agentleFS
wannanbigpigwannanbigpig/ai-engineering-collaboration/skills/requirements-framing/SKILL.md

requirements-framing

Skill2 starsChanged 8 days agoMITView on GitHub

澄清无法从现有证据推导且会改变交付的关键决策;明确要求需求拆解或方案比较时也使用。

The file

Files
SKILL.md

需求定界

在开始设计或实施前,收敛会改变任务行为、范围、风险或验收方式的决策;目标是消除关键假设,不是进行无限追问或为每项小改动设置审批门槛。

触发与边界

出现任一情况时使用:

  • 用户目标有多种合理解释,且不同解释会导致不同实现、数据范围或权限行为。
  • 成功条件或必要边界无法从现有证据推导,且不同选择会实质改变交付;未显式写非目标或测试命令本身不触发澄清。
  • 新功能、跨模块改动或不可逆操作缺少会影响方案的业务决策。
  • 用户明确要求澄清、拆解需求或比较方案。

目标明确、影响局部且验证方式清晰的任务直接处理;能从代码、日志、规则或文档确认的事实先自行核对,不把检索工作交给用户。不要强制生成 Spec、ADR、待办或要求用户批准每一步。

澄清过程

  1. 先建立事实基线:复用已知规则、实现、测试和约束,只读取填补关键缺口所需的内容,区分事实与待决事项。
  2. 筛选关键决策:只保留会实质改变范围、行为、风险或验收的未决问题;其余采用合理假设并显式说明。
  3. 逐项收敛:一次合并少量互不依赖的关键问题,说明影响并给出推荐选项;仅在答案决定后续问题时逐项询问。只暂停依赖答案的部分,继续独立工作;已授权的假设不重复确认。
  4. 输出定界结论:用简短清单记录目标、非目标、验收标准、已决事项、仍在采用的假设,以及下一步需要的 Skill 或行动。

后续路由

  • 用户只需要方案、比较或问题清单时,交付定界结论后停止。
  • 已获实施授权时继续执行;未分析的共享行为或契约影响才需要 change-impact-analysis,根因未明才需要 systematic-debugging,需要行为回归保护才使用 test-driven-change。文件数量不作为触发依据。

由入口调用时返回结论和剩余缺口,由入口安排下一阶段;独立使用时在当前授权内推进,专项不可用时采用本 Skill 的最小流程,不为路由加载整套规则。

完成标准

在无需猜测关键业务决策的前提下,可以说明任务目标、边界和验收方式;仍有未决事项时,明确其影响与需要用户决定的内容,不宣称需求已完全确定。

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.