PRD 一键生成可运行 Demo

从文档到可运行代码的鸿沟

在 AI 产品早期验证阶段，团队通常会产出包含意图体系、多 Agent 编排、工具调用规则和状态机的详尽 PRD。然而，将这些设计转化为可实际运行的演示版本（Demo）依然需要大量手工编码。前端状态流转、后端接口映射、Mock 数据生成以及前后端类型对齐等工作极为繁琐，容易偏离 PRD 原本的定义。

结构化解析与代码生成

该技能扮演资深全栈工程师与 AI 产品架构师的角色，将 PRD 视为唯一事实来源。

• 定向与解析：首先确认输入路径与复杂度模式（快速、标准或完整）。随后提取 PRD 中的核心结构，包括意图定义、Agent 工作流、工具规则、状态机及界面组件，生成摘要供开发者确认。
• 后端骨架：基于 FastAPI 和 Pydantic 生成后端代码。内置 Orchestrator 与 Skill 模式的 Agent 编排，实现 FileParser、SQLExecutor 等工具。所有 LLM 调用均通过 llm_service.py 的 Mock 接口返回，确保无需任何外部 API Key 即可启动。
• 前端驱动：使用 React 18 与 TypeScript 生成前端。核心逻辑封装在 useAnalysis hook 中，严格依据 PRD 定义的状态机驱动 App.tsx 的 UI 渲染，并集成 ECharts 图表与 Markdown 报告组件。
• 收尾验证：自动生成项目 README、Docker Compose 配置，并交叉检查前后端类型一致性、状态机覆盖率以及错误文案匹配度。

适用边界与注意事项

该技能严格遵循 PRD 的描述范围，不会主动生成超出需求的功能。默认的 Mock LLM 仅用于结构验证，不具备真实的推理能力，若需真实调用，需手动替换为对应 SDK 并配置密钥。此外，生成的代码为标准骨架，复杂的业务逻辑、数据库迁移及生产级异常处理仍需开发者后续补充。