couvert par des tests et aligné sur la spec, en quelques minutes.
Tous les outils de codage IA font face aux mêmes limitations structurelles. ai-spec est conçu pour les résoudre.
Un pipeline en 10 étapes entièrement automatisé, de l'idée au code revu, noté et prêt pour la production.
Scanne les routes, schémas, dépendances, middlewares et la constitution du projet. Chaque prompt est ancré dans votre vrai codebase — pas un template générique.
Génère une spec Markdown lisible et la décompose en tâches ordonnées : data → service → api → view → route → test. Un seul appel IA, sortie complète.
L'IA raffine la spec et affiche un diff coloré. Vous approuvez, rejetez ou demandez des changements. Plusieurs tours supportés — aucun code n'est écrit avant que vous le disiez.
Extrait un JSON SpecDSL — modèles, endpoints, behaviors — depuis la spec. Validé par un ensemble de règles structurelles. Source unique de vérité pour codegen, tests et exports.
Génère fichier par fichier dans l'ordre des dépendances. Les exports de chaque fichier terminé sont mis en cache et injectés dans les prompts suivants — éliminant les hallucinations entre tâches.
Lance npm test / lint / tsc, parse les erreurs par fichier, et envoie des correctifs IA ciblés avec le contexte DSL. L'ordre de réparation trié par dépendances maximise l'efficacité de chaque cycle.
Pass 1 : architecture & conformité à la spec. Pass 2 : justesse d'implémentation & cas limites. Pass 3 : rayon d'impact, score de complexité, risque de breaking change.
Note sur 4 dimensions : compliance (30%) + couverture DSL (25%) + compilation (20%) + review (25%). Lié au hash du prompt — suit la qualité dans le temps, zéro appel IA.
Chaque fonctionnalité répond à une vraie douleur du développement assisté par IA.
Base de connaissances auto-évolutive (§1–§9) injectée dans chaque prompt. Scanne routes, middlewares, schémas et conventions à l'init. Devient plus intelligente à chaque review via l'accumulation de leçons en §9.
ai-spec initSpec Markdown lisible par l'humain pour que les ingénieurs revoient et s'alignent. JSON SpecDSL lisible par machine pour les outils. Les deux versionnés, auditables. Codegen, tests et exports partagent un seul contrat.
Spec + DSLDSL Gap Loop : détecte les contrats clairsemés avant codegen et déclenche un enrichissement ciblé de la spec. Review→DSL Loop : les problèmes structurels remontés à la review reviennent dans le contrat — la prochaine run démarre plus propre.
Auto-correctifEnregistre les vraies réponses IA à la première run. Les rejoue de manière déterministe dans les runs suivantes — zéro appel API, zéro coût. Itérez sur la logique du pipeline et l'UI sans brûler de tokens.
ai-spec create --vcr-recordLa review humaine intervient au bon moment : la spec est claire et le DSL est valide, mais avant qu'aucun code ne soit écrit. Abort = zéro résidu disque. Continuer = chaque étape a un contrat vérifié à suivre.
[Gate] checkpointChaque correction d'import réussie est ajoutée à un journal. À la prochaine run de codegen, une section "DO NOT REPEAT" est automatiquement injectée dans les prompts — empêchant la même hallucination de revenir.
v0.54+ apprentissage à coût zéroChaque run reçoit un RunId unique. Avant qu'aucun fichier ne soit écrit, le contenu original est snapshotté. Une commande restaure tout votre repo à l'état pré-run — précis au fichier, précis à la run.
ai-spec restore <runId>Gemini, Claude, OpenAI, DeepSeek, Qwen, GLM, MiniMax, Doubao, MiMo. Mélangez et combinez : un modèle pour la génération de spec, un autre pour le codegen. Override de fournisseur par run supporté.
--provider --codegen-providerLe seul pipeline qui relie votre backend et votre frontend — automatiquement.
Après la génération frontend, le vérificateur cross-stack scanne chaque appel API du code frontend et le confronte au DSL backend. Routes fantômes (endpoints hallucinés), méthodes HTTP non concordantes et chemins concaténés sont tous détectés et reportés avant que vous ne pushiez.
Le SpecDSL n'est pas juste pour le codegen — il alimente tout votre workflow de développement.
DSL → YAML ou JSON prêt pour la production. Branchez directement à Postman, Swagger UI ou n'importe quel générateur de SDK.
DSL → mock server Express + handlers MSW + config proxy Vite. Développement frontend sans attendre le backend.
DSL → interfaces typées, types request/response, et constantes d'endpoints API. Partagés entre frontend et backend.
Génère un dashboard de qualité HTML statique. Suit les scores harness, les taux de compliance et les tendances de review sur toutes les runs.
Chaque étape est visible, chaque décision est auditable. Pas de boîte noire — vous voyez exactement ce qui se passe, ce qui a été noté comment, et ce qui a été corrigé automatiquement.
[1/10] Loading project context... Constitution : ✔ found (§1–§9) Tech stack : vue · vite · pinia [2/10] Generating spec with glm/glm-4.5... ✔ Spec generated ✔ 8 tasks [3.4/10] Spec quality assessment... Coverage [██████████████████░░] 9/10 Clarity [████████████████░░░░] 8/10 [Gate] Approval Gate — awaiting decision ✔ Approved — continuing... [DSL] Extracting structured contract... ✔ DSL valid — Models: 3 Endpoints: 7 [6/10] Code generation (8 files)... ✔ service · src/api/task.ts ✔ api · src/stores/taskStore.ts ✔ view · src/views/TaskList.vue ████████████████████ 100% [8/10] ⚠ 3 errors — auto-fixing cycle 1... ✔ All errors resolved in 1 cycle [9/10] 3-pass code review... Pass 1 ✔ Architecture aligned Pass 2 ✔ Implementation correct Score [████████████████░░░░] 8.2/10 [10/10] Harness Self-Evaluation... Total [██████████████████░░] 92/100 ✔ 2 lessons → constitution §9 RunId: 20260409-143022-a7f2
ai-spec transforme la qualité de génération de code en données — comparables, traçables, améliorables dans le temps.
Suivez la qualité sur toutes les runs. Voyez si votre pipeline s'améliore.
Chaque étape est chronométrée et loggée dans .ai-spec-logs/<runId>.json.
Le score harness est déterministe — aucun appel IA après la fin de la génération.
Vous n'aimez pas le résultat ? Une commande restaure tous les fichiers modifiés à leur état pré-run.
Utilisez n'importe quelle combinaison de fournisseurs. Mélangez un modèle de raisonnement pour la spec avec un modèle rapide pour le codegen.
Installez globalement, définissez votre clé API, enregistrez un repo et commencez à livrer.