agentleFS
shinprshinpr/ai-coding-project-boilerplate/.claude/skills-zh-CN/requirement-convergence/SKILL.md

requirement-convergence

Skill239 starsChanged 4 days agoMITView on GitHub

将变更必须产生的结果与为达成该结果而提出的需求区分开来,记录用户明确排除的内容,并根据结构对成本进行分级评估。当需求进入某个工作流时、设计开始之前,或提到“做到什么程度/范围外是什么/是否值得做”时使用。

2 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

需求收敛

目的

收到的需求往往过于臃肿、含糊不清,或指向错误的目标。能力足够的模型会将这三者调和为一个连贯的计划,并忠实地构建它——当被要求的内容本身就是错的时,也精确地交付被要求的内容。

本技能收敛的是要构建什么。如何构建,以及该变更需要哪些文档,都在“要构建什么”之后再处理。

收敛字段

字段通过条件
outcome一个可观测的结果。不服务于该结果的需求即为多余。
requirements[]每个与构建相关的项都标注为 current-state 或 desired-future。
nonGoals[]由用户撰写,或用户声明没有范围外项。
cost一个带有结构性依据支撑的分级,加上仍然存在的未知项。

cost 是一个粗略的分级,不是工作计划据以排期的工作量估算;需求无法支撑以人天为单位的估算。其未知项在决策权重上比其规模更重要。

依据所保留的用户原话进行分类,而不是依据分析器对原话的转述。要求评估的措辞、描述设想性想法的措辞,或建议某种机制的措辞,在当前收敛上下文中仅作为供判断参考的候选项保留。只有在用户明确确认之后,候选项才能进入 requirements[] 及长期保留的文档。

每个字段都带有各自的就绪标签:ready、weak,或 weak-but-explicit(弱,且用户同意暂不解决)。只有用户可以设置 weak-but-explicit。当所有适用字段都为 ready 或 weak-but-explicit 时,需求即视为已收敛。

各字段的判断规则见:references/criteria.md。

询问协议

使用现有的范围与成本依据来引出信息并做出判断,然后只就仓库无法回答的产品选择进行提问。requirements[] 和排除项的询问都依据用户提出的能力构建;分析中发现的相邻能力两者都不纳入,因此用户无需拒绝一项自己并未提出的能力。仅当某个答案会改变分析目标或所需的范围依据时,才重新分析范围与成本。

在开始前登记以下步骤,并在每个步骤完成时记录其依据:

步骤动作完成依据
1陈述现有的范围事实,然后单独说明这些事实对需求意味着什么列出事实及其分析依据
2就低于 ready 的字段提问,每条消息最多两个问题每个低于 ready 的字段一个问题
3将每个答案记录为该字段的值该值是用户明确选定的选项,或用户自己提供的措辞
4当已记录的值仍未通过其通过条件时,重新询问一次;若用户同意将第二次回答维持原状,则将该字段标记为 weak-but-explicit两次已记录的答案,或用户同意停止
5依据每个字段的通过条件进行判断,并完成该记录一份每个字段都已标注的收敛记录

存储协议

载体承载内容
当前收敛记录每个字段及其就绪标签
PRD 的 成功标准 和 范围外outcome;用户撰写的 nonGoals
设计文档的 需求收敛在没有 PRD 时承载同样内容,且在任何情况下都承载被标为 weak-but-explicit 的字段

不产生上述任一文档时,将记录保留在当前上下文中。

引用协议

  1. 从提示词中读取收敛记录。
  2. 将 nonGoals 视为当前变更排除在外的内容,将 desired-future 需求视为可构建的范围。未被采纳的评估性请求、设想性想法、指定的实现机制以及由智能体提出的能力不产生任何实现义务;已被采纳的 ADR 可以将已评估过的选项保留作为决策历史。
  3. 将 weak-but-explicit 的字段视为已记录的悬而未决的问题,而非已敲定的决策,当工作依赖于该问题的解决时应上报处理。

质量检查清单

  • 范围事实在提问之前已呈现
  • nonGoals 来自用户,或用户声明没有范围外项
  • 每个适用字段都为 ready,或经用户同意后为 weak-but-explicit

参考资料

  • references/criteria.md — 各字段的判断规则、成本输入、挑战力度、伪装成方案的需求测试

Download now (ZIP)

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
What did you use it for? e.g. Reviewing pull requests in a Rails app

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.