[AI 分享] 三種AI規劃框架差異解析

 [AI 分享] 三種AI規劃框架差異解析

摘要 : 比較GrillMe、Brainstorming與Explore三種規劃工作流，解析流程、視覺化與追蹤上的核心差異。

內容:

在 AI 時代，程式碼生成工具愈來愈強，但如果需求本身模糊，再厲害的生成能力也無法真正解決問題。因此，規劃與需求分析的重要性被再次放大。這篇內容聚焦三個很具代表性的規劃型技能與工作流：Matt Pocock 的 GrillMe、Superpowers 的 Brainstorming，以及 OpenSpec 的 Explore。

雖然三者都在幫助使用者把模糊想法整理清楚，但方法與設計哲學差異很大。它們分別像是三種不同角色：GrillMe 像咄咄逼人的面試官，Brainstorming 像嚴格的專案經理，Explore 則更像一位陪你一起釐清思路的資深同事。三者共同解決的是同一個核心問題：在真正開始實作之前，如何確認你已經理解自己要做什麼。

第一個差異是流程嚴格性。GrillMe 對應的 Grilling 方法最輕量，核心就是讓 AI 持續追問，一題一題壓力測試你的想法。例如你提出要做即時協作編輯器，AI 就會追問併發人數、同步方式、斷線處理、衝突解法等細節。這種方式快速、有訪談紀律，能逼你正面回答模糊處，但缺點是通常不強制產出正式文件，因此事後不容易追蹤決策脈絡。它特別適合已有初步構想、想快速驗證可行性的場景。

Superpowers 的 Brainstorming 則明顯更制度化。它有一套九步 checklist，從探索專案上下文開始，必要時引入 visual companion，再逐步提出澄清問題、給出多個方案、展示設計、獲得確認、寫入設計文件、進行審查，最後才進入規劃撰寫。它的哲學是：沒有專案小到不需要設計。即使需求看似簡單，也必須經過完整流程，確保邊界、介面與責任分工都被釐清。這套方法雖然較繁瑣，但能有效降低設計模糊與系統耦合帶來的風險。

Brainstorming 還特別強調「設計隔離與清晰性」。也就是每個系統部分都要有清楚目的，並透過良好定義的介面與其他部分互動，讓各部分可以被獨立理解與測試。這個原則雖然聽起來教科書化，但在實際工程中非常關鍵，因為很多系統問題正是源於邊界不清、模組互相牽連。

OpenSpec 的 Explore 則介於兩者之間，但更接近靈活探索型。它沒有固定步驟，也不急著生成正式文件，而是優先協助使用者把問題想清楚。當方向尚未明確時，它會先幫你讀程式碼、比較選項、畫圖澄清範圍；等方向成形後，再交由後續流程產出 Proposal、Spec、Design 或 Tasks。Explore 適合面對大型、混亂、尚未看清全貌的系統時使用，它的重點不是交付文件，而是先建立理解。

第二個差異是視覺化支援。Grilling 基本上完全依靠純文字對話，對簡單決策足夠有效，但當討論複雜系統架構、多 Agent 流程或 UI 配置時，純文字容易讓人混亂。它的優勢是簡單直接，但在高複雜度問題上會顯得吃力。

Brainstorming 內建 Visual Companion，能在需要時透過瀏覽器顯示原型、圖表或設計選項。這不是預設強制啟用，而是根據問題性質與使用者同意後才開啟。例如討論 UI 時，可以展示多種版面配置；討論系統架構時，可以呈現互動式架構圖。這種按需視覺化的方式兼顧效率與清楚度，也避免了過度設計。

Explore 的視覺化方式則相對樸素，偏向使用簡單的文字圖或雙圖示意。雖然看起來原始，但對工程師而言往往非常實用。透過純文字快速畫出系統結構、資料流或狀態轉換，不需要額外工具，也很容易直接整合到文件、註解或討論過程中。這種極簡風格反而非常適合技術探索。

第三個差異是輸出與追蹤機制。Grilling 的成果多半停留在「共同理解」層次，也就是你和 AI 透過問答把事情想清楚了，但不一定留下可回顧、可維護的紀錄。這對短期討論很有幫助，但在長期協作或大型專案裡，容易造成知識流失與決策脈絡中斷。

相對來說，Brainstorming 對輸出與文件化更重視。它會把設計內容逐步寫入文件並交由使用者審查，讓規劃過程不只是一次對話，而是形成可追蹤、可驗證、可維護的設計資產。這讓團隊在數週甚至數月後，仍能理解當初的設計理由與取捨。

Explore 則比較強調先探索、後收斂。它本身不一定立刻建立完整變更資料夾或正式規格，但在需要時可以把探索結果轉換成 OpenSpec 的相關 artifacts，供後續流程使用。也就是說，它把重點放在「理解形成」而不是「文件先行」，適合作為前期思考與釐清的入口。

整體來看，這三種框架沒有誰絕對最好，而是各自適合不同情境。如果你已經有一個想法，只想快速驗證與釐清盲點，GrillMe 會很有效率；如果你在做的是需要嚴謹設計、多人協作、長期維護的專案，Brainstorming 會更穩健；如果你面對的是一個龐大、陌生、混亂的問題域，還不知道正確問題是什麼，那麼 Explore 可能是最自然的起點。

這些差異也提醒我們，規劃工具的本質不只是幫忙問問題，而是決定你如何理解問題、如何記錄決策，以及如何把模糊想法轉化為可執行的設計。在 AI 工具越來越強的今天，真正拉開差距的，往往不是誰寫程式比較快，而是誰能更早把問題想清楚。