这个小工具让 AI 写代码前必须先写出验收标准

开发者社区最近一周出现了一个叫 Yamlet 的工具，作者对自己做这件事的动机说得很直接——过去几周他受够了「万能的 agentic AI 技能插件、MCP 服务器这些号称什么都能干的东西」。他承认靠 vibe 编程能跑通一部分事，但也有一类工作是「约束和责任」更重要的。

Yamlet 解决的就是后面这类场景。它是一个 CLI 工具，配合一套 Claude Code 技能集。它把「确定性检查」和「人类友好界面」合在一起，逼你在写代码之前先把需求——包括验收标准——明确定义出来。这些需求和验收标准紧接着会被用来生成对应的 Gherkin .feature 测试文件。

整套内容的存储格式是压缩过的 .yamlet.yaml 文件，方便快速评审，避免那种几十页冗长的规格说明文档。

作者特别强调一件事——工具到这里就停了，后面怎么做完全取决于你在做的系统本身。他刻意不在工具里写更多东西，是因为他想让 Yamlet 不光能用在一个「纯 agentic 编程」环境，也能用在常见的工作流里。这条「故意做小」的边界划得很清楚。

这件事有意思的地方在于，它精准踩中了当下 AI 写代码最大的痛点——需求不明确就开始写，写完了验收标准跟原始需求对不上，最后上线了用户觉得「不是我要的」。Yamlet 把「写需求」这件事提到写代码之前，用结构化文件固化下来，AI 写作时再读进去。

另一个值得注意的设计点是——Yamlet 不是要取代任何现有工具，它是「先做需求 → 生成 Gherkin 测试」这个环节的工具化。下游接 Jira、GitHub Issues、Notion 这些都可以，作者没把这部分也包进来。

对那些用 AI 写代码但发现质量不稳定的人来说，Yamlet 值得看一眼。它解决的不是「AI 写得不好」的问题，而是「我让 AI 写的根本不是我要的」的问题——这两件事经常被混在一起讨论，但其实要的工具不一样。

创业找资源，上乌鸦部落。