很多团队用 AI 效果不稳定，不是因为工具选错了，而是因为把不同类型的项目都用同一种方法来推进。方法论选型的核心，就是先判断项目处境，再决定用哪套工具和协作方式。
判断维度先看项目状态
新项目、迭代项目和历史项目面对的问题完全不同，方法自然也不一样。
核心原则让方法服务于风险
项目越复杂、历史越重，越要把理解和约束放在生成之前。
选择结果对应不同工具组合
你最终选择的不是某个单点工具，而是一套更适合当前项目的协作方式。
新项目 0→1
适合使用 Spec-Kit 先定好规则、模板和上下文，再让 AI 沿着统一规范推进实现。项目越新，越适合把规范前置。
迭代项目 1→10
适合使用 OpenSpec + Wiki Repo 组合：一边让 AI 理解项目背景，一边把每次变更限定在明确范围内，确保迭代更稳。
历史项目重建
适合先做逆向梳理，从代码反推 Spec，再逐步建立新的项目理解体系。对这类项目来说，先理解往往比先生成更重要。
测试策略
适合引入 testspec 等对抗验证方式，把 AI 从“帮你写”扩展到“帮你发现问题”，进一步提高协作可靠性。