Communitygithub.com

意圖驅動開發

將模糊或高影響力的產品與工程變更,在實作之前或過程中,轉化為範圍明確、可驗證的驗收條件。當使用者要求釐清功能、定義驗收條件、降低安全/資料/遷移/整合變更的風險、為其他代理準備實作需求,或讓複雜請求變得可測試時使用。對於瑣碎的編輯、直接的修正、活躍的除錯、程式碼審查,或驗收條件已經很清楚的實作請求,除非使用者明確呼叫此技能,否則不應觸發。

意圖驅動開發 是什麼?

意圖驅動開發技能旨在將模糊或高風險的產品與工程變更轉化為範圍明確、可觀察且可驗證的驗收條件,特別適用於 Claude Code、Cursor、Codex 等 AI 代理平台。它透過先檢查儲存庫、文件、架構和測試基礎設施來收集技術事實,然後根據變更的風險輪廓選擇深度(快速捕捉或完整驗收簡報),僅詢問無法從已知資訊推斷且會顯著影響範圍或行為的少數問題。每個驗收標準(AC-NNN)都必須包含起始條件、觸發動作、預期結果、禁止的副作用、驗證方法和優先級,並避免使用模糊詞彙如「正確地」或「安全地」。該技能支援三種工作流程:快速捕捉(3-7 個標準,低/中等風險)、完整驗收簡報(安全、資料、遷移、跨系統變更)以及現有規格審查(審查 PRD 或計畫中的遺漏和矛盾)。關鍵操作規則包括:不從程式碼推斷產品或業務限制(僅從使用者或權威產品文件取得),除非是阻斷風險否則不延遲實作,以及如果驗收標準因架構限制在實作中無法滿足,則標記為 [revised] 並更新範圍或驗證方法。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

意圖驅動開發 是做什麼的?

產出有用的驗收條件,而不讓規範變成儀式。首先檢查可用的上下文,暴露真正的歧義,並選擇適合工作及其風險的驗證方法。

何時啟動

  • 使用者要求釐清功能、定義驗收條件,或在實作前降低風險
  • 請求涉及安全性、驗證、持久性資料、遷移、外部 API 或合規
  • 使用者想要為另一個代理或團隊準備交接工件
  • 請求模糊到預期結果尚不可觀察或可測試的程度
  • 使用者使用 /intent-driven-development 明確呼叫此技能

對於瑣碎的編輯、直接的一行修正、活躍的除錯階段、程式碼審查請求,或驗收條件已經很清楚的實作請求,請勿啟動。

運作方式

  1. 先檢查上下文 — 在提出任何問題之前,先讀取儲存庫、文件、架構和測試基礎設施以取得技術事實,同時將產品/業務限制視為只有使用者或產品工件才能提供的事物
  2. 選擇深度 — 根據風險輪廓選擇快速捕捉(3-7 個標準,低/中等風險)或完整驗收簡報(安全性、資料、遷移、跨系統變更)
  3. 最少提問 — 僅詢問那些答案無法推斷且會顯著改變範圍或行為的問題
  4. 撰寫可觀察的標準 — 每個 AC-NNN 描述起始條件、觸發動作、預期結果、禁止的副作用、驗證方法和優先級;不使用模糊詞彙如「正確地」或「安全地」而沒有證據
  5. 繼續或交接 — 對於清楚且無阻斷風險的請求,記錄標準後繼續;對於高風險變更,呈現阻斷因素並等待確認
  6. 處理修訂 — 如果某個 AC 在實作中因架構限制無法滿足,將其標記為 [revised],更新範圍或驗證方法,遞增修訂編號,並僅重新呈現變更後的標準

範例

快速捕捉 — "為儀表板新增 CSV 匯出"

目標:已驗證使用者可以將儀表板資料下載為 CSV 檔案。
範圍內:匯出當前篩選的行;檔案名包含日期。
範圍外:排程匯出、電子郵件傳送、Excel 格式。
假設:最大行數少於 10k;匯出欄位中無 PII。

AC-001:匯出產生的檔案包含正確的標題
- 情境:已驗證使用者,至少能看到一行資料
- 動作:點擊「匯出 CSV」
- 預期:瀏覽器下載的檔案包含欄位 [id, name, created_at]
- 不得:暴露內部欄位或其他使用者的行
- 驗證:自動化整合測試 + 手動綱要抽查
- 優先級:必要

完整驗收簡報觸發 — "將使用者驗證遷移到 OAuth"

