GSD 深度解析：一个不住代码的 House DJ，如何重新定义 AI 编程的工作流

# GSD 深度解析：一个不住代码的 House DJ，如何重新定义 AI 编程的工作流 > **项目**: GSD (Get Shit Done) —— 上下文工程与 spec-driven 开发框架 > **创始人**: Lex Christopherson，网名 TÂCHES / glittercowboy > **背景**: 住在哥斯达黎加的 house music 制作人，自称"我不写代码" > **GitHub**: [gsd-build/get-shit-done](https://github.com/gsd-build/get-shit-done)，5.4万+ Star > **首次提交**: 2025-12-14，4 个月从零到 5.4 万星 > **安装**: `npx get-shit-done-cc@latest` --- ## 一、最反直觉的开头 **Lex Christopherson 住在哥斯达黎加，本职是 house music 制作人，艺名 TÂCHES。他在 GitHub 的自我介绍写着："我是一个独立开发者。我不写程序，Claude Code 帮我写。"** 就是这么一个"不写代码的人"，在 4 个月里做出了 GitHub 上 5.4 万颗星的框架。Amazon、Google、Shopify、Webflow 的工程师都在用。 这个反差本身就说明了问题：**AI 编程的门槛已经低到了什么程度，以及为什么"会写代码"不再是稀缺能力，"会组织代码生产"才是。** --- ## 二、火箭增长不是运气 2025 年 12 月 14 日，Lex 第一次提交代码。2026 年 4 月，5.4 万星。 这个增长速度不是"爆款视频"式的偶然传播，而是**需求驱动**。每一个用过 Claude Code 做复杂项目的人，都遇到过同一个问题——context rot。 ### Context Rot：不是玄学，是物理 社区测试的数据很清楚： | 上下文利用率 | 表现 | |------------|------| | 0-30% | 巅峰质量。全面、细致、记得住一切 | | 50%+ | 开始赶工。"我会更简洁。"偷工减料 | | 70%+ | 幻觉。遗忘约束。偏离规范 | 你开头说"用 jose 做 JWT，不要用 jsonwebtoken 因为 CommonJS 问题"，写到第 50 个任务时，Claude 突然给你装了一个 jsonwebtoken。**不是它变笨了，是你的指令在 200K token 的窗口里被稀释了。** 这不是 Claude 的 bug，这是**所有 LLM 的物理限制**——注意力机制在长序列上必然衰减。 Lex 的洞察是：**不要试图修复 LLM 的注意力衰减，而是绕过它。** --- ## 三、核心解法：把工作切成原子，每个原子配一个干净大脑 GSD 的架构可以浓缩成一句话：**每个任务都开一个全新的 Claude 实例，拿到干净的 200K 上下文窗口。主对话只做调度，负载维持在 30-40%。** ### 六条命令驱动整个工作流 ``` /gsd-new-project → 启动新项目，AI 反复问你直到搞清楚要做什么 /gsd-discuss-phase → 讨论阶段，捕捉实现决策（布局、API、内容系统） /gsd-plan-phase → 研究 + 规划，生成 2-3 个原子任务计划（XML 格式） /gsd-execute-phase → 并行执行所有计划，每个任务 fresh context /gsd-verify-work → 验证：自动测试 + 人工确认 /gsd-ship → 创建 PR，自动生成 body ``` ### 一个具体例子：做登录功能 **错误做法**：直接说"帮我写个登录"，让 Claude 在一个会话里把数据库、API、前端全做了。到第三个小时，它忘了你用 jose 不用 jsonwebtoken，忘了密码要 bcrypt 而不是 md5。 **GSD 做法**： 1. `/gsd-discuss-phase` → 确认"邮箱+密码"还是"OAuth"，确认前端表单布局 2. `/gsd-plan-phase` → 生成 4 个原子任务：数据库 schema、密码哈希、JWT 签发、前端表单 3. `/gsd-execute-phase` → 4 个并行 subagent，每个只看到一个任务 + 相关文件 4. 每个任务完成后**立刻一个原子 git commit** 5. `/gsd-verify-work` → `curl -X POST localhost:3000/api/auth/login` 验证 **第 50 个任务和第 1 个任务质量相同**，因为第 50 个任务跑在全新的上下文窗口里。 --- ## 四、架构解剖：从 Markdown 提示词到 TypeScript SDK GSD 的演进本身就有信息量。 ### v1：纯 Markdown 提示词（2025-12） - 靠 LLM "读懂提示词然后乖乖照做" - 上下文管控靠 LLM 自律 - crash 后从零开始 - 没有成本追踪 ### v2：TypeScript SDK（2026-01 起） - 直接在代码层面控制 agent session - 强制清除上下文、注入文件、管理 git 分支 - 自动从断点恢复 - 内建 token 和费用监控 - 原生支持 wave-based 并行 - 自动检测 stuck loop **这个演进说明了一个重要趋势**：prompt engineering 不够用了。当 AI 编程从"玩具"变成"生产工具"时，你需要的是**代码层面的编排系统**，而不是更长的提示词。 ### 多 Agent 编排： thin orchestrator + 专业 subagent | 阶段 | Orchestrator 做 | Agents 做 | |------|---------------|----------| | 研究 | 协调、呈现结果 | 4 个并行 researcher 调查技术栈、功能、架构、坑 | | 规划 | 验证、管理迭代 | Planner 创建计划，checker 验证，循环直到通过 | | 执行 | 分组为 waves、追踪进度 | Executor 并行实现，每个 fresh 200K context | | 验证 | 呈现结果、路由下一步 | Verifier 检查代码，debugger 诊断失败 | 主 session 永远不会做重活。