SPARC（Specification、Pseudocode、Architecture、Refinement、Completion）是一套系统化软件开发方法论，与多智能体编排结合，提供约17种专用模式，覆盖从初始调研到部署监控的完整流程。核心思想包括：先规范后编码、先设计后实现、先测试后功能、全面审查、持续文档，以及通过持久化记忆实现智能体与跨会话的知识共享。
开发阶段分为：规范（调研、分析、伪代码）、架构（系统结构、接口、数据库、API契约、基础设施）、精化（TDD实现，红-绿-重构）、审查（质量、安全、性能、最佳实践、文档）、完成（集成、部署、监控、文档定稿与知识沉淀）。
主要模式包括：orchestrator（任务分解与智能体协调）、swarm-coordinator、workflow-manager、batch-executor、coder、architect、tdd、reviewer、researcher、analyzer、optimizer、designer、innovator、documenter、debugger、tester、memory-manager。
使用方式有三种：一是通过MCP工具调用，如 mcp__claude-flow__sparc_mode 传入 mode、task_description、options，并用 swarm_init、agent_spawn、swarm_monitor 初始化与监控；二是NPX CLI，例如 npx claude-flow sparc run <mode> "task description"、npx claude-flow sparc tdd "feature description"、npx claude-flow sparc batch、npx claude-flow sparc pipeline；三是本地安装后调用 ./claude-flow sparc run。编排模式包括层级式、网状、顺序流水线、并行执行与自适应策略。文档也提到在 agent-studio 中若上述命令不可用，可改用 Task 工具生成 planner、developer、qa、architect 等智能体，并遵循 .claude/workflows/ 与 router-decision.md 的工作流。
推荐实践包括：用 Memory 存储与检索架构决策、批量并行操作、在任务前后调用 hooks、维持约90%测试覆盖率、持续编写文档、避免将文件保存到根目录。
限制与未提供信息：资料未给出定价、许可、具体平台要求、性能数字的验证细节以及除示例外的完整命令参数说明；实际可用性取决于是否配置 claude-flow 相关工具与 MCP 环境。