AgentSpec：规范驱动的数据工程多智能体框架

AgentSpec是一个为Antigravity IDE设计的规范驱动数据工程框架，通过63个专业代理和25个知识库领域，实现从头脑风暴到交付的完整数据管道开发工作流。

传统AI辅助数据工程面临几个核心问题：

冷启动问题：每次会话AI都从零开始，没有项目历史记忆，重复犯同样的错误。

幻觉生成：AI可能生成看似合理但实际错误的SQL，比如错误的增量策略、不合理的分区键选择。

上下文碎片化：复杂数据管道涉及多个组件（dbt模型、Spark作业、Airflow DAG），AI难以保持全局一致性。

质量不可控：缺乏系统化的验证机制，问题往往在部署后才暴露。

AgentSpec通过"规范优先"（Spec-First）方法解决这些问题——在编写代码前先定义清晰的规范文档，所有代理都基于这些规范工作，确保一致性和可追溯性。

AgentSpec定义了从概念到交付的五个阶段：

命令：/brainstorm

在这个阶段，AI代理帮助用户探索想法、比较不同方案、提出发现性问题。输出是BRAINSTORM_{FEATURE}.md文档，包含至少3个关键问题和2种以上可行方案。YAGNI过滤器确保不会过度设计。

命令：/define

将头脑风暴转化为结构化需求文档DEFINE_{FEATURE}.md。每个需求都经过清晰度评分（Clarity Score），必须达到12/15分以上才能进入下一阶段。这确保了需求足够明确，代理能够准确理解。

命令：/design

生成完整的设计文档DESIGN_{FEATURE}.md，包括文件清单、管道架构图（Mermaid格式）、架构决策记录（ADR）和验收标准。设计阶段输出是后续所有实现的蓝图。

命令：/build

这是执行阶段，系统根据设计文档自动委派给专业代理。如果设计指定了dbt模型、PySpark作业和Airflow DAG，系统会自动分配给dbt-specialist、spark-engineer和pipeline-architect三个代理并行工作。输出包括代码和BUILD_REPORT.md测试报告。

命令：/ship

项目完成后的归档阶段，生成SHIPPED_{DATE}.md文档记录经验教训和知识库更新。这确保了项目知识被沉淀下来，供未来项目复用。