驗證變更 + 外部依賴 + 現有會話資料 → 完整簡報,包含風險審查表、關於會話失效策略的阻斷決策,以及明確的回滾 AC。

現有規格審查 — 使用者貼上 PRD

技能審查其中遺漏的範圍邊界、無法驗證的需求(「系統應快速」),以及隱含的假設,然後返回修正或補充的標準,而不重新開始探索。

操作規則

  1. 在詢問可在本地發現的技術事實之前,先檢查可用的儲存庫、文件、議題、設計和測試上下文。
  2. 不從程式碼推斷產品或業務限制。業務規則、合規和法規義務、合約 SLA、定價、資料保留政策、優先順序和目標使用者無法從儲存庫讀取。將其視為未知,直到使用者提供或權威產品工件(PRD、合約、政策文件)陳述它們。將它們記錄為標記為確認的假設,從不作爲發現的事實。儲存庫告訴你系統今天如何運作,而不是業務要求它做什麼。
  3. 僅詢問那些答案必要且無法安全推斷的問題。在必要時將簡短、相關的問題分組,以節省不必要的往返。
  4. 預設情況下不阻止實作。當使用者要求實作足夠明確的變更時,簡短記錄關鍵假設和驗收標準,然後繼續或將其交給實作工作流程。
  5. 僅在未解決的決策可能造成重大的安全暴露、資料遺失、不可逆的遷移、合約/API 破壞、有意義的成本或破壞性外部動作時,才需要明確的使用者確認才能繼續。
  6. 除非使用者要求或活躍的儲存庫工作流程明確要求,否則不將驗收文件寫入儲存庫、不修改專案檔案、不建立分支、不提交、不呼叫其他技能。
  7. 將自動化測試視為證據,而非真理。在可靠且合比例時偏好自動化;在自動化無法確定結果時,允許手動 UX、可訪問性、安全、法律或操作驗證。
  8. 絕不在驗收標準、測試夾具、範例或儲存的工件中包含真實的秘密、憑證、令牌、私鑰、個人資料或敏感的生產負載。使用遮罩或合成值。
  9. 未經明確授權並識別出安全的環境,不得對生產/即時資料執行破壞性測試、遷移、安全探測、負載測試、付費的外部呼叫或操作。
  10. 當驗收標準因實作中發現的架構、平台或外部限制而無法滿足時,不要默默地丟棄或繞過它。更新受影響的標準(將其標記為 [revised],說明限制,並調整範圍或驗證方法),遞增修訂編號,並僅在繼續之前向使用者重新呈現變更後的標準。僅在修訂更改了阻斷決策或顯著降低安全性或正確性保證時,才需要明確確認。

選擇深度

使用最小但有用的輸出。

快速捕捉

用於明確但非瑣碎且風險低或中等的變更。產出:

  • 目標
  • 範圍內 / 範圍外
  • 假設
  • 3-7 個驗收標準及驗證方法
  • 阻斷性問題(如有)

除非存在操作規則中的阻斷風險,或使用者特別要求先進行規格說明,否則不延遲實作以等待核准。

完整驗收簡報

用於模糊、跨系統、安全敏感、資料變更、遷移、合規或高成本變更,或當使用者要求交接工件時。產出下方的完整範本,並在風險實作前請求確認未解決的阻斷決策。

現有規格審查

當使用者已提供 PRD、議題、計畫或驗收標準時:

  1. 審查它們,而不是重新開始探索。
  2. 識別遺漏的範圍邊界、不安全的假設、矛盾和無法驗證的需求。
  3. 返回修正或補充的標準。

工作流程

1. 確立目標與風險

提取或詢問:

  • 使用者或系統的可觀察結果。
  • 受影響的行為者。
  • 主要的失敗後果。
  • 實際適用的風險維度:安全/隱私、持久性資料、相容性/API、遷移、外部依賴、成本、並行、效能、可用性/可訪問性。

避免詢問與無關風險的一般性問題。

2. 探索上下文

當本地或連接的工件可用時,僅檢查所需的內容:

  • 現有行為和直接相關的檔案或介面。
  • 儲存庫慣例、產品文件、API 合約、資料綱要或遷移歷史。
  • 現有的驗證基礎設施和實際命令。
  • 外部依賴以及它們是否可以隔離測試。

將發現的事實與使用者提供的假設分開記錄。如果無法檢查上下文,則說明哪些是未知的,並提出有針對性的問題。

儲存庫揭示技術事實——系統今天如何運作、其慣例和合約。它不揭示產品或業務限制:業務規則、合規和法規義務、合約 SLA、定價、資料保留政策、優先順序和目標使用者。絕不從程式碼或命名中重建這些。僅從使用者或權威產品工件捕獲它們,並將其列為待確認的假設。

3. 定義範圍

說明:

  • 目標:一句話描述預期結果。
  • 範圍內:此變更必須提供的行為。
  • 範圍外:明確排除的誘人相鄰工作。
  • 假設:尚未證實的主張。
  • 阻斷決策:會顯著影響安全性或行為的未解決選擇。

