本文へ移動
cccskills
無料GitHub で公開

stylework-requirement-planning

StyleWork 需求排期共创 / 需求优先级讨论:当用户给出云效导出、钉钉 Sheet、Excel、截图或一批需求标题,希望先汇总这一批在解决什么,再识别重复、依赖、前置能力和模糊项,并结合领导重点、客户承诺、阶段方向、技术难度与容量讨论建议迭代和优先级时使用。适用于信息不完整但仍需要临时排期建议的场景。

只读分析,不用于导出到钉钉、自动修改云效/钉钉、替用户作最终排期决定或承诺交期。

インストール方法を見る

含まれるファイル(8)

  • SKILL.md5.6 KB
  • agents/openai.yaml280 B
  • evals/evals.json3.1 KB
  • evals/green-forward-test.md1.4 KB
  • evals/red-baseline.md762 B
  • evals/release-review.md2.4 KB
  • references/output-contract.md2.5 KB
  • references/planning-rubric.md4.9 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

StyleWork 需求排期共创

Overview

先把一批需求解释成人能讨论的主题地图,回答“这一批在解决什么”,再与用户共创优先级和迭代建议。Skill 只读分析,不修改云效,不修改钉钉,也不修改用户提供的源 Excel;用户最终手工调整。

Core Boundaries

  • 不调用 stylework-yunxiao-requirement-sync,不导出、不新建 Sheet、不写回任何系统。
  • 不把标题推断写成已确认事实;事实、推断和建议必须分开。
  • 不要求批量补录描述、提出方、期望时间、收益数据或完整 PRD 才开始分析。
  • 信息不足时仍输出临时建议,并为每个关键判断标注理由、缺失信息、风险和置信度。
  • 不替负责人承诺交期,不把建议迭代描述成已经排定。

Minimum Input

接受 Excel、CSV、钉钉 Sheet 的只读内容、截图或用户粘贴的需求列表。优先使用已有字段:

标题、负责人、创建者、迭代、技术难度、优先级、客户名称、URL

描述是可选增强信息,不是启动门槛。若 URL 可用且少量关键需求仅凭标题无法判断,可在用户已经授权查看的前提下,用浏览器只读打开这些需求详情;不要批量修改、评论或改变状态。

Workflow

1. Establish the evidence ledger

记录:

  • 已确认字段与用户补充事实;
  • 从标题或分组推断的主题;
  • 缺失信息;
  • 冲突;
  • 当前排期假设。

标题只能支持初步分类。模糊标题不得被补造成具体业务目标、客户承诺或技术方案。

2. Summarize what the batch is solving

先完成主题聚类,再讨论逐条排期。输出每个主题:

  • 主题名;
  • “在解决什么”一句话;
  • 代表需求;
  • 数量与当前迭代分布;
  • 主题性质:用户体验、业务能力、平台基建、可靠性/治理、探索验证或其他;
  • 判断依据与置信度。

同时标记:重复/高度相似项、依赖、前置能力、可能的能力链和模糊项。不要因标题相似就自动合并,只输出合并候选和需要核对的差异。

3. Invite high-value clarification

在主题摘要后,向用户提出最多 1-3 个批次级高价值问题,优先确认:

  • 当前领导或阶段重点;
  • 已承诺客户、固定日期或必须上线事项;
  • 本月最需要形成的业务结果,或明确不能做的方向。

不要把每条需求的未知项变成几十个问题。若用户暂时不回答、明确要求直接给建议,或上下文已经足够,继续输出临时版,不暂停整个排期。

4. Apply the planning rubric

读取 references/planning-rubric.md。依次判断:

  1. 外部硬约束与紧迫性;
  2. 领导/阶段方向和业务结果;
  3. 客户影响范围;
  4. 是否是其他需求的前置能力或共同底座;
  5. 依赖顺序、技术难度、验证成本和交付风险;
  6. 需求清晰度与可执行性;
  7. 负责人和迭代负载是否存在明显集中。

技术难度影响拆分和排期顺序,不自动降低业务优先级。高价值高难度项可建议先做验证或拆分前置任务,而不是简单后移。

5. Produce a co-planning draft

按 references/output-contract.md 输出:

  1. 批次主题地图;
  2. 重复、依赖、前置能力和模糊项清单;
  3. 建议的迭代重点与负载观察;
  4. 逐需求当前/建议迭代与当前/建议优先级;
  5. 理由、依赖、风险、缺失信息和置信度;
  6. 本轮最值得用户调整或确认的 1-3 个决策。

对 26.8.1 这类迭代解释为 2026 年 8 月第 1 周。若迭代日历与此不同,采用用户给出的团队定义。

6. Revise with user direction

用户补充重点方向或澄清需求后:

