
开发前需求访谈 Agent Skill:先增强原始表达,再判断是否访谈,分轮澄清目标、流程、范围与验收,产出需求简报与需求图示;支持 WorkBuddy、OpenAI Codex / ChatGPT
开发前需求访谈 Agent Skill:先增强原始表达,再判断是否访谈,分轮澄清目标、流程、范围与验收,产出需求简报与需求图示;支持 WorkBuddy、OpenAI Codex / ChatGPT 与 DeepSeek Harness。
·
先把"想做什么"问清楚,再动手写代码。
一个纯提示词的 Agent Skill:先整理、拓展用户的原始表达,再判断是否需要访谈,分轮追问目标、流程、边界与验收,产出可直接进入开发计划的需求简报, 并为新项目或复杂开发交付需求思维导图与功能架构图。
req 是一套工作流约定,不是一个程序。它教 Agent 在开发开始之前,用最少的轮次把需求问到"可以排计划"的程度。
它主要做以下几件事:
| 做 | 不做 |
|---|---|
| 提示词增强:整理目标、场景、结果与约束,标清可能理解和关键缺口,再判断是否访谈 | 不把 AI 补充的内容当作已确认需求,不强行扩写明确的小修改 |
只读调查:读 AGENTS.md、README、目录结构、相关代码 | 不写业务代码、不搭脚手架、不装依赖 |
| 分轮追问:每轮只问 1—3 个真正影响后续的决策 | 不发固定问卷、不自问自答、不把沉默当同意 |
| 交付:需求简报 + 需求思维导图 + 功能架构图 | 不做任务拆分、不做测试、不做代码审查 |
它的价值在于拦住返工。需求阶段一个没问清的选择,到编码阶段往往要用几倍的改动来偿还。
普通对话里最容易发生的三件事,恰好是它专门针对的:
req 会先问清"谁在什么场景下记账、第一版只做哪件事"。req 每轮只问 1—3 个,先问会改变后续问题的那个。req 明确规定:含糊不是授权,代付费、公开数据、永久删除这类缺口保持阻塞。.
├── skills/
│ ├── req-workbuddy/ ← WorkBuddy 安装版
│ │ ├── SKILL.md 全部行为规则(含原生选择弹窗提问约定)
│ │ └── assets/icon.svg
│ └── req-openai/ ← OpenAI Codex / ChatGPT / DeepSeek Harness 通用正文
│ ├── SKILL.md 同一套规则,提问方式改为「优先用宿主原生提问工具」
│ ├── agents/openai.yaml 显示名称、启动提示、隐式调用开关
│ └── assets/icon.svg
├── docs/
│ ├── install-workbuddy.md 装到 WorkBuddy 的完整步骤
│ ├── install-codex.md 装到 Codex / ChatGPT 的完整步骤
│ ├── install-deepseek-harness.md 装到 DeepSeek Harness 的完整步骤
│ └── design-notes.md 双版本差异、DeepSeek 适配与设计取舍
├── examples/
│ └── session-walkthrough.md 一场典型访谈长什么样
├── scripts/
│ └── check-skill.sh 零依赖完整性校验(维护者用,不参与技能运行)
├── .github/ 议题与 PR 模板 + CI
├── CHANGELOG.md
├── CONTRIBUTING.md
└── LICENSE两个行为版本使用相同的称呼、访谈和图示规则,只有平台措辞不同;DeepSeek Harness 复用
req-openai/SKILL.md 的宿主无关正文,不维护第三套行为副本。SKILL.md 单独使用也能工作,不依赖其他绘图技能。
按你要用的平台挑一个版本安装即可,不要把多个 name: req 副本同时装进同一个平台。
个人级目录 ~/.workbuddy/skills/(所有项目复用),或项目级目录 .workbuddy/skills/。
~/.workbuddy/skills/req/SKILL.md
~/.workbuddy/skills/req/assets/icon.svg把 skills/req-workbuddy 整个目录重命名为 req 放进去,不要多套一层同名目录。
mkdir -p ~/.workbuddy/skills
cp -r skills/req-workbuddy ~/.workbuddy/skills/req个人级目录 $HOME/.agents/skills,或项目级目录 .agents/skills。
~/.agents/skills/req/SKILL.md
~/.agents/skills/req/agents/openai.yaml
~/.agents/skills/req/assets/icon.svg把 skills/req-openai 重命名为 req 放进去。目录不存在时先执行 mkdir -p "$HOME/.agents/skills"。
mkdir -p "$HOME/.agents/skills"
cp -r skills/req-openai "$HOME/.agents/skills/req"Codex 会自动发现技能变化,列表没更新就重启。
详细步骤、目录权限与常见报错见
docs/install-workbuddy.md和docs/install-codex.md。
DeepSeek Harness 使用项目级 .dsh/skills/ 或用户级 ~/.dsh/skills/ 发现本地 Skill。
从 skills/req-openai/SKILL.md 复制一份到 req 目录即可,不需要复制 agents/openai.yaml:
mkdir -p .dsh/skills/req
cp skills/req-openai/SKILL.md .dsh/skills/req/SKILL.mdPowerShell 写法:
New-Item -ItemType Directory -Force ".dsh\skills\req" | Out-Null
Copy-Item -Force ".\skills\req-openai\SKILL.md" ".\.dsh\skills\req\SKILL.md"完整步骤、用户级安装和排错见 docs/install-deepseek-harness.md。
在支持 $req 的宿主中,显式点名最稳:
$req 我想开发一个【描述你的想法】。
先在保留原意的基础上整理并增强我的表达,再判断需要澄清哪些内容,每轮只问 1—3 个关键问题。
新项目或复杂开发请展示需求思维导图和功能架构图,并在模式允许时保存两份 SVG。
需求确认后再进入开发计划,先不要写代码。WorkBuddy 下技能选择器里叫 req;Codex 下可在技能选择器中选中 开发前需求访谈,CLI 用 $req,或 /skills 查找。
也可以在 /skills 里按描述隐式匹配(allow_implicit_invocation: true),但显式调用更可靠。