它只 spawning agents、等待、整合结果。这意味着你可以跑完一整个 phase（深度研究 + 多个计划创建和验证 + 数千行代码并行执行 + 自动验证）——**而你的主上下文窗口始终保持在 30-40%。** ### 文件系统：AI 的外部记忆 GSD 不是把状态存在对话里，而是存在磁盘上的文本文件中： | 文件 | 作用 | |------|------| | `PROJECT.md` | 项目愿景，始终加载 | | `REQUIREMENTS.md` | 范围明确的 v1/v2 需求，可追溯到 phase | | `ROADMAP.md` | 要去哪、已完成什么 | | `STATE.md` | 决策、阻塞、位置——跨 session 的记忆 | | `PLAN.md` | 原子任务 + XML 结构 + 验证步骤 | | `SUMMARY.md` | 发生了什么、改了什么，写入历史 | | `research/` | 生态知识（技术栈、功能、架构、坑） | | `todos/` | 捕获的想法和后续任务 | | `threads/` | 跨 session 的持久化上下文线程 | **这就是给 AI 做的"外部存储"**。当新 session 启动时，它读这些文件而不是读 200K 的聊天记录。 ### XML Prompt 格式 GSD 不用 Markdown 写计划，用 XML： ```xml <task type="auto"> <name>Create login endpoint</name> <files>src/app/api/auth/login/route.ts</files> <action> Use jose for JWT (not jsonwebtoken - CommonJS issues). Validate credentials against users table. Return httpOnly cookie on success. </action> <verify>curl -X POST localhost:3000/api/auth/login returns 200 + Set-Cookie</verify> <done>Valid credentials return cookie, invalid return 401</done> </task> ``` LLM 解析结构化 XML 比自由 Markdown 更可靠。每个任务都有精确的指令、内置验证、明确的完成标准。 --- ## 五、原子 Commit 的妙处 每个任务完成后立刻一个 commit： ``` abc123f docs(08-02): complete user registration plan def456g feat(08-02): add email confirmation flow hij789k feat(08-02): implement password hashing lmn012o feat(08-02): create registration endpoint ``` **三个好处**： 1. **git bisect** 能找到精确失败的步骤——AI 引入 bug 时，你知道是哪一步 2. **每个任务独立可 revert**——某个功能不想要了，`git revert` 一个 commit 搞定 3. **Claude 的未来 session 能读清晰历史**——不用在 200K 上下文里翻聊天记录 这不是 GSD 的发明，这是**传统软件工程的最佳实践被 AI 重新发现**。 --- ## 六、我的独立判断 ### 1. GSD 不是"更好的 Claude Code 插件"，是"AI 编程的操作系统" 传统框架（如 SpecKit）是在 Claude Code 上**加功能**。GSD 是在**重新定义 Claude Code 的使用方式**——从"一个长对话"变成"一个编排系统"。 类比： - **不用 GSD**：像一个人连续工作 8 小时不休息，到第 6 小时开始出错 - **用 GSD**：像项目管理——项目领导定方向，每个开发者只做 45 分钟专注冲刺，然后交接给下一个 ### 2. "不写代码"的创始人反而看到了真正的问题 Lex 不是程序员出身，所以他没有被"代码应该怎么写"的惯性思维束缚。他看到的不是"Claude 还不够聪明"，而是"即使 Claude 很聪明，它在长对话里也会变蠢"。 这是**外行优势**的一个经典案例——没有领域偏见，反而能看到从业者习以为常的问题。 ### 3. v1→v2 演进揭示的信号：prompt engineering 正在让位于 agent engineering GSD v1 是 Markdown 提示词。v2 是 TypeScript SDK。**当 AI 编程从实验走向生产时，prompt 不够用，你需要代码。** 这个趋势在多个地方同时发生： - OpenClaw 的 ACP 架构（agent harness） - Claude Code 的插件系统 - GSD 的 SDK 化 未来 AI 编程的竞争不在"谁的模型更聪明"，而在"谁的编排系统更可靠"。 ### 4. --minimal 模式是最务实的工程决策 完整版 GSD 每次回合有 ~12k tokens 的固定开销（86 skills + 33 agents 的描述注入系统提示）。对于 32K-128K 的本地模型或 token 计费 API，这是致命的。 `--minimal` 模式把开销降到 ~700 tokens（仅 6 个核心 skill），**≥94% 降低**。 这不是妥协，这是**工程智慧**——认识到不同用户有不同约束，提供 tiered 方案。 ### 5. GSD 的真正成本不是 token，是时间 GSD 会增加 10-25% 的 token 消耗（来自规划文件、结构化提示、STATE.md 更新）。但它减少了总 session 数——你不用在"Claude 忘了需求"后重新解释一切。 更关键的是**时间成本**：GSD 不是"更快"，它是"更稳"。