名称: sparc-方法论描述: SPARC（规范、伪代码、架构、精炼、完成）综合开发方法论，集成多代理协调版本: 2.7.0 类别: 开发标签:

sparc
tdd
architecture
orchestration
methodology
multi-agent 作者: Agent Studio 工具:
Read
Write
Edit
Bash
Task
TaskUpdate
TaskList
Skill 已验证: false 最后验证时间: 2026-02-19T05:29:09.098Z

SPARC 方法论 - 综合开发框架

概述

SPARC（规范、伪代码、架构、精炼、完成）是一个系统化的开发方法论，集成了该框架的多代理协调能力。它提供17种专业模式，用于从初始研究到部署和监控的全面软件开发。

在 agent-studio 中： 当 mcp__claude-flow__* 或 npx claude-flow 示例不可用时，使用 Task 工具生成代理（例如规划师、开发者、QA、架构师），并遵循 .claude/workflows/ 和 router-decision.md 中的工作流程。

核心哲学

SPARC 方法论强调：

系统化方法： 从规范到完成的结构化阶段
测试驱动开发： 测试在实现之前编写
并行执行： 并发代理协调，实现 2.8-4.4 倍速度提升
内存集成： 跨代理和会话的持久知识共享
质量优先： 全面评审、测试和验证
模块化设计： 清晰分离关注点，定义明确接口

关键原则

规范先于代码： 明确定义需求和约束
设计先于实现： 规划架构和组件
测试先于功能： 编写失败测试，然后使其通过
评审一切： 代码质量、安全和性能检查
持续文档： 在整个过程中维护最新文档

开发阶段

阶段 1: 规范

目标： 定义需求、约束和成功标准

需求分析
用户故事映射
约束识别
成功指标定义
伪代码规划

关键模式： researcher、analyzer、memory-manager

阶段 2: 架构

目标： 设计系统结构和组件接口

系统架构设计
组件接口定义
数据库模式规划
API 合同规范
基础设施规划

关键模式： architect、designer、orchestrator

阶段 3: 精炼（TDD 实现）

目标： 使用测试优先方法实现功能

编写失败测试
实现最小可行代码
使测试通过
重构以提高质量
迭代直到完成

关键模式： tdd、coder、tester

阶段 4: 评审

目标： 确保代码质量、安全和性能

代码质量评估
安全漏洞扫描
性能分析
最佳实践验证
文档评审

关键模式： reviewer、optimizer、debugger

阶段 5: 完成

目标： 集成、部署和监控

系统集成
部署自动化
监控设置
文档最终化
知识捕获

关键模式： workflow-manager、documenter、memory-manager

可用模式

核心协调模式

`orchestrator`

多代理任务协调，集成 TodoWrite/Task/Memory 协调。

能力：

任务分解为可管理单元
代理协调和资源分配
进度跟踪和结果合成
自适应策略选择
跨代理通信

用法：

mcp__claude-flow__sparc_mode {
  mode: "orchestrator",
  task_description: "协调功能开发",
  options: { parallel: true, monitor: true }
}

`swarm-coordinator`

专门用于复杂多代理工作流程的集群管理。

能力：

拓扑优化（网格、分层、环形、星形）
代理生命周期管理
基于工作负载的动态扩展
容错和恢复
性能监控

`workflow-manager`

流程自动化和工作流程协调。

能力：

工作流程定义和执行
事件驱动触发器
顺序和并行管道
状态管理
错误处理和重试逻辑

`batch-executor`

高吞吐量操作的并行任务执行。

能力：

并发文件操作
批处理优化
资源池化
负载均衡
进度聚合

开发模式

`coder`

自主代码生成，具有批处理文件操作。

能力：

功能实现
代码重构
错误修复和补丁
API 开发
算法实现

质量标准：

ES2022+ 标准
TypeScript 类型安全
全面错误处理
性能优化
安全最佳实践

用法：

mcp__claude-flow__sparc_mode {
  mode: "coder",
  task_description: "实现使用 JWT 的用户认证",
  options: {
    test_driven: true,
    parallel_edits: true,
    typescript: true
  }
}

