Communitygithub.com

意图驱动开发

将模糊或高影响力的产品和工程变更,转化为范围明确、可验证的验收标准,可在实施之前或并行完成。适用于用户要求澄清功能、定义验收标准、降低安全/数据/迁移/集成的风险、为其他产线或代理准备实施要求,或让复杂请求变得可测试的场景。不适用于微小修改、直截了当的修复、正在进行的调试、代码审查,或验收条件已经明确的实施请求,除非用户明确唤起此技能。

意图驱动开发 是什么?

意图驱动开发(Intent-Driven Development)是一项AI代理技能,旨在将模糊的工程或产品需求转化为可观测、可测试的验收标准,而无需陷入繁重的规范仪式。其核心流程包括:先检查上下文以获取技术事实,区分技术事实与产品约束(产品意图只能由用户或权威产品文档提供),选择简洁模式或完整验收简报来编写结构化标准,并且仅在必要时追问。该技能特别适用于安全变更、数据迁移、外部API集成和合规性相关任务,同时避免为简单修复或已经明确的请求增加负担。支持的平台包括Claude Code、Cline等基于模型驱动的代理。在激活后,它会输出一个包含目标、范围、假设、验收标准和风险评审的Markdown文档,如果实现过程中发现架构约束,还可以处理修订。其操作规则强调不盲目推断业务规则、不自动写入仓库、不在验收标准中包含真实密钥或敏感数据,并优先使用自动化证据,同时允许在自动化无法覆盖时使用人工验证。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/intent-driven-development

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

意图驱动开发 是做什么的?

制定有用的验收标准,避免规范变成繁文缛节。首先检查可用上下文,暴露真实的歧义性,并选择与工作及其风险相匹配的验证方法。

何时激活

  • 用户要求澄清一个功能、定义验收标准,或在实施前降低变更风险
  • 请求涉及安全、认证、持久化数据、迁移、外部API或合规性
  • 用户希望为另一个代理或团队准备交接工件
  • 请求模糊到预期结果尚不可观测或可测试
  • 用户使用 /intent-driven-development 明确唤起此技能

对于微小修改、直截了当的一行修复、正在进行的调试会话、代码审查请求,或者验收条件已经明确的实施请求,请勿激活。

工作原理

  1. 先检查上下文 — 在提出任何问题之前,读取仓库、文档、模式和测试基础设施,以获取技术事实;同时将产品/业务约束视为只有用户或产品工件才能提供的内容
  2. 选择深度 — 根据风险概况选择快速捕捉(3-7条标准,低/中风险)或完整验收简报(安全、数据、迁移、跨系统变更)
  3. 最少提问 — 只询问那些无法推断且会实质改变范围或行为的问题
  4. 编写可观测标准 — 每个 AC-NNN 描述起始条件、触发条件、预期结果、禁止的副作用、验证方法和优先级;不得使用“正确”或“安全”等模糊词汇而无证据
  5. 继续或交接 — 对于清晰且无阻断风险的请求,记录标准并继续;对于高风险变更,呈现阻断点并等待确认
  6. 处理修订 — 如果某个验收标准因架构约束在实施过程中失败,将其标记为 [已修订],更新范围或验证方法,增加修订号,并仅重新呈现变更的标准

示例

快速捕捉 — “为仪表板添加 CSV 导出”

目标: 已认证用户可以将仪表板数据下载为 CSV 文件。
范围内: 导出当前过滤的行;文件名包含日期。
范围外: 定时导出、邮件投递、Excel 格式。
假设: 最大行数不超过 10k;导出字段中不含个人身份信息(PII)。

AC-001: 导出生成包含正确表头的文件
- 场景: 已认证用户,至少有一行数据可见
- 操作: 点击“导出 CSV”
- 预期: 浏览器下载包含列 [id, name, created_at] 的文件
- 禁止: 暴露内部字段或其他用户的行
- 验证: 自动化集成测试 + 手动模式抽查
- 优先级: 必需

完整验收简报触发条件 — “将用户认证迁移到 OAuth”

