Specboard

Specboard 是专为使用 AI 编程智能体的开发者打造的规格管理工具。它把想法送入四级流水线：Backlog → Specs → Plan → Tasks，让智能体始终拿到结构化、版本化的上下文，而不是一段复制粘贴的提示词。相比容易过时的纯 Markdown 仓库，Specboard 通过原生 MCP 服务，让规格、优先级与进度彼此关联且可被智能体直接查询。

对比 Spec Kit（更偏 CLI 与仓库内流程）或 Plandex（终端式 plan-and-execute 智能体）。

核心功能

• 四级 AI 流水线：Backlog、Specs、Plan、Tasks，特性推进时自动生成。
• 思维导图画布：在自由绘制的 React Flow 画布上头脑风暴，连接节点，把想法转成特性。
• Markdown 编辑器：内联编辑、语法高亮、自动保存与预览切换，文档始终是纯 .md。
• 原生 MCP 服务：提供 list、get、create、update 四类工具，Claude Code、Cursor、Copilot 无需复制粘贴即可查询规格并更新进度。
• 宪法系统：带版本历史的项目级原则，配合影响分析展示流水线完整度与漂移。
• 数据库优先：内容存于 PostgreSQL 而非散落的 Markdown，关系更清晰。

适用场景

谁应该使用？

• 身兼多职的独立开发者：把产品需求与智能体任务放进一个系统，而非两套。
• 向 AI 辅助工程师交接的产品人：智能体领到任务就拿到对应需求文档，而非整个仓库。
• 使用 Claude Code、Cursor、Copilot、Windsurf 的团队：MCP 兼容的智能体可直接查询规格。

解决的问题

1. 上下文散落各处：一套系统取代 Notion + Jira + 过时的仓库文档。
2. 智能体读不懂你的文档：需求从只给人看，变成可被查询。
3. 没有统一的进度：任务、优先级与状态和智能体工作在同一看板。

定价方案

Specboard 以 MIT 开源，可自托管；部署 PostgreSQL 后接入你已有的模型厂商（OpenAI、Anthropic、Gemini、Mistral）。

优势对比

1. MCP 优先设计：从第一天就围绕 MCP 构建，而非事后改造，智能体可直接使用 get_epic、get_ready_epics、complete_task 等工具。
2. 纯 Markdown、Git 兼容：文档随处可读、任意工具可改，不存在数据被锁死的情况。
3. 多厂商与负载均衡：无需改配置即可选择并排定模型优先级。

快速开始

1. 克隆仓库并 pnpm install，在 .env 配置数据库地址。
2. pnpm db:push 推送建表。
3. 创建特性，在思维导图中构思，并推进流水线各阶段。
4. 让智能体接入 MCP 服务（或用 CLI：specboard context）查询需求。

常见问题

支持哪些智能体？

任何兼容 MCP 的智能体：Claude Code、Cursor、Copilot、Windsurf 及支持该协议的任意工具。

是托管服务吗？

不是。仓库为 MIT 开源且数据库优先，你自托管并接入已在使用的模型厂商。

MCP 服务做什么？

暴露规格与任务工具，让智能体读取要做什么、记录已完成什么，让所有人保持对齐。

替代方案

• Spec Kit：GitHub 的 CLI 与仓库内需求驱动开发流程。
• Plandex：带 diff 沙箱的终端式 plan-and-execute 智能体。
• Cline：支持 BYOK 推理的 IDE、CLI 与 SDK 智能体。

使用技巧

1. 用宪法一次性记录项目规则，让所有智能体会话继承。
2. 尽早把思维导图分支转成特性，避免停留在构思阶段。
3. 让智能体通过 MCP 更新任务状态，让看板反映真实进度。

总结

Specboard 是你、你的文档与编码智能体之间的协调层。如果你总在向智能体重述上下文，从 specboard.io 起步，给它一份真正能查询的需求。