`architect`

基于内存协调的系统设计。

能力：

微服务架构
事件驱动设计
领域驱动设计（DDD）
六边形架构
CQRS 和事件溯源

内存集成：

存储架构决策
共享组件规格
保持设计一致性
跟踪架构演进

设计模式：

分层架构
微服务模式
事件驱动模式
领域建模
基础设施即代码

用法：

mcp__claude-flow__sparc_mode {
  mode: "architect",
  task_description: "设计可扩展的电子商务平台",
  options: {
    detailed: true,
    memory_enabled: true,
    patterns: ["microservices", "event-driven"]
  }
}

`tdd`

测试驱动开发，具有全面测试。

能力：

测试优先开发
红-绿-重构周期
测试套件设计
覆盖率优化（目标：90%+）
持续测试

TDD 工作流程：

编写失败测试（红）
实现最小代码
使测试通过（绿）
重构以提高质量（重构）
重复周期

测试策略：

单元测试（Jest、Mocha、Vitest）
集成测试
端到端测试（Playwright、Cypress）
性能测试
安全测试

用法：

mcp__claude-flow__sparc_mode {
  mode: "tdd",
  task_description: "购物车功能与支付集成",
  options: {
    coverage_target: 90,
    test_framework: "jest",
    e2e_framework: "playwright"
  }
}

`reviewer`

使用批处理文件分析的代码评审。

能力：

代码质量评估
安全漏洞检测
性能分析
最佳实践验证
文档评审

评审标准：

代码正确性和逻辑
设计模式遵循
全面错误处理
测试覆盖率充分性
可维护性和可读性
安全漏洞
性能瓶颈

批处理分析：

并行文件评审
模式检测
依赖检查
一致性验证
自动报告

用法：

mcp__claude-flow__sparc_mode {
  mode: "reviewer",
  task_description: "评审认证模块 PR #123",
  options: {
    security_check: true,
    performance_check: true,
    test_coverage_check: true
  }
}

分析和研究模式

`researcher`

深度研究，具有并行 WebSearch/WebFetch 和内存协调。

能力：

全面信息收集
来源可信度评估
趋势分析和预测
竞争性研究
技术评估

研究方法：

并行网络搜索
学术论文分析
行业报告综合
专家意见收集
统计数据编译

内存集成：

存储研究发现，包括引用
构建知识图谱
跟踪信息来源
交叉引用洞察
维护研究历史

用法：

mcp__claude-flow__sparc_mode {
  mode: "researcher",
  task_description: "研究 2024 年微服务最佳实践",
  options: {
    depth: "comprehensive",
    sources: ["academic", "industry", "news"],
    citations: true
  }
}

`analyzer`

代码和数据分析，具有模式识别。

能力：

静态代码分析
依赖分析
性能分析
安全扫描
数据模式识别

`optimizer`

性能优化和瓶颈解决。

能力：

算法优化
数据库查询调优
缓存策略设计
包大小缩减
内存泄漏检测

创意和支持模式

`designer`

UI/UX 设计，关注可访问性。

能力：

界面设计
用户体验优化
可访问性合规（WCAG 2.1）
设计系统创建
响应式布局设计

`innovator`

创意问题解决和新颖解决方案。

能力：

头脑风暴和创意
替代方法生成
技术评估
概念验证开发
创新可行性分析

`documenter`

全面文档生成。

能力：

API 文档（OpenAPI/Swagger）
架构图
用户指南和教程
代码注释和 JSDoc
README 和更新日志维护

`debugger`

系统调试和问题解决。

能力：

错误复现
根本原因分析
修复实施
回归预防
调试日志优化

`tester`

超越 TDD 的全面测试。

能力：

测试套件扩展
边缘情况识别
性能测试
负载测试
混沌工程

`memory-manager`

知识管理和上下文保存。

能力：

跨会话内存持久化
知识图谱构建
上下文恢复
学习模式提取
决策跟踪

激活方法

方法 1: MCP 工具（在 Claude Code 中首选）

最适合： 集成 Claude Code 工作流程，具有完整协调能力

// 基本模式执行
mcp__claude-flow__sparc_mode {
  mode: "<模式名称>",
  task_description: "<任务描述>",
  options: {
    // 模式特定选项
  }
}