  • 明确列出哪些建议发生变化及原因;
  • 保留未变化项,不整表重写得难以比较;
  • 更新置信度与剩余风险;
  • 输出新的建议草案,仍不执行外部写入。

Confidence Rules

  • 高:有明确描述、外部承诺或可验证依赖,且建议直接由证据支持。
  • 中:标题和现有字段较清楚,但业务收益、容量或依赖仍有一项关键假设。
  • 低:主要依赖模糊标题推断,或缺少会显著改变排期的事实。

低置信度不等于不建议;它表示用户应优先复核。

Definition of Done

  • 先解释整批需求在解决什么,再进入逐条排期。
  • 重复、依赖、前置能力和模糊项均已显式标记。
  • 问题不超过 1-3 个批次级高价值问题,没有要求团队批量补录大量字段。
  • 信息不足的项仍有临时建议,且理由、缺失信息、风险和置信度完整。
  • 当前值与建议值分开,事实与推断分开。
  • 全程只读,没有修改云效、钉钉或源文件。

Resource Guide

  • references/planning-rubric.md:优先级、迭代、依赖、难度和置信度的判断规则。
  • references/output-contract.md:批次摘要、逐需求建议和变更对比模板。
  • evals/evals.json:触发、非触发与信息稀疏回归场景。

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

Agent trace 诊断器:当用户提供 trace、日志 JSON、agent 执行记录、工具调用序列,或说“看下这个日志/trace,定位根因”“只说明问题不要改文件”时使用;用中文输出核心根因、可视化执行流程图、trace 证据链、可能文件/行和修复建议,默认只读。不用于没有日志证据的新功能设计、普通代码解释或直接修复代码。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

协作校准 / 认知校准 / 问题脑暴:当用户有模糊感受说不清问题、方案越补越复杂、想挑战假设、 想重新定义问题、想知道成熟领域里怎么叫这个问题时使用。 可用中文唤起:"帮我想想""先聊一下""一起脑暴""我感觉有问题但不清楚是什么" "先别执行,帮我看清问题""挑战我的假设""这个方案是不是想错了""帮我做认知校准" "双向钢人""钢人论证一下""正反最强论证,给我明确判断"。 也适用于:用户直接说"帮我做 X 功能""接入 Y 平台"但背景复杂、或对话早期感觉方向可能跑偏时, AI 主动识别并建议进入脑暴模式。 这里的“挑战假设”主要指问题定义、目标、约束和领域定位层面的假设;如果问题已确认且用户已有具体方案、 计划、架构或决策要压力测试,应转用 grill-me。不用于翻译、摘要、格式整理、单文件小改等简单执行任务。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

AI 工作资产化诊断器 / Assetization Router:当用户提供 AI 协作会话、重复任务、prompt、工作流描述、 团队 AI 使用场景或一次成功交付过程,并要求判断应该沉淀成 Prompt、Context Pack、Workflow、Skill、 Loop、System,或根本不值得沉淀时使用。它只做诊断、分层和下一步资产建议,不替代具体 Skill 创建、 PRD 起草、调研、实现或自动化执行。不用于普通事实查询、一次性文案、trace 根因分析或高责任专业判断。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

设计脑暴 / 实现前方案校准:当用户想把已基本成立的想法、功能方向或产品问题,在写 PRD、画 mockup 或进入开发计划前,先比较方案、确认取舍、对齐 UI/视觉约束,并收敛成可执行设计 spec 时使用。 可用中文唤起:“先脑暴一下方案”“先不要写 PRD,帮我设计几种路径”“参考 brainstorming 把这个需求变成设计 spec” “实现前先讨论设计”。问题还没定义清楚时先用 ai-collaboration-calibration;已有方案要压力测试时用 grill-me; 直接写 PRD 时用 prd-architect;grill-me 返回精确设计 gap 时,本 Skill 只输出 Design Delta。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

竞品决策分析 / Competitive Decision Brief:当用户要调研竞品、替代方案、新产品、SaaS/AI 产品或市场信号, 并希望把官网、定价、评论、文档、更新日志、登录态走查、截图或浏览器取证转成产品定位、路线图、定价、 功能优先级、差异化、Go/No-Go 或 PRD 输入时使用。核心行为是先锚定产品决策,再选择证据渠道, 最后输出可行动的 Product Decision Brief;不要把它降级成泛泛功能清单、纯 UX 走查或“点完所有按钮”报告。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

复杂探索资产化 / Complex Exploration:当用户面对复杂、不确定、多轮迭代的产品策略、Roadmap、商业化定价、竞品定位、复杂 PRD 前置探索、项目复盘或方法论沉淀任务时使用。它先判断任务类型,暴露隐含假设,重构真正问题,规划探索路径和中间产物,并在结束后沉淀认知、结构、方法论、工具和影响力资产。不用于简单润色、翻译、摘要、明确执行任务;问题只需早期认知校准时优先用 ai-collaboration-calibration,已有方案要压力测试时用 grill-me,系统专题研究用 research-topic-compiler。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

PANGKAIFENG のスキルをすべて見る

このスキルの問題を報告する