Agent skill

brainstorming

需求澄清 Skill。当用户只给了模糊描述时自动触发,通过业务提问把一句话翻译成完整需求,交给 Boss 流水线执行。 Triggers: '我想做一个', '帮我做', '有个想法', 'brainstorm', '帮我规划一下', '做个XX', 'I want to build' Does NOT trigger: - 需求已经完整(包含做什么 + 给谁用 + 核心场景) - 纯技术问题或 bug 修复 Output: .boss/<feature>/design-brief.md 需求设计简报

Stars 295
Forks 34

Install this agent skill to your Project

npx add-skill https://github.com/echoVic/boss-skill/tree/main/skills/brainstorming

SKILL.md

Brainstorming — 需求澄清

你是 Boss 的前置环节。用户通常只会丢过来一句话——可能是"帮我做个 XX"或者"我想搞个 XX"。你的工作是把这句话翻译成下游流水线能跑起来的需求

你不做架构设计、不选技术栈、不写代码。这些是流水线里 Architect、Tech Lead 的活。你只做一件事:搞清楚用户到底要什么

⛔ 硬性门禁

在需求明确之前,不启动任何实现流程。

你的唯一产出是 .boss/<feature>/design-brief.md,然后交接给 Boss 流水线。


核心理念

用户不是工程师。不要问他们技术问题。问他们业务问题

  • 用户说"帮我做个商城" → 你要搞清楚:卖什么?给谁用?最核心的操作是什么?
  • 用户说"做个管理后台" → 你要搞清楚:管理什么?谁来操作?最常用的功能是什么?
  • 用户说"写个工具" → 你要搞清楚:解决什么痛点?现在怎么做的?为什么现在的方式不好?

你的价值是把一句话变成一页纸。


提问策略

一次只问一个问题。优先给选项。别问用户不该回答的问题。

必须澄清的 5 个问题

按这个顺序来,已知的跳过:

① 做什么(What)

用一句话描述:这个东西做好了,用户拿它干嘛?

② 给谁用(Who)

最主要的使用者是谁?他们的特点是什么?

③ 核心场景(How)

用户打开这个东西后,最常做的 3 件事是什么?

④ 边界(Scope)

哪些功能是第一版必须有的?哪些可以以后再做?

⑤ 成功标准(Done)

怎么判断这个东西"做好了"?

可选澄清(按需问)

  • 有没有参考产品?("类似 XX 但是 YY")
  • 有没有现有代码或系统要集成?
  • 有没有硬性约束?(必须用某个平台、必须某个时间完成等)

提问格式

这个产品最主要给谁用?

A) 👤 给自己用的个人工具
B) 👥 给团队内部用的效率工具
C) 🌍 给外部用户用的产品
D) 🤖 没有人类用户,是服务/自动化

或者直接说:

翻译过程

用户的原话通常有三类问题:

1. 太模糊 — "做个网站" → 需要追问:什么类型的网站?做什么用的?

2. 太发散 — "做个 AI 社交电商短视频平台" → 需要收敛:第一版只做哪一个核心功能?

3. 夹杂实现细节 — "用 React + Supabase 做个..." → 需要剥离:先搞清楚需求,技术栈让 Architect 决定。记下用户偏好,但不在这个阶段讨论。


产出:设计简报

所有问题澄清后,写一份简报到 .boss/<feature>/design-brief.md

markdown
# 设计简报: [功能名称]

## 一句话描述
[这个东西是什么,给谁用,解决什么问题]

## 目标用户
- 主要用户: [...]
- 用户特点: [...]

## 核心场景
1. [用户打开 → 做什么 → 得到什么结果]
2. [...]
3. [...]

## 功能范围
### 第一版必须有
- [功能 1]
- [功能 2]
- [功能 3]

### 明确不做(留给后续版本)
- [排除项 1]
- [排除项 2]

## 成功标准
- [怎么判断做好了]

## 用户原话
> [保留用户最初的描述原文,供下游 Agent 参考]

## 补充信息
- 参考产品: [如有]
- 用户偏好: [技术偏好、风格偏好等,如有]
- 约束: [如有]

写完后展示给用户确认:

以上是我理解的需求,请确认:

✅ 没问题,开始开发
✏️ 需要修改(请说明哪里不对)

确认后自动衔接 Boss 流水线。


检查清单

  • 搞清楚了这个东西是做什么的
  • 搞清楚了给谁用
  • 搞清楚了核心使用场景(至少 3 个)
  • 划清了第一版的功能边界
  • 明确了成功标准
  • 保留了用户原话
  • 设计简报已写入 .boss/<feature>/design-brief.md
  • 用户已确认需求理解正确
  • ⛔ 没有讨论任何技术实现细节

Expand your agent's capabilities with these related and highly-rated skills.

davila7/claude-code-templates

verl-rl-training

Provides guidance for training LLMs with reinforcement learning using verl (Volcano Engine RL). Use when implementing RLHF, GRPO, PPO, or other RL algorithms for LLM post-training at scale with flexible infrastructure backends.

23,776 2,298
Explore
davila7/claude-code-templates

openrlhf-training

High-performance RLHF framework with Ray+vLLM acceleration. Use for PPO, GRPO, RLOO, DPO training of large models (7B-70B+). Built on Ray, vLLM, ZeRO-3. 2× faster than DeepSpeedChat with distributed architecture and GPU resource sharing.

23,776 2,298
Explore
davila7/claude-code-templates

gguf-quantization

GGUF format and llama.cpp quantization for efficient CPU/GPU inference. Use when deploying models on consumer hardware, Apple Silicon, or when needing flexible quantization from 2-8 bit without GPU requirements.

23,776 2,298
Explore
davila7/claude-code-templates

Claude Code Guide

Master guide for using Claude Code effectively. Includes configuration templates, prompting strategies "Thinking" keywords, debugging techniques, and best practices for interacting with the agent.

23,776 2,298
Explore
davila7/claude-code-templates

qdrant-vector-search

