一個智慧的業務需求轉研發文件工具。AI 自主分析專案程式碼庫,理解業務需求,參考實際程式碼,生成可直接執行的研發文件。支援任意技術棧,無需配置。

👤 wumaohua233 📦 v1.0.0 ⭐ 4.3 ⬇️ 833 下載
💻 開發程式設計 免費

📖 技能介紹


name: business-to-dev-smart description: Smart business-to-dev requirement translator. AI first analyzes and memorizes project structure, then understands business requirements, references actual code, and generates implementation-ready developer documents. Universal - works with any tech stack.


Business-to-Dev Smart

智慧業務需求轉研發需求文件工具。AI 自主分析專案結構,理解業務需求,參考實際程式碼,生成可直接執行的研發文件。

核心特點

  • 🧠 自主專案理解 - AI 自動探索程式碼庫,理解專案型別和架構
  • 💾 專案記憶 - 儲存專案概述和結構,後續複用
  • 🎯 需求智慧分析 - 結合專案上下文理解業務需求
  • 🔍 程式碼精準參考 - 自動查詢相關程式碼作為實現參考
  • 📝 生成完整文件 - 需求概述、頁面原型、介面設計、任務拆分

工作流程

Phase 1: 專案分析(首次使用)

當遇到新專案時,AI 會:

  1. 探索專案根目錄 - 識別專案型別和技術棧
  2. 分析關鍵檔案 - package.json, README, 配置檔案等
  3. 理解專案架構 - 目錄結構、模組劃分、程式碼組織方式
  4. 儲存專案記憶 - 儲存專案概述和結構到 .ai-memory/
專案分析輸出示例:

【專案概述】
- 專案名稱:電商訂單管理系統 (OMS)
- 技術棧:Vue3 + Element Plus + Java Spring Boot
- 專案型別:B端管理系統
- 主要模組:訂單、庫存、客戶、報表

【專案結構】
frontend/
  - src/views/          # 頁面:按模組組織
  - src/components/     # 公共元件
  - src/api/           # API 介面
  - src/router/        # 路由配置
backend/
  - controller/        # REST API
  - service/          # 業務邏輯
  - entity/           # 資料模型
  - mapper/           # 資料訪問

【程式碼風格】
- 前端:Composition API, 模組化組織
- 後端:分層架構,RESTful 風格
- 命名:駝峰命名,模組字首

Phase 2: 需求分析

使用者提供: 1. 業務描述(文字) 2. UI 截圖(可選,圖片路徑)

AI 會: 1. 理解業務目標和場景 2. 分析 UI 截圖中的功能點 3. 結合專案上下文判斷實現方式 4. 識別需要修改/新增的模組

Phase 3: 程式碼參考

AI 自動在專案中查詢:

  1. 相似功能實現 - 查詢類似頁面的程式碼
  2. API 呼叫模式 - 瞭解前後端互動方式
  3. 元件使用方式 - 檢視常用 UI 元件
  4. 資料模型定義 - 參考現有實體類

    推薦訪問7w4.net獲取更多AI技能。

Phase 4: 生成需求文件

輸出包含:

# [需求標題] 研發需求文件

## 1. 需求概述
- 業務背景:...
- 使用者場景:...
- 預期效果:...

## 2. 功能需求
### 2.1 功能點列表
- [ ] 功能1:...
- [ ] 功能2:...

### 2.2 互動流程
1. 使用者操作...
2. 系統響應...

## 3. 頁面設計
### 3.1 頁面結構(HTML 原型)
```html
<div style="border:1px solid #ccc; padding:10px;">
  <h4>頁面標題</h4>
  <!-- 簡單框線圖 -->
</div>

3.2 關鍵互動

  • 點選...觸發...
  • 選擇...後...

4. 介面設計

4.1 新增/修改介面

介面 方法 路徑 描述
介面1 POST /api/xxx ...

4.2 請求/響應示例

{
  "code": 200,
  "data": {...}
}

5. 資料模型

5.1 新增/修改實體

// 參考現有程式碼風格
public class XxxEntity {
    // 欄位定義
}

6. 實現參考

6.1 參考程式碼

  • 相似功能:src/views/xxx/IndexView.vue(第 45-78 行)
  • API 呼叫:src/api/xxx.js(參考 getList 方法)
  • 元件使用:參考 components/XxxComponent.vue

6.2 建議實現步驟

  1. 前端:在 views/xxx/ 目錄新增/修改...
  2. 後端:在 controller/ 新增介面,在 service/ 實現邏輯...
  3. 資料庫:在 entity/ 定義模型...

7. 開發任務

  • [ ] 前端:頁面開發(預計 x 小時)
  • [ ] 後端:介面開發(預計 x 小時)
  • [ ] 聯調:前後端對接
  • [ ] 測試:功能驗證

## 使用方法

### 首次使用(專案分析)

```bash
# AI 會自動分析專案並儲存記憶
kimi "幫我理解這個專案:專案路徑 ~/projects/my-app"

日常需求分析

# 基礎用法
kimi "分析需求:在訂單列表增加批次匯出功能,截圖在 ~/screenshot.png"

# 完整用法
kimi "分析需求:
業務:客戶希望在訂單列表增加批次匯出功能,可以選擇時間範圍和狀態篩選後匯出 Excel。
截圖:/Users/xxx/screenshots/order_list.png
專案:~/projects/my-app"

專案記憶儲存

專案分析結果儲存在:

專案根目錄/
  └── .ai-memory/
      └── project-profile.md    # 專案概述和結構

使用者可以隨時檢視或更新:

# 檢視專案記憶
kimi "檢視這個專案的記憶"

# 更新專案記憶(程式碼結構變化後)
kimi "重新分析這個專案,更新記憶"

最佳實踐

  1. 首次使用先讓 AI 理解專案 - 專案分析質量決定後續輸出質量
  2. 提供清晰的業務描述 - 說明使用者是誰、要解決什麼問題
  3. UI 截圖很有用 - 幫助 AI 理解頁面佈局和功能點
  4. 檢視生成的參考程式碼 - 確保建議符合實際程式碼風格
  5. 迭代最佳化 - 如果需求複雜,可以多次對話完善文件

注意事項

  • AI 會盡量理解專案,但複雜專案可能需要人工補充說明
  • 生成的程式碼參考是示意性的,需要根據實際情況調整
  • 對於全新專案型別,AI 可能需要更多上下文
  • 建議定期更新專案記憶(當專案結構重大變化時)

🤖 AI 評測

這個工具很有想法,能讓 AI 先「讀懂」你的專案再寫文件,生成的文件結構清晰、包含程式碼參考。但目前版本更像使用手冊,實際指令指引不夠充分,可能影響實際使用效果。適合願意投入時間配置的使用者。推薦改進指令的明確性。

📊 多維度評分

適應性4
規範性4.4
有效性4.4
可靠性3.9
可信度5

📁 包含檔案 (4 個)

📄 EXAMPLE.md 6.9 KB
📄 README.md 3.8 KB
📄 SKILL.md 5.6 KB
📄 _meta.json 140 B