认证变更 + 外部依赖 + 现有会话数据 → 包含风险评审表的完整简报,关于会话失效策略的阻断性决策,以及明确的回滚验收标准。

现有规范审查 — 用户粘贴了一份 PRD

技能审查其缺失的范围边界、无法验证的需求(“系统应当快速”),以及隐性假设,然后返回修正或补充的标准,无需重新开始发现。

操作规则

  1. 在询问可在本地发现的技术事实之前,先检查可用的仓库、文档、工单、设计和测试上下文。
  2. 不要从代码中推断产品或业务约束。业务规则、合规和监管义务、合同 SLA、定价、数据保留策略、优先级和目标用户无法从仓库中读取。将它们视为未知,直到用户提供或权威产品工件(PRD、合同、策略文档)明确说明。将它们记录为待确认的假设,绝不作为已发现的事实。仓库告诉你系统今天的行为,而不是业务要求它做什么。
  3. 只询问那些答案必须且不能安全推断的问题。当可以节省不必要的轮次时,将简短的相关问题分组。
  4. 默认不要阻塞实施。当用户要求实施足够清晰的变更时,简要记录关键假设和验收标准,然后继续或将其交给实施工作流。
  5. 仅在未解决的决策可能造成实质性的安全暴露、数据丢失、不可逆迁移、合同/API 断裂、重大成本或破坏性外部操作时,才要求用户明确确认后才能继续。
  6. 除非用户要求或活跃的仓库工作流明确要求,否则不要将验收文档写入仓库、修改项目文件、创建分支、提交或调用另一个技能。
  7. 将自动化测试视为证据,而非真理。当自动化可靠且比例适当时优先使用;在自动化无法确定结果时,允许手动 UX、可访问性、安全、法律或运营验证。
  8. 在任何验收标准、固定样本、示例或保存的工件中,绝不包含真实的密钥、凭据、令牌、私钥、个人数据或敏感的生产负载。使用脱敏或合成值。
  9. 未经明确授权和确定的安全环境,不得运行破坏性测试、迁移、安全探测、负载测试、付费外部调用或针对生产/实时数据的操作。
  10. 当由于实施过程中发现的架构、平台或外部约束无法满足某个验收标准时,不要静默丢弃或绕过它。更新受影响的标准(标记为 [已修订],说明约束,并调整范围或验证方法),增加修订号,并在继续之前仅向用户重新呈现变更后的标准。仅当修订改变了阻断性决策或实质上降低了安全或正确性保证时,才需要用户明确确认。

选择深度

使用最小的有用输出。

快速捕捉

适用于清晰但非琐碎且风险低或中等的变更。输出:

  • 目标
  • 范围内 / 范围外
  • 假设
  • 3-7 条验收标准及验证方法
  • 如果有则列出阻断性问题

除非操作规则中存在阻断性风险,或者用户明确要求先制定规范,否则不要为了审批而延迟实施。

完整验收简报

适用于模糊、跨系统、安全敏感、数据变更、迁移、合规或高成本的变更,或者当用户要求交接工件时。输出以下完整模板,并在高风险实施前请求确认未解决的阻断性决策。

现有规范审查

当用户已经提供了 PRD、工单、计划或验收标准时:

  1. 审查它而不是重新开始发现。
  2. 识别缺失的范围边界、不安全的假设、矛盾以及无法验证的需求。
  3. 返回修正或补充的标准。

工作流

1. 确定目标和风险

提取或询问:

  • 用户或系统的可观测结果。
  • 受影响的参与者。
  • 主要的故障后果。
  • 实际适用的风险维度:安全/隐私、持久化数据、兼容性/API、迁移、外部依赖、成本、并发、性能、可用性/可访问性。

避免提出与无关风险相关的泛泛问题。

2. 发现上下文

当本地或连接的工件可用时,只检查必要的内容:

  • 现有行为以及直接相关的文件或接口。
  • 仓库约定、产品文档、API 合同、数据模式或迁移历史。
  • 现有的验证基础设施和实用的命令。
  • 外部依赖以及它们是否可以在隔离环境中测试。

将发现的事实与用户提供的假设分开记录。如果无法检查上下文,说明哪些是未知的,并提出有针对性的问题。

仓库揭示技术事实 — 系统今天的行为、其约定和合同。它不揭示产品或业务约束:业务规则、合规和监管义务、合同 SLA、定价、数据保留策略、优先级和目标用户。永远不要从代码或命名中重建这些内容。只能从用户或权威产品工件中捕获它们,并在此前将它们列为待确认的假设。

3. 定义范围

说明:

  • 目标:一句话描述预期结果。
  • 范围内:此变更必须交付的行为。
  • 范围外:明确排除的诱人相关工作。
  • 假设:尚未证明的断言。
  • 阻断性决策:尚未解决且会实质影响安全性或行为的选项。

4. 编写验收标准

使用 AC-001、AC-002 等。每条标准必须描述可观测的行为和适当的验证方法;标准与测试无需一一对应。

对于每条适用的标准,包括:

