代码工程需求落地四步把关
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_2fd890c9/gpt-engineer。
技能介绍
问题:需求到代码之间的断层
很多自然语言需求在变成工程时缺少中间校验:环境不确定、需求描述模糊、生成结构引用缺失、占位配置未标记、敏感凭据混入文件。直接生成代码容易得到“看起来能跑”的项目骨架。
工作方式
该技能把需求落地拆成可检查的步骤:
- 环境体检:检查
python3 --version、node --version、包管理器、磁盘空间,输出 JSON 报告。 - 需求评分:按明确性、完整性、可验证性、技术栈匹配、边界条件、非功能性需求打分。
- 脚手架生成:生成目录结构、入口文件、测试文件与
README,未知值使用[需核实:字段名]占位。 - 完整性审查:检查
import/require、依赖声明、入口脚本与测试可发现性。 - 凭据扫描:识别 AWS key、GitHub token、密码、API key 等模式。
最终输出包含 overall_status 与 next_actions 的 JSON 汇总。
边界与注意点
它只生成工程结构和代码文件,不执行、调试或部署,也不保证编译通过。模糊业务规则会保留占位符,上线前仍需人工 review。适合项目骨架搭建和教学演示,不适合强合规、强审计或完整业务闭环。
使用场景
- 收到一段模糊的产品需求,想判断是否足够生成项目,并要求输出缺失项和评分建议。
- 想把 Python 工具需求快速落成目录、入口、测试和 README,并标记不确定配置。
- 生成项目后检查 import/require、requirements.txt 与测试目录是否自洽。
- 扫描刚生成代码中是否有明文密码、API key 或 GitHub token。
适合人员
- 需要把自然语言需求转成可提交项目骨架的独立开发者。
- 需要在生成代码前评估需求完整度并补齐验收标准的产品工程师。
- 需要在教学演示中展示从需求评分到脚手架生成流程的讲师。
- 需要在分享代码前检查工程引用、依赖和明文凭据的协作开发者。