// 初始化集群用于复杂任务
mcp__claude-flow__swarm_init {
  topology: "hierarchical",  // 或 "mesh"、"ring"、"star"
  strategy: "auto",           // 或 "balanced"、"specialized"、"adaptive"
  maxAgents: 8
}

// 生成专门代理
mcp__claude-flow__agent_spawn {
  type: "<代理类型>",
  capabilities: ["<能力1>", "<能力2>"]
}

// 监控执行
mcp__claude-flow__swarm_monitor {
  swarmId: "current",
  interval: 5000
}

方法 2: NPX CLI（备用）

最适合： 终端使用或 MCP 工具不可用时

# 执行特定模式
npx claude-flow sparc run <模式> "任务描述"

# 使用 alpha 功能
npx claude-flow@alpha sparc run <模式> "任务描述"

# 列出所有可用模式
npx claude-flow sparc modes

# 获取特定模式帮助
npx claude-flow sparc help <模式>

# 带选项运行
npx claude-flow sparc run <模式> "任务" --parallel --monitor

# 执行 TDD 工作流程
npx claude-flow sparc tdd "功能描述"

# 批处理执行
npx claude-flow sparc batch <模式1,模式2,模式3> "任务"

# 管道执行
npx claude-flow sparc pipeline "任务描述"

方法 3: 本地安装

最适合： 具有本地 claude-flow 安装的项目

# 如果 claude-flow 已本地安装
./claude-flow sparc run <模式> "任务描述"

协调模式

模式 1: 分层协调

最适合： 具有明确委托层次结构的复杂项目

// 初始化分层集群
mcp__claude-flow__swarm_init {
  topology: "hierarchical",
  maxAgents: 12
}

// 生成协调器
mcp__claude-flow__agent_spawn {
  type: "coordinator",
  capabilities: ["planning", "delegation", "monitoring"]
}

// 生成专门工作者
mcp__claude-flow__agent_spawn { type: "architect" }
mcp__claude-flow__agent_spawn { type: "coder" }
mcp__claude-flow__agent_spawn { type: "tester" }
mcp__claude-flow__agent_spawn { type: "reviewer" }

模式 2: 网格协调

最适合： 需要点对点通信的协作任务

mcp__claude-flow__swarm_init {
  topology: "mesh",
  strategy: "balanced",
  maxAgents: 6
}

模式 3: 顺序管道

最适合： 有序工作流程执行（规范 → 设计 → 代码 → 测试 → 评审）

mcp__claude-flow__workflow_create {
  name: "development-pipeline",
  steps: [
    { mode: "researcher", task: "收集需求" },
    { mode: "architect", task: "设计系统" },
    { mode: "coder", task: "实现功能" },
    { mode: "tdd", task: "创建测试" },
    { mode: "reviewer", task: "评审代码" }
  ],
  triggers: ["on_step_complete"]
}

模式 4: 并行执行

最适合： 可以并发运行的独立任务

mcp__claude-flow__task_orchestrate {
  task: "构建全栈应用程序",
  strategy: "parallel",
  dependencies: {
    backend: [],
    frontend: [],
    database: [],
    tests: ["backend", "frontend"]
  }
}

模式 5: 自适应策略

最适合： 具有变化需求的动态工作负载

mcp__claude-flow__swarm_init {
  topology: "hierarchical",
  strategy: "adaptive",  // 基于工作负载自动调整
  maxAgents: 20
}

TDD 工作流程

完整 TDD 工作流程

// 步骤 1: 初始化 TDD 集群
mcp__claude-flow__swarm_init {
  topology: "hierarchical",
  maxAgents: 8
}

// 步骤 2: 研究和规划
mcp__claude-flow__sparc_mode {
  mode: "researcher",
  task_description: "研究功能 X 的测试最佳实践"
}

// 步骤 3: 架构设计
mcp__claude-flow__sparc_mode {
  mode: "architect",
  task_description: "设计功能 X 的可测试架构"
}

// 步骤 4: TDD 实现
mcp__claude-flow__sparc_mode {
  mode: "tdd",
  task_description: "以 90% 覆盖率实现功能 X",
  options: {
    coverage_target: 90,
    test_framework: "jest",
    parallel_tests: true
  }
}

