- 📁 bad-examples/
- 📁 context/
- 📁 good-examples/
- 📄 SKILL.md
prd-generator
基于苏格拉底式问题的 PRD 生成 — AI PM 技能,挑战 PM 假设、提出多种选项并创建可靠的 PRD
基于苏格拉底式问题的 PRD 生成 — AI PM 技能,挑战 PM 假设、提出多种选项并创建可靠的 PRD
用于编写 PRD 的 PRP(产品需求提示)方法。构建编码代理需求文档的最佳实践参考。 --- # PRP 方法论 — 快速参考 PRP(产品需求提示)框架是一个用于创建 PRD 的结构化过程,编码代理可以在单次传递中执行该 PRD。 ## 核心原则 PRD 必须包含实现所需的所有上下文。如果仅使用 PRD 的新 Claude 会话无法正确构建该功能,则 PRD 是不完整的。 ## 三步流程 1. **编写初始描述** — 大脑转储您想要的内容:功能、技术堆栈、约束、集成、示例、文档参考 2. **生成 PRD** — 研究代码库 + 网络,采访用户,按照基本模板生成结构化文档 3. **执行 PRD** — 清晰上下文,重新开始,仅从 PRD 实现 ## 优秀 PRD 的要素 **要做:** - 参考代码库中的特定文件和代码模式 - 编写可测试的验证标准(“无效令牌返回 401”) - 包括明确的非目标以防止范围蔓延 - 列出特定于项目的反模式 - 按依赖关系排序实施步骤(必须先存在什么) - 包括现有数据/行为的迁移策略 **不要:** - 使用模糊的验证标准(“效果很好”、“性能良好”) - 留下技术设计摘要(“使用适当的数据结构”) - 假设实施代理了解项目约定 - 将其拼写出来 - 跳过非目标部分 - 代理将无边界地过度构建 - 编写无法独立验证的步骤 ## 面试技巧 PRD 生成中最有价值的部分是面试。 目标:将假设减少到接近于零。 - 写作前至少提出 8-10 个问题 - 以 3-4 人为一组批量提问 - 根据代码库研究提供推荐答案 - 涵盖:范围、用户、技术限制、数据模型、兼容性、边缘情况、测试、反模式 - 最终问题
为新功能生成产品需求文档 (PRD)。在规划功能、启动新项目或要求创建 PRD 时使用。触发条件:创建 prd、为其编写 prd、规划此功能、需求、规格。
技术架构设计 Skill。根据产品需求文档(PRD)设计完整的技术架构方案,输出结构化的架构设计文档。覆盖技术栈选型、系统架构、数据模型、API 设计、部署方案、非功能需求、安全设计等。触发条件:(1) 设计技术架构,(2) 从 PRD 推导技术方案,(3) 系统设计/技术选型,(4) 数据库设计,(5) API 设计,(6) 部署架构设计。
从头开始创建 PRD。当用户说“让我们创建一个产品需求文档”或“我想创建一个新的 PRD”时使用
根据功能描述或简介生成结构化 PRD。当要求编写、起草或创建 PRD 时使用。
创建标准PRD文档包结构。新项目启动或初始化PRD工作空间时调用。
skill-sample/ ├─ SKILL.md ⭐ 必备:技能说明入口:用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐:机器可读元信息:用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐:授权与使用范围:开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本:让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范:统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源:报告/文档模板,快速生成标准产物 └─ references/ 🧩 参考资料库:方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考:章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考:常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考:图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档:https://agentskills.io/home
├─ ⭐ 必备:YAML Frontmatter(必须存在,放在文件最顶部) │ ├─ ⭐ name :技能唯一名;须符合命名规则,并建议与目录名一致 │ └─ ⭐ description :技能描述;建议包含触发关键词(便于检索/匹配) │ ├─ ✅ 可选:Frontmatter 扩展字段(规范允许,但非强制) │ ├─ ✅ license :许可证标识(也可配合单独 LICENSE 文件) │ ├─ ✅ compatibility :兼容性/运行环境要求(仅在确实有限制时写) │ ├─ ✅ metadata :任意键值对(如 author/version/source_url 等) │ └─ 🧩 allowed-tools :允许工具白名单(规范标注为 experimental) │ └─ ✅ 推荐:Markdown 正文(自由格式,但建议按“渐进式披露”组织) ├─ ✅ Overview / Purpose :一句话说明目标 + 不做什么(边界) ├─ ✅ When to use :触发条件/适用场景(让模型/用户知道何时调用) ├─ ✅ Step-by-step :步骤化流程(最好 3–6 步,保证可复现) ├─ ✅ Inputs / Outputs :输入格式、输出格式、产物位置(文件/文本/JSON等) ├─ ✅ Examples :至少 1 个可复制示例(越“能跑”越好) ├─ 🧩 Files & References :引用assets/、references/、scripts/(相对路径) ├─ 🧩 Edge cases :边界情况/限制(大文件、速率限制、失败回退) ├─ 🧩 Troubleshooting :常见错误与解决(依赖缺失、路径不对、权限问题) └─ 🧩 Safety notes :涉及联网/写文件/执行命令时给出提醒(建议写)
在 GitHub 和各类社区里,技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库,让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索,支持 版本更新与多维排序(下载/点赞/评论/更新),并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手:
支持下载与导入 skills(.zip/.skill),本地放置后即可生效:
~/.claude/skills/(Claude Code)
~/.codex/skills/(Codex CLI)
~/.gemini/skills/(Gemini CLI)
同一份 SKILL.md 跨平台通用。
你需要了解的:技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills(技能)”是一种可复用的任务能力包,通常包含 SKILL.md 说明(用途、输入输出、使用方法)以及可选的脚本/模板/示例文件。
你可以把它理解为:给 AI 助手或工具链用的“插件说明书 + 资源包”,可被反复安装与分享。
技能系统采用“渐进式披露”策略,高效管理上下文信息,具体流程如下:
发现阶段:系统启动时,智能体仅加载各技能的名称与简要描述——信息精简,足以判断其适用场景,避免冗余加载。
激活阶段:当任务需求与某技能描述匹配时,智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段:智能体严格遵循文档指引执行操作,并按需调用关联文件或运行内置代码模块。
核心优势:该设计使智能体始终保持轻量高效,同时具备“按需扩展上下文”的能力,既保障响应速度,又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用:
注:以上导入方式文件大小控制在10M之内。
常见路径如下(不同系统略有差异,以你本机为准):
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后,也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源,只要目标工具支持读取该格式,就能共享使用。
比如:检索类技能 + 写作类技能 + 自动化脚本,形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库(至少 2 星),并扫描基本质量指标,还有一部分是SkillWink平台的创作者独立上传的。作为使用者,在安装前应始终审查代码,对安全问题负责。
最常见原因是这几类:
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前: