decision-record
Skill1 starsChanged 8 months agoMITView on GitHub
需求演进与决策追踪器 - 当用户提出零散需求、抱怨某个功能、或讨论产品方向时,**必须**使用此技能。通过逐级剖析推导出落地方案,并在每个关键节点**强制暂停**等待用户确认。适用于:记录决策、需求演进、功能推演、架构选型、重构方案确定。触发词:记录决策、需求演进、功能演进、决策追踪、需求推演、演进记录、这个需求怎么演化、帮我推演这个需求。
6 other projects use a version of this.
Adopted by
Most recently taken up by
- Rome-1/obsidian-claude-startertheir own version, first seen Nov 1, 2026
- migavel508/wisprnote-skillstheir own version, first seen Nov 1, 2026
- yannikzz/ui-contracttheir own version, first seen Oct 13, 2026
- TriunaLabs/skillstheir own version, first seen Sep 30, 2026
- murphytrueman/design-system-opstheir own version, first seen Sep 23, 2026
- June74/agentic-workflowtheir own version, first seen Aug 15, 2026
Other versions6 projects use a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 6
- murphytrueman/design-system-ops★ 197same name
- Rome-1/obsidian-claude-starter★ 5same name
- yannikzz/ui-contract★ 3same name
- June74/agentic-workflow★ 0same name
- migavel508/wisprnote-skills★ 0same name
- TriunaLabs/skills★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository40 other files it gives its agents.
- ralphSkill
- prdSkill
- th-prd-driven-dev-workflowSkill
- th-ralph-evoSkill
- th-ralphSkill
- th-workflow-decision-engineSkill
- agent-factorySkill
- arch-linuxSkill
- article-writingSkill
- browser-useSkill
- code-reviewSkill
- githubSkill
- knowledge-hubSkill
- long-doc-generatorSkill
- long-running-agentSkill
- th-model-compare-searchSkill
- newapi-cliSkill
- orchestratorSkill
- playwright-cliSkill
- prd-evolutionSkill
- prd-to-codeSkill
- prompt-expertSkill
- prompt-optimizerSkill
- puppeteer-cliSkill
- ralphSkill
- prdSkill
- requirement-to-prdSkill
- site-analyzerSkill
- skill-creatorSkill
- skill-stocktakeSkill
- src-linkSkill
- th-bug-analyzerSkill
- th-deep-coder2Skill
- th-deep-coderSkill
- th-enterprise-test-agentSkill
- gitnexus-assistantSkill
- th-ralph-evoSkill
- th-ralphSkill
- unified-searchSkill
- web-fetchSkill
The file
Files
Decision Record - 需求演进与决策追踪器
角色:产品演进记录者与架构推演引擎
核心价值:把零散的、看似愚蠢的用户原话,聚合成"功能主题",通过逐级剖析推导出真实落地的那个方案。
🎯 核心理念
这是一个**动态决策记录(Dynamic Decision Record)**系统:
| 传统决策记录 | 需求演进与决策追踪器 |
| 记录最终决定 | 记录从"碎片需求"到"落地代码"的全过程 |
| 静态、一次性 | 动态、逐级演进 |
| AI 被动记录 | AI 主动推演、剖析、质疑 |
| 无多模型整合 | 整合 Claude Code 本地视角 + 外部多模型意见 |
| 缺乏推导过程 | 保留完整的思想转变轨迹 |
防甩锅与防遗忘:当最终实现复杂方案时,翻开文档就能看到它是从哪些微小且无厘头的痛点,一步步被逼着演进出来的。
📋 触发词
记录决策需求演进功能演进决策追踪需求推演演进记录这个需求怎么演化帮我推演这个需求
🚨 重要:强制暂停机制
⚠️ 即使在 bypass permissions 模式下,也必须遵守以下规则:
本技能的核心价值是推演和记录,而不是直接执行。因此:
| 步骤 | 暂停点 | 必须等待的用户指令 |
| 步骤 2 后 | 1-2 级解读完成 | "继续" / "跳过" / "不需要" |
| 步骤 3 后 | 本地意见输出 | "继续" / "下一步" |
| 步骤 4 后 | 外部意见询问 | "需要" / "跳过" / "不需要" |
| 步骤 5 后 | 最终方案确认 | "确定" / "就这么办" / "开始实现" |
🛑 禁止行为:
- ❌ 不得在用户确认前写入最终方案
- ❌ 不得在步骤 5 确认前开始编码/重构
- ❌ 不得自动推断"用户可能想继续"而跳过暂停
✅ 正确行为:
- 每次到达暂停点,显式询问用户
- 等待用户的明确文字回复
- 如果用户说"暂停"、"先这样"、"我想想",立即停止并等待
🔧 工作流程(5 步法)
当接收到【用户原始输入】时,严格按以下步骤执行:
步骤 1:主题归纳 (Theme Grouping)
路径选择决策树:
1. 检查当前工作目录
└── 如果在 ~/src/production/{project}/ → 使用项目级记录
2. 读取索引文件 ~/src/docs/decisions/INDEX.md
└── 查看是否有匹配的已有项目
3. 判断记录位置:
├── 明确属于某项目 → ~/src/docs/decisions/{项目名}.md
├── 跨项目通用需求 → ~/src/docs/feature_evolution_records.md
└── 不确定 → 询问用户操作:
- 读取
~/src/docs/decisions/INDEX.md获取项目列表 - 根据当前目录或用户输入,确定目标记录文件
- 读取目标文件,检查是否已有匹配的功能主题
- 如果是已有主题,作为"用户输入 N"追加
- 如果是新主题,提炼一个新的功能主题
输出格式:
## 功能主题:{提炼的主题名}
**🗣️ 原始输入集合**:
- 用户输入 1:[日期] "{用户原话}"步骤 2:逐级意图剖析 (N-Level Interpretation)
基于原始输入集合,进行逐级剖析:
1 级解读与解决方案(表面层):
- 从表面看,用户抱怨的是什么?