// 步骤 5: 代码评审
mcp__claude-flow__sparc_mode {
  mode: "reviewer",
  task_description: "评审功能 X 实现",
  options: {
    test_coverage_check: true,
    security_check: true
  }
}

// 步骤 6: 优化
mcp__claude-flow__sparc_mode {
  mode: "optimizer",
  task_description: "优化功能 X 性能"
}

红-绿-重构周期

// 红: 编写失败测试
mcp__claude-flow__sparc_mode {
  mode: "tester",
  task_description: "为购物车添加商品创建失败测试",
  options: { expect_failure: true }
}

// 绿: 最小实现
mcp__claude-flow__sparc_mode {
  mode: "coder",
  task_description: "实现最小代码以使测试通过",
  options: { minimal: true }
}

// 重构: 提高代码质量
mcp__claude-flow__sparc_mode {
  mode: "coder",
  task_description: "重构购物车实现",
  options: { maintain_tests: true }
}

最佳实践

1. 内存集成

始终使用内存进行跨代理协调：

// 存储架构决策
mcp__claude-flow__memory_usage {
  action: "store",
  namespace: "architecture",
  key: "api-design-v1",
  value: JSON.stringify(apiDesign),
  ttl: 86400000  // 24 小时
}

// 在后续代理中检索
mcp__claude-flow__memory_usage {
  action: "retrieve",
  namespace: "architecture",
  key: "api-design-v1"
}

2. 并行操作

将相关操作批处理在单个消息中：

// ✅ 正确: 所有操作在一起
[单条消息]:
  mcp__claude-flow__agent_spawn { type: "researcher" }
  mcp__claude-flow__agent_spawn { type: "coder" }
  mcp__claude-flow__agent_spawn { type: "tester" }
  TodoWrite { todos: [8-10 todos] }

// ❌ 错误: 多条消息
消息 1: mcp__claude-flow__agent_spawn { type: "researcher" }
消息 2: mcp__claude-flow__agent_spawn { type: "coder" }
消息 3: TodoWrite { todos: [...] }

3. 钩子集成

每个 SPARC 模式都应使用钩子：

# 工作前
npx claude-flow@alpha hooks pre-task --description "实现认证"

# 工作中
npx claude-flow@alpha hooks post-edit --file "auth.js"

# 工作后
npx claude-flow@alpha hooks post-task --task-id "task-123"

4. 测试覆盖率

维持最小 90% 覆盖率：

所有函数的单元测试
API 的集成测试
关键流程的端到端测试
边缘情况覆盖
错误路径测试

5. 文档

边构建边文档：

API 文档（OpenAPI）
架构决策记录（ADR）
复杂逻辑的代码注释
带设置说明的 README
版本跟踪的更新日志

6. 文件组织

永不保存到根文件夹：

项目/
├── src/           # 源代码
├── tests/         # 测试文件
├── docs/          # 文档
├── config/        # 配置
├── scripts/       # 实用脚本
└── examples/      # 示例代码

集成示例

示例 1: 全栈开发

[单条消息 - 并行代理执行]:

// 初始化集群
mcp__claude-flow__swarm_init {
  topology: "hierarchical",
  maxAgents: 10
}

// 架构阶段
mcp__claude-flow__sparc_mode {
  mode: "architect",
  task_description: "设计带认证的 REST API",
  options: { memory_enabled: true }
}

// 研究阶段
mcp__claude-flow__sparc_mode {
  mode: "researcher",
  task_description: "研究认证最佳实践"
}

// 实现阶段
mcp__claude-flow__sparc_mode {
  mode: "coder",
  task_description: "实现带 JWT 认证的 Express API",
  options: { test_driven: true }
}

// 测试阶段
mcp__claude-flow__sparc_mode {
  mode: "tdd",
  task_description: "全面 API 测试",
  options: { coverage_target: 90 }
}

// 评审阶段
mcp__claude-flow__sparc_mode {
  mode: "reviewer",
  task_description: "安全和性能评审",
  options: { security_check: true }
}