  • 场景或起始条件。
  • 操作或触发条件。
  • 预期的可观测行为。
  • 在有意义时指明禁止的副作用。
  • 验证方法:自动化测试、集成检查、手动 UX 审查、可访问性检查、安全审查、运营检查或利益相关者验收。
  • 当验证可能影响数据、服务、成本或机密时的环境/安全约束。
  • 优先级:必需、重要或可选。

除非定义了可观测的证据或将其记录为人工审核判断,否则不要使用诸如“正确”、“安全”、“快速”、“直观”或“健壮”之类的词语。

5. 仅涵盖相关边界

考虑以下类别,但只包括适用的类别:

类别何时包含典型证据
快乐路径新的或变更的用户可见行为成功的工作流或状态转换
验证变更接受输入拒绝格式错误或边界值且无突变
授权/隐私数据或操作有访问边界拒绝访问且无敏感信息披露
持久化/迁移存储的数据或模式发生变更向后读取、迁移、回滚或备份行为
兼容性公共 API、文件、事件或客户端可能断裂现有合同或固定样本保持有效
故障恢复存在网络、服务或异步故障无部分状态或清晰的自动重试/降级行为
幂等性/并发重复或同时写入是合理的无重复副作用或无效最终状态
性能用户或服务阈值很重要定义的测量条件和阈值
UX/可访问性有人与结果交互键盘、反馈、错误恢复、视觉/手动审查

6. 呈现并继续

  • 对于澄清/规范请求:呈现简报,并仅就列出的阻断点请求决策。
  • 对于无阻断点的实施请求:将紧凑的标准摘要作为工作的一部分呈现,并继续实施。
  • 对于交接给另一个代理或团队:包含足够的上下文和验证细节,以便他们无需自行发明需求即可行动。
  • 仅在请求时才将简报保存到文件。使用仓库批准的路径(如果存在);否则在写入前询问或说明所选目标路径。

输出模板

对于完整验收简报使用此模板。快速捕捉时省略不相关的部分。

# 验收简报:<变更名称>

**状态:** 草稿 | 已批准 | 已实施 | 已验证
**修订版:** <编号>
**为以下对象准备:** <用户/团队/代理(如已知)>
**高风险工作前需要批准:** 是 | 否 - <原因>

## 修订日志

| 修订版 | 日期 | 变更的标准 | 原因 |
| --- | --- | --- | --- |
| 1 | <日期> | — | 初始草稿 |

## 目标

<一句可观测的结果描述。>

## 范围

**范围内**
- <包含的行为>

**范围外**
- <排除的相关工作>

## 上下文

**已发现的事实**(技术性,从仓库或工件验证)
- <系统今天的行为、约定、合同>

**产品/业务约束**(由用户或产品工件提供,绝不从代码推断)
- <业务规则、合规/SLA 义务、保留策略、优先级、目标用户 — 或“尚未提供”>

**假设**
- <待确认或验证的未验证断言>

**依赖和约束**
- <外部服务、本地约定、兼容性义务、环境限制>

## 风险评审

| 风险领域 | 适用? | 必需的处理 |
| --- | --- | --- |
| 安全/隐私 | 是/否 | <脱敏、授权、审查等> |
| 持久化数据/迁移 | 是/否 | <兼容性、备份、回滚等> |
| 外部影响/成本 | 是/否 | <沙箱/测试环境/授权> |
| 兼容性/API | 是/否 | <需要保留或版本化的合同> |
| UX/可访问性 | 是/否 | <手动或自动化证据> |

## 验收标准

### AC-001:<可观测行为>
- **场景:** <起始条件>
- **操作:** <单一触发条件>
- **预期:** <可观测结果>
- **禁止:** <禁止的副作用(如适用)>
- **验证:** <方法和预期证据>
- **环境/安全:** <约束(如适用)>
- **优先级:** 必需 | 重要 | 可选

## 阻断性决策

- [ ] <仅对安全或正确进展构成阻止的决策>

## 验证计划

| 标准 | 验证证据 | 状态 |
| --- | --- | --- |
| AC-001 | <测试/检查/审查命令或证据类型> | 待处理 |

通过/失败示例

使用这些来判断技能是否实际生成了可验证的简报,而非规划性散文。

失败的验收标准

AC-001 : 导出工作正常且安全。

失败 — “工作正常”和“安全”不可观测,没有场景、触发条件、预期结果

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

相关技能