技能介绍

解决什么问题

把一句模糊的产品想法丢给 AI 编程工具，得到的往往是一次性生成的整套原型代码。问题不在于工具不会写，而在于结果难以控制：目录结构可能混乱，页面之间缺少统一约定，后续要调整时只能重来。原型阶段的需求又天然不稳定，UI、字段和交互都在变，一次性生成反而放大了返工成本。

@user_b13835cb/proto-prompt-generator 不直接生成代码，而是先把需求转成一组按层级组织的提示词，让 AI 工具逐步搭建可交互的前端原型。

核心能力

渐进式生成：先搭工程骨架，再补模块和页面细节，不要求 AI 一次输出全部代码
分层拆解：需求被拆成 P0 项目骨架、P1 模块、P2 复杂交互、P3 公共组件四个层级，每层可独立验证
输入适配：支持模糊描述、需求文档、功能清单、设计稿截图和已有原型改造等输入形式，必要时先提问澄清
工具通用：提示词面向 Codebuddy、Trae、Cursor、Claude Code、Codex 等工具设计，格式不绑定单一 IDE

工作流程

分析输入并识别类型，模糊需求先引导补全关键信息
确认原型类型、技术栈和数据方案，UI 风格只做轻量确认
按业务域拆解模块、页面、功能点和数据模型，并与用户核对
按层级生成 P0 到 P3 的 Markdown 提示词文件，输出到 proto-prompts/ 目录
逐层交给 AI 工具执行，每层完成后验证页面渲染、菜单导航、路由和控制台报错

跨层连续性

分段执行最大的风险是层间断裂：后续提示词覆盖或破坏了前面的工程成果。因此每份 P1 及之后的提示词都强制包含四个衔接章节：前置工程状态检查清单、上下文衔接说明、文件归属边界、执行后完整性验证。模块间的数据和组件依赖也在拆解阶段预先标注，P1 按依赖顺序执行，共享 Mock 数据统一维护。