// 批处理待办事项
TodoWrite {
  todos: [
    {content: "设计 API 模式", status: "completed"},
    {content: "研究 JWT 实现", status: "completed"},
    {content: "实现认证", status: "in_progress"},
    {content: "编写 API 测试", status: "pending"},
    {content: "安全评审", status: "pending"},
    {content: "性能优化", status: "pending"},
    {content: "API 文档", status: "pending"},
    {content: "部署设置", status: "pending"}
  ]
}

示例 2: 研究驱动创新

// 研究阶段
mcp__claude-flow__sparc_mode {
  mode: "researcher",
  task_description: "研究 AI 驱动的搜索实现",
  options: {
    depth: "comprehensive",
    sources: ["academic", "industry"]
  }
}

// 创新阶段
mcp__claude-flow__sparc_mode {
  mode: "innovator",
  task_description: "提出新颖搜索算法",
  options: { memory_enabled: true }
}

// 架构阶段
mcp__claude-flow__sparc_mode {
  mode: "architect",
  task_description: "设计可扩展搜索系统"
}

// 实现阶段
mcp__claude-flow__sparc_mode {
  mode: "coder",
  task_description: "实现搜索算法",
  options: { test_driven: true }
}

// 文档阶段
mcp__claude-flow__sparc_mode {
  mode: "documenter",
  task_description: "文档化搜索系统架构和 API"
}

示例 3: 遗留代码重构

// 分析阶段
mcp__claude-flow__sparc_mode {
  mode: "analyzer",
  task_description: "分析遗留代码库依赖"
}

// 规划阶段
mcp__claude-flow__sparc_mode {
  mode: "orchestrator",
  task_description: "规划增量重构策略"
}

// 测试阶段（创建安全网）
mcp__claude-flow__sparc_mode {
  mode: "tester",
  task_description: "为遗留代码创建全面测试套件",
  options: { coverage_target: 80 }
}

// 重构阶段
mcp__claude-flow__sparc_mode {
  mode: "coder",
  task_description: "使用现代模式重构模块 X",
  options: { maintain_tests: true }
}

// 评审阶段
mcp__claude-flow__sparc_mode {
  mode: "reviewer",
  task_description: "验证重构保持功能"
}

常见工作流程

工作流程 1: 功能开发

# 步骤 1: 研究和规划
npx claude-flow sparc run researcher "认证模式"

# 步骤 2: 架构设计
npx claude-flow sparc run architect "设计认证系统"

# 步骤 3: TDD 实现
npx claude-flow sparc tdd "用户认证功能"

# 步骤 4: 代码评审
npx claude-flow sparc run reviewer "评审认证实现"

# 步骤 5: 文档
npx claude-flow sparc run documenter "文档化认证 API"

工作流程 2: 错误调查

# 步骤 1: 分析问题
npx claude-flow sparc run analyzer "调查错误 #456"

# 步骤 2: 系统调试
npx claude-flow sparc run debugger "修复服务 X 中的内存泄漏"

# 步骤 3: 创建测试
npx claude-flow sparc run tester "针对错误 #456 的回归测试"

# 步骤 4: 评审修复
npx claude-flow sparc run reviewer "验证错误修复"

工作流程 3: 性能优化

# 步骤 1: 分析性能
npx claude-flow sparc run analyzer "分析 API 响应时间"

# 步骤 2: 识别瓶颈
npx claude-flow sparc run optimizer "优化数据库查询"

# 步骤 3: 实施改进
npx claude-flow sparc run coder "实现缓存层"

# 步骤 4: 基准测试结果
npx claude-flow sparc run tester "性能基准测试"

工作流程 4: 完整管道

# 执行完整开发管道
npx claude-flow sparc pipeline "电子商务结账功能"

# 这将自动运行：
# 1. researcher - 收集需求
# 2. architect - 设计系统
# 3. coder - 实现功能
# 4. tdd - 创建全面测试
# 5. reviewer - 代码质量评审
# 6. optimizer - 性能调优
# 7. documenter - 文档

高级功能

神经模式训练

// 从成功工作流程中训练模式
mcp__claude-flow__neural_train {
  pattern_type: "coordination",
  training_data: "successful_tdd_workflow.json",
  epochs: 50
}

