背景
TurboPi 是一款由 Raspberry Pi 5 驱动的智能 AI 视觉机器人车套件, 配备 Mecanum 轮实现 360° 全向移动,2DOF 云台支持 360° 摄像头视角,具备面部检测、手势识别和二维码控制功能。
本文将介绍如何利用 TRAE + Spec-kit 实现一个控制小车方向的前后端系统。
实现目标
前置条件:树莓派小车与 PC 需在同一局域网内
在 PC 上实现一个 React 前端页面,用来连接、控制小车移动。
在树莓派小车上,实现一个 FastAPI 后端,用来接收命令并执行。
Spec-kit 初始化
详细步骤,请大家查看 之前的公众号文章:TRAE × Spec Kit 实战:五步构建流式 AI 对话 Web 应用
示例我的项目路径 (turbopi_backend):
/Users/susirial/work_station/Turbopi/Turbopi_ios/spec_turbopi_backend/spec-kit-main/turbopi_backend
Spec-kit 关键 步骤执行
我们需要依次执行以下命令生成关键文档:
/speckit.constitution - 生成项目章程
/speckit.specify - 生成需求规格
/speckit.plan - 生成技术方案
/speckit.tasks - 生成任务拆分
/speckit.implement - 执行代码实现
3.1 /speckit.constitution
第一步,生成项目章程文档,大家根据需求设定即可。
模型: GPT-5
输入指令:
注意:#speckit.constitution.md 需要通过 # 号选中文档(后续步骤同理)
#speckit.constitution.md 制定以代码质量、测试标准、用户体验一致性及性能要求为核心的原则
输出:TRAE 生成项目宪章文档 constitution.md 并更新相关模板。
3.2 /speckit.specify
接下来是需求说明:
模型: GPT-5
输入指令:
#speckit.specify.md 我有一个树莓派小车 Turbopi, 它是UBUNTU系统 ,它支持ROS2 系统。 我想实现一个后端,这个后端可以控制小车的方向,摄像头,其上搭载的LLM模型服务、LED等等组件。
输出:TRAE 生成 SPEC 文档和需求文档。
上下滑动查看需求文档全文
3.3 /speckit.plan
接下来,我们描述一下技术实现细节要求。
模型: GPT-5
输入指令:
#speckit.plan.md 后端需要使用 python FastApi 实现。 需要 使用 zeroconf 来生成 turbopi_backend 服务可以让iOS前端NetServiceBrowser 的搜索到。需要做一个运行时开关,开发时是在macbook上,所以需要区分macbook 和树莓派ubuntu. 树莓派的控制是在ROS2上,通过 import rclpy 来控制,比如控制小车前进
输出:TRAE 更新 SPEC 文档和需求文档。
3.4 /speckit.tasks
接下来,需要让 TRAE 拆分出任务。
模型: GPT-5
输入指令:
#speckit.tasks.md 详细拆分出完整的task
3.5 /speckit.implement
接下来,我们让 TRAE 开始编码。
输入指令:
#speckit.implement.md 开始实施 Phase 1,Phase 2,Phase 3
优化
4.1 修复代码问题
这里我 review 了一下代码,发现对于小车的方向控制部分,模型生成的代码有问题:Y 应该表示小车横向移动,而不是 Z (这个通过阅读厂商参考代码可以发现)。
于是我贴了一些参考代码给 TRAE,让它自己修复。
4.2 前端测试页面
我们需要一个前端页面来测试,于是我让 TRAE 写一个前端来测试(这里只是一个测试页面,没有用框架)。
输入指令:
参考 backend 后端代码,实现一个vite react 的前端页面,支持查询服务,然后给出一个测试树莓派小车前后左右控制的前端页面,页面的风格需要美观、符合国际一流最佳实践。给出需求说明文档,放到 web_react 目录下面
页面有些问题,将底部的错误输入到 TRAE 对话框,让它检查,修复。
4.3 启动后端服务
把后端代码拷贝到树莓派小车,然后根据项目 README.md (TRAE 写代码时生成) 安装、启动后端服务。
笔记本上成功找到后台服务。
进入方向控制页面测试,一次通过测试(之前把完整的 DEMO 代码给到 TRAE)。
效果演示
总结
本文展示了如何使用 TRAE + Spec-kit 工具链,从需求定义到代码实现,完整构建一个树莓派智能小车控制系统。整个流程遵循规范化开发流程,通过 AI 辅助大幅提升开发效率,同时保证代码质量和系统可维护性。

