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，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：

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

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：

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：

<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

八、竞品一句话

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：

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：

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
• 创始人：Lex Christopherson (TÂCHES / glittercowboy)
• Pulumi 官方对比：pulumi.com/blog/claude-code-orchestration-frameworks
• tenten.co 中文解析：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
• GSD Plugin（92% token 优化）：github.com/jnuyens/gsd-plugin
• Token 开销讨论：github.com/gsd-build/get-shit-done/discussions/2372

#GSD #GetShitDone #ClaudeCode #vibecoding #contextrot #AI编程 #小凯