跨会话内存

// 保存会话状态
mcp__claude-flow__memory_persist {
  sessionId: "feature-auth-v1"
}

// 在新会话中恢复
mcp__claude-flow__context_restore {
  snapshotId: "feature-auth-v1"
}

GitHub 集成

// 分析仓库
mcp__claude-flow__github_repo_analyze {
  repo: "owner/repo",
  analysis_type: "code_quality"
}

// 管理拉取请求
mcp__claude-flow__github_pr_manage {
  repo: "owner/repo",
  pr_number: 123,
  action: "review"
}

性能监控

// 实时集群监控
mcp__claude-flow__swarm_monitor {
  swarmId: "current",
  interval: 5000
}

// 瓶颈分析
mcp__claude-flow__bottleneck_analyze {
  component: "api-layer",
  metrics: ["latency", "throughput", "errors"]
}

// 令牌使用跟踪
mcp__claude-flow__token_usage {
  operation: "feature-development",
  timeframe: "24h"
}

性能优势

已证明结果：

84.8% SWE-Bench 解决率
32.3% 通过优化的令牌减少
2.8-4.4 倍 并行执行的速度提升
27+ 神经模型用于模式学习
90%+ 测试覆盖率标准

支持和资源

文档： https://github.com/ruvnet/claude-flow
问题： https://github.com/ruvnet/claude-flow/issues
NPM 包： https://www.npmjs.com/package/claude-flow
社区： Discord 服务器（链接在仓库中）

快速参考

最常见命令

# 列出模式
npx claude-flow sparc modes

# 运行特定模式
npx claude-flow sparc run <模式> "任务"

# TDD 工作流程
npx claude-flow sparc tdd "功能"

# 完整管道
npx claude-flow sparc pipeline "任务"

# 批处理执行
npx claude-flow sparc batch <模式> "任务"

最常见 MCP 调用

// 初始化集群
mcp__claude-flow__swarm_init { topology: "hierarchical" }

// 执行模式
mcp__claude-flow__sparc_mode { mode: "coder", task_description: "..." }

// 监控进度
mcp__claude-flow__swarm_monitor { interval: 5000 }

// 存储在内存中
mcp__claude-flow__memory_usage { action: "store", key: "...", value: "..." }

记住：SPARC = 系统性、并行、敏捷、精炼、完整

SPARC 方法论 - 综合开发框架

概述

目录

核心哲学

关键原则

开发阶段

阶段 1: 规范

阶段 2: 架构

阶段 3: 精炼（TDD 实现）

阶段 4: 评审

阶段 5: 完成

可用模式

核心协调模式

orchestrator

swarm-coordinator

workflow-manager

batch-executor

开发模式

coder

architect

tdd

reviewer

分析和研究模式

researcher

analyzer

optimizer

创意和支持模式

designer

innovator

documenter

debugger

tester

memory-manager

激活方法

方法 1: MCP 工具（在 Claude Code 中首选）

方法 2: NPX CLI（备用）

方法 3: 本地安装

协调模式

模式 1: 分层协调

模式 2: 网格协调

模式 3: 顺序管道

模式 4: 并行执行

模式 5: 自适应策略

TDD 工作流程

完整 TDD 工作流程

红-绿-重构周期

最佳实践

1. 内存集成

2. 并行操作

3. 钩子集成

4. 测试覆盖率

5. 文档

6. 文件组织

集成示例

示例 1: 全栈开发

示例 2: 研究驱动创新

示例 3: 遗留代码重构

常见工作流程

工作流程 1: 功能开发

工作流程 2: 错误调查

工作流程 3: 性能优化

工作流程 4: 完整管道

高级功能

神经模式训练

跨会话内存

GitHub 集成

性能监控

性能优势

支持和资源

快速参考

最常见命令

最常见 MCP 调用

`orchestrator`

`swarm-coordinator`

`workflow-manager`

`batch-executor`

`coder`

`architect`

`tdd`

`reviewer`

`researcher`

`analyzer`

`optimizer`

`designer`

`innovator`

`documenter`

`debugger`

`tester`

`memory-manager`