- 直接"贴膏药"的解决方案是什么?
2 级解读与解决方案(系统层):
- 挖掘底层逻辑:为什么会产生这个痛点?
- 系统流转或底层机制哪里缺失了?
- 为了根治它,系统层面的解决方案是什么?
输出格式:
**🕵️♂️ 1 级解读**:
- 需求本质:{表面需求描述}
**🛠️ 1 级解决方案**:
- {贴膏药方案}
**🏗️ 2 级解读**:
- 需求本质:{底层逻辑分析}
**⚙️ 2 级解决方案**:
- {系统层解决方案}🛑 强制暂停点:执行完 1 级和 2 级后,必须停止并显式询问用户:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⏸️ 已完成功能主题的 1 级和 2 级解读。
是否需要继续进行更深维度的 3 级或 N 级解读?
请回复:
- "继续" → 进行更深层次的剖析(业务层、战略层等)
- "跳过" / "不需要" / "下一步" → 进入步骤 3(本地代码分析)
- "暂停" / "我想想" → 停止工作,等待用户后续指示
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━等待用户明确回复后才能继续。
步骤 3:Claude Code 本地意见 (Local Codebase Context)
作为拥有本地代码读取权限的 Claude Code:
- 读取项目相关代码文件
- 评估上述解决方案在现有代码库中的可行性
- 回答:
- 在现有代码库约束下,哪种方案阻力最小?
- 哪些底层代码需要重构?
- 预计影响范围(文件数、模块数)
输出格式:
**💻 Claude Code 本地意见**:
- 经查阅现有 `{file1}`, `{file2}` ...
- 目前{现状描述}
- 如果采取{方案 X},需要重构{N}个核心文件:{列表}
- 建议采取{方案 X},理由:{长痛不如短痛/快速上线等}🛑 强制暂停点:输出本地意见后,必须停止并询问:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⏸️ 已完成本地代码分析。
是否继续进行下一步(询问是否需要外部多模型意见)?
请回复:
- "继续" / "下一步" → 进入步骤 4
- "暂停" / "先这样" → 停止工作,等待用户后续指示
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━步骤 4:多模型聚合搜索预留口 (Multi-Model Integration)
🛑 强制暂停点:显式询问用户:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⏸️ 是否需要去询问其他大模型(如 GPT-4, Gemini 等)或者进行联网搜索,
以获取针对此问题的外部最佳实践?
请回复:
- "需要" / "进行" → 等待用户外部调研结果,用户返回后提供调研结果
- "跳过" / "不需要" → 标记为"未引入",进入步骤 5
- "暂停" → 停止工作,记录当前状态
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━如果用户返回外部调研结果:
- 记录外部意见
- 询问是否进入步骤 5
输出格式:
**🌐 多模型聚合搜索意见**:
- 已引入 (来自{来源}):{外部最佳实践}
或
- 未引入(用户跳过)步骤 5:敲定最终方案 (Final Decision)
🛑 强制暂停点 - 最关键:
综合前 4 步的所有信息,必须显式输出以下内容并等待用户确认:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📋 方案总结
【当前分析状态】
- 功能主题:{主题名}
- 1 级方案:{简述}
- 2 级方案:{简述}
- 本地意见:{简述}
- 外部意见:{已引入/未引入}
【待确定的最终方案】
{清晰描述建议采纳的方案}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⏸️ 请确认最终方案
只有当你明确说以下指令时,我才会记录最终方案并开始后续工作:
- ✅ "确定" / "就这么办" / "开始实现" / "确认" / "OK"
如果你说以下指令,我会暂停等待:
- ⏸️ "再想想" / "还有问题" / "暂停" / "等等" / "不对"
⚠️ 注意:在你明确确认前,我不会写入最终方案,也不会开始任何编码工作。
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━只有在用户明确说"确定"类指令后,才记录最终方案:
**✅ 最终确定方案 (Final Source of Truth)**:
- 综合考量决定采纳【{方案来源}】
- 1. {具体实施步骤 1}
- 2. {具体实施步骤 2}
- 3. {具体实施步骤 3}
- 此方案即为最终开发目标,即刻开始重构/实现。📁 文件索引系统
索引文件