DeepSeek Harness 下使用它提供的 Skill 清单或显式调用入口选择 req;如果当前版本没有显式入口,直接用自然语言描述需求即可。
把下面这段并进 AGENTS.md(WorkBuddy 的全局规则 / Codex 的 ~/.codex/AGENTS.md),不要贴全文:
## 开发前需求澄清
新程序、新功能或重大修改涉及未明确的目标、流程、范围或验收时,先读取并遵循已安装的 req 技能,再形成开发计划;需求未确认前不实施。
明确的小修改、普通问答和已确认方案不重复完整访谈。技能不可用时说明情况,仍先澄清关键缺口,不假装已调用。先增强用户表达,再判断是否需要访谈;需要访谈时,按以下骨架推进:
| 节 | 做什么 |
|---|---|
| §1 先增强提示词,再判断范围 | 保留原意,整理目标、场景、结果和约束,标清 AI 可能理解与关键缺口,再判断是否访谈;明确的小修改简短整理后跳过完整访谈 |
| §2 先理解再提问 | 先只读调查,维护决策记录(用户已确认/证据已核实/AI 建议/待决定/暂不做) |
| §3 分轮追问 | 每轮 1—3 题,问题落到具体场景,先问会改变后续问题的那个 |
| §4 查漏视角 | 8 个视角查缺口,优先找"答错会返工"的,不纠结配色 |
| §5 谁来决定 | 目标、范围、权限、费用归用户;能查证的事实和技术细节归 AI |
| §6 需求可视化 | 思维导图 + 功能架构图,标清"待确认"与"AI 建议" |
| §7 收口标准 | 7 条可检查的条件,不用虚构的"需求成熟度 95%" |
| §8 需求简报 | 按模板输出,集中确认一次 |
| §9 交接与退出 | 标记"可进入计划",把后续还给原生流程 |
docs/requirements/。文件名为 <项目名>-需求思维导图.svg 和 <项目名>-功能架构图.svg。全部行为都在 SKILL.md。想调节奏就改「每轮默认只问 1—3 个决策」;个人称呼可在当前对话中提出,不必写进共享技能。图示的触发、展示和保存规则见第 6 节。
改完在两个平台各跑一遍验收场景,别用「文件格式正常」代替实际效果验证。
这是工作流约定,不是强制拦截器。
SKILL.md 可直接通读审计。仓库另带一个零依赖的校验脚本 scripts/check-skill.sh,只供维护者本地与 CI 使用,不参与技能运行。欢迎交流使用体验和改进建议。遇到问题时,也可以通过 Issues 提供使用场景、报错信息和复现步骤,便于跟进。
欢迎提 Issue 和 PR。这个仓库里 SKILL.md 不是散文,是代码——改一个词就可能改变 Agent 行为,所以任何措辞改动都需要附上改动前后的实测对比。细则见 CONTRIBUTING.md。
改完先在本地跑一遍校验(CI 会跑同一份脚本):
bash scripts/check-skill.sh见 CHANGELOG.md。
仓库结构与工程规范参考了生态里两个高星仓库的做法:
anthropics/skills(技能目录与 SKILL.md frontmatter 规范)
与 obra/superpowers(议题/PR 模板与"行为改动需评估证据"的要求)。
MIT © 2026 CunZhang (Cunzhang0703)
This repo does not document an install step we could read. Check the README on GitHub.
Paste this prompt into your agent. It reads this page and does the setup for you.
Read https://aiagentslisting.com/mcp/req to learn what the "req · 开发前需求访谈" MCP server does and how to install it. Add it to my coding agent's MCP configuration as documented on that page, then confirm the server connects and list the tools it exposes.Agents can also browse this directory over MCP at https://aiagentslisting.com/api/mcp
This server doesn't publish a machine-readable tool manifest, and it doesn't expose a public endpoint we could ask. Connect the server locally to see what it exposes.
We could not run this server: it ships no npx package for our sandbox and no public endpoint. The four checks that need a live server are left out, and the grade tops out at B until one exists.
Maintain this server? Claiming proves you own the listing and earns the last 4 points.
Claim this listingPaste this line near the top of your repository's README. The badge always renders the current score.
[](https://aiagentslisting.com/mcp/req)Nothing comparable is listed yet.
v1.1.0v1.1.0 · 提示词增强与需求判断Release notesv1.0.0v1.0.0 · 双宿主首版Release notesConnect to the AI Agents Listing MCP server at https://aiagentslisting.com/api/mcp using the HTTP transport and complete the sign-in when it asks. Then call the submit_review tool for the listing "req" with a rating from 1 to 5 and a short note on what worked and what did not.No reviews yet
Be the first to share your experience with this tool.
One email a week. New agents, MCP servers and skills, and what is actually getting traction.