4. 撰寫驗收標準

使用 AC-001、AC-002 等。每個標準必須描述可觀察的行為和適當的驗證方法;標準和測試不要求一一對應。

對於每個適用的標準,包括:

  • 情境或起始條件。
  • 動作或觸發。
  • 預期的可觀察行為。
  • 有意義時禁止的副作用。
  • 驗證方法:自動化測試、整合檢查、手動 UX 審查、可訪問性檢查、安全審查、操作檢查或利害關係人驗收。
  • 當驗證可能影響資料、服務、成本或秘密時的環境/安全限制。
  • 優先級:必要、重要或可選。

不要使用「正確地」、「安全地」、「快速」、「直觀」或「穩健」等詞彙,除非定義了可觀察的證據或將其記錄為人工審查判斷。

5. 僅涵蓋相關邊界

考慮以下類別,但僅包括適用的類別:

類別何時包含典型證據
快樂路徑新的或變更的使用者可見行為成功的工作流程或狀態轉換
驗證變更接受輸入拒絕格式錯誤或邊界值而不改變狀態
授權/隱私資料或動作有存取邊界拒絕存取且無敏感揭露
持久性/遷移儲存的資料或綱要變更向後讀取、遷移、回滾或備份行為
相容性公開 API、檔案、事件或用戶端可能中斷現有合約或測試夾具仍然有效
失敗恢復存在網路、服務或非同步失敗無部分狀態或明確的重試/降級行為
冪等性/並行重複或同時寫入是合理的無重複副作用或無效的最終狀態
效能存在使用者或服務門檻定義的測量條件和門檻
UX/可訪問性有人與結果互動鍵盤、回饋、錯誤恢復、視覺/手動審查

6. 呈現並繼續

  • 對於釐清/規格請求,呈現簡報並僅針對列出的阻斷因素要求決策。
  • 對於沒有阻斷因素的實作請求,以緊湊的標準摘要作為工作的一部分呈現,並繼續實作。
  • 對於轉交給另一個代理或團隊,包含足夠的上下文和驗證細節,使他們能夠在不發明需求的情況下行動。
  • 僅在要求時將簡報儲存到檔案。使用儲存庫核准的路徑(如果存在);否則在寫入之前詢問或說明選擇的目的地。

輸出範本

將此範本用於完整驗收簡報。對於快速捕捉,省略不相關的部分。

# 驗收簡報:<變更名稱>

**狀態:** 草稿 | 已核准 | 已實作 | 已驗證
**修訂:** <編號>
**為以下對象準備:** <使用者/團隊/代理,如果知道>
**風險工作前需要核准:** 是 | 否 - <原因>

## 修訂記錄

| 修訂 | 日期 | 變更的標準 | 原因 |
| --- | --- | --- | --- |
| 1 | <日期> | — | 初始草稿 |

## 目標

<一句可觀察結果的描述。>

## 範圍

**範圍內**
- <包含的行為>

**範圍外**
- <排除的相鄰工作>

## 上下文

**發現的事實**(技術性,從儲存庫或工件驗證)
- <系統今天如何運作、慣例、合約>

**產品/業務限制**(由使用者或產品工件提供,絕不從程式碼推斷)
- <業務規則、合規/SLA 義務、保留政策、優先順序、目標使用者 — 或「尚未提供」>

**假設**
- <未經證實的主張,待確認或驗證>

**依賴和限制**
- <外部服務、本地慣例、相容性義務、環境限制>

## 風險審查

| 風險領域 | 適用? | 必要處理 |
| --- | --- | --- |
| 安全性/隱私 | 是/否 | <遮罩、授權、審查等> |
| 持久性資料/遷移 | 是/否 | <相容性、備份、回滾等> |
| 外部影響/成本 | 是/否 | <沙箱/測試環境/授權> |
| 相容性/API | 是/否 | <要保留或版本化的合約> |
| UX/可訪問性 | 是/否 | <手動或自動化證據> |

## 驗收標準

### AC-001:<可觀察行為>
- **情境:** <起始條件>
- **動作:** <單一觸發>
- **預期:** <可觀察結果>
- **不得:** <禁止的副作用,如果適用>
- **驗證:** <方法和預期證據>
- **環境/安全:** <限制,如果適用>
- **優先級:** 必要 | 重要 | 可選

## 阻斷決策

- [ ] <僅指能防止安全或正確進展的決策>

## 驗證計畫

| 標準 | 驗證證據 | 狀態 |
| --- | --- | --- |
| AC-001 | <測試/檢查/審查命令或證據類型> | 待處理 |

通過/失敗範例

使用這些來判斷技能是否真正產出了可驗證的簡報,而不是規劃文章。

失敗的驗收標準

AC-001:匯出功能正常運作且安全。

失敗 — 「正常運作」和「安全」不可觀察,沒有情境、觸發、預期...

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.

相關技能