位置:~/src/docs/decisions/INDEX.md
如果不存在,创建并维护:
# 决策记录索引
## 活跃项目决策记录
| 项目名 | 文件路径 | 状态 | 最后更新 |
|--------|----------|------|----------|
| 示例项目 | ./example-project.md | 🆕 原始输入 | 2026-03-23 |
## 全局记录
- **位置**:`~/src/docs/feature_evolution_records.md`
- **用途**:跨项目通用需求、未归类讨论
## 记录位置选择指南
| 场景 | 推荐位置 |
|------|----------|
| 明确属于某个项目的功能需求 | `decisions/{项目}.md` |
| 跨项目通用需求 | `feature_evolution_records.md` |
| 尚未确定归属的探索性讨论 | `feature_evolution_records.md`(后续可迁移) |
| 个人工作流/工具类改进 | `feature_evolution_records.md` |项目级记录文件模板
位置:~/src/docs/decisions/{项目名}.md
---
project: {项目名}
path: {项目路径}
type: project
created: {日期}
status: {状态}
---
# {项目名} - 功能演进与决策记录
## 功能主题:{主题名}
**状态**:`{状态}`
**🗣️ 原始输入集合**:
- 用户输入 1:[日期] "{用户原话}"
**🕵️♂️ 1 级解读**:
- 需求本质:{表面需求}
**🛠️ 1 级解决方案**:
- {贴膏药方案}
**🏗️ 2 级解读**:
- 需求本质:{底层逻辑}
**⚙️ 2 级解决方案**:
- {系统层方案}
**💻 Claude Code 本地意见**:
- {代码分析结论}
**🌐 多模型聚合搜索意见**:
- {外部意见}
**✅ 最终确定方案 (Final Source of Truth)**:
- {最终方案}🎬 使用示例
示例 1:完整流程(展示暂停点)
用户:需求演进 - 登录模块的验证码老是报错,而且我都不知道是没发出去还是填错了
AI 执行步骤 1:
→ 读取 INDEX.md,发现无匹配项目
→ 询问用户:这个需求属于哪个项目?还是记到全局记录?
→ 用户:记到 user-auth 项目
→ 读取 decisions/user-auth.md
→ 新建主题"登录模块用户体验改进"
AI 执行步骤 2:
→ 输出 1 级解读:用户需要明确的错误提示
→ 输出 1 级解决方案:给验证码加错误文案
→ 输出 2 级解读:前后端状态协议缺失
→ 输出 2 级解决方案:定义统一状态码协议
→ 🛑 暂停输出:
"已完成 1 级和 2 级解读。是否需要 3 级解读?
请回复:继续 / 跳过 / 暂停"
用户:跳过
AI 执行步骤 3:
→ 读取 auth_controller.ts, api_response.ts
→ 输出本地意见:建议抽象全局中间件
→ 🛑 暂停输出:"是否继续下一步?"
用户:继续
AI 执行步骤 4:
→ 🛑 暂停输出:"是否需要外部多模型意见?"
用户:不需要
AI 执行步骤 5:
→ 🛑 暂停输出方案总结,等待确认
用户:确定
AI 记录:
→ 写入最终确定方案
→ 输出:✅ 决策记录已更新示例 2:用户中途暂停
...(步骤 2 完成后)
AI:已完成 1 级和 2 级解读。是否需要 3 级解读?
用户:我先想想,明天再继续
AI:好的,已暂停。当前状态已记录到 decisions/user-auth.md,状态为 🏗️ 2 级剖析完成。
明天你可以直接说"继续需求演进",我会从步骤 3 开始继续。🔗 与其他 Skill 配合
decision-record (需求推演、确定最终方案)
↓(用户确认后)
planner / architect (详细实施计划)
↓
product-builder / tdd-workflow (编码实现)
↓
decision-record (记录实施过程中的新发现)重要:本技能不替代思考、规划、编码 —— 只做推演和记录。在步骤 5 确认前,绝不开始编码。
📊 状态追踪
| 状态 | 说明 |
🆕 原始输入 | 刚收到用户反馈 |
🔍 1 级剖析完成 | 表面层解读完成 |
🏗️ 2 级剖析完成 | 系统层解读完成 |
⏸️ 等待用户决策 | 暂停,等待是否继续深潜 |
💻 本地意见完成 | Claude Code 代码分析完成 |
🌐 外部意见收集中 | 等待用户引入多模型意见 |
✅ 最终方案已确定 | 可以开始编码 |
🚧 实施中 | 代码实现进行中 |
📦 已完成 | 功能已上线 |
最后更新:2026-03-23 | 版本:v2.1 (强制暂停机制 + 索引系统)
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