每个 phase 需要 45-60 分钟（30 分钟是 GSD 在工作，你在等待）。 对于小脚本或单文件修改，GSD 是过度工程化。对于多文件、多会话、多天的项目，它物有所值。 --- ## 七、争议：不是所有人都买账 Hacker News 上的批评声音： - **"GSD 是过度工程化的玩意"**：不仅没把事做完，还烧光了 token budget - **"简单任务用 GSD 像用坦克压蚂蚁"**：ceremony too much - **"Token 开销不可接受"**：完整版 ~12k tokens/回合的冷启动 这些批评是真实的，但**它们批评的是"用错场景"，不是框架本身**。GSD 自己也在 README 里承认："For a quick script or a single-file change, the phase-based workflow is overkill." ### 一个诚实的适用场景地图 | 场景 | 推荐方案 | |------|---------| | 单文件修改 / 小脚本 | 直接 Claude Code，不用框架 | | 1-3 个文件的 feature | `/gsd-fast`（跳过规划） | | 多文件、多 session 项目 | 完整 GSD workflow | | 长期维护的 production 项目 | GSD + atomic commit + verification | | Token 计费 API（如 GPT-4） | `--minimal` 模式 + RTK 压缩 | | 本地 LLM（32K-128K 上下文） | `--minimal` 模式 | --- ## 八、竞品一句话 | 框架 | 核心哲学 | 与 GSD 的区别 | |------|---------|--------------| | **BMAD** | 做加法：给你一整套 PM、架构师、Scrum Master 的 AI 团队 | GSD 做减法：只做调度，不重 | | **SpecKit** | GitHub 官方 spec-driven 工具 | GSD 说 SpecKit "把事情搞复杂了" | | **Superpowers** | 强制执行 TDD | GSD 不管测试纪律，管上下文 | | **GSTACK** | 角色治理 | 更偏向组织架构 | | **OpenSpec / Taskmaster** | 其他 spec 工具 | Lex 试过，说 GSD 效果最好 | **GSD 的核心差异化**：不追求"更全面的 AI 团队"，追求"每个任务拿到干净的大脑"。 --- ## 九、怎么上手 一行命令： ```bash npx get-shit-done-cc@latest ``` 会让你选 runtime（Claude Code / OpenCode / Gemini CLI / Cursor / Windsurf 等）和安装位置（global / local）。 **推荐起步**： ```bash npx get-shit-done-cc@latest --claude --global --minimal ``` 然后： 1. `cd your-project` 2. `/gsd-new-project` — 回答 AI 的问题直到它理解你的需求 3. `/gsd-discuss-phase 1` — 确认第一阶段的实现细节 4. `/gsd-plan-phase 1` — 让 AI 研究并生成计划 5. `/gsd-execute-phase 1` — 去泡杯咖啡，AI 会并行执行 6. `/gsd-verify-work 1` — 测试它做的对不对 7. `/gsd-ship 1` — 创建 PR --- ## 十、最厉害的哲学 TÂCHES 这个项目最厉害的地方不是技术，是**哲学**。 它告诉你：**AI 写代码这件事，瓶颈早就不在模型聪不聪明，而在你给它的结构。** Claude 是天才，但没有结构它就漂。Context 会腐烂。会话变成乒乓球地狱。你 ping pong 一个需求三天，最后得到的代码一团糟。 GSD 的解法不是让 Claude 变得更聪明——它不能。它的解法是**让 Claude 的工作方式更像人类团队**——有规划、有分工、有交接、有记录、有验证。 这不只是编程框架，这是**AI 时代项目管理的元框架**。 --- ## 参考 - 官方网站：[github.com/gsd-build/get-shit-done](https://github.com/gsd-build/get-shit-done) - 创始人：Lex Christopherson (TÂCHES / glittercowboy) - Pulumi 官方对比：[pulumi.com/blog/claude-code-orchestration-frameworks](https://www.pulumi.com/blog/claude-code-orchestration-frameworks/) - tenten.co 中文解析：[tenten.co/learning/superpower-gstack-gsd](https://tenten.co/learning/superpower-gstack-gsd/) - MonkeyRun 提取的 HWW-1.6：[monkeyrun.com/blog/how-we-stopped-our-ai-agents-from-getting-dumber](https://www.monkeyrun.com/blog/how-we-stopped-our-ai-agents-from-getting-dumber) - GSD Plugin（92% token 优化）：[github.com/jnuyens/gsd-plugin](https://github.com/jnuyens/gsd-plugin) - Token 开销讨论：[github.com/gsd-build/get-shit-done/discussions/2372](https://github.com/gsd-build/get-shit-done/discussions/2372) #GSD #GetShitDone #ClaudeCode #vibecoding #contextrot #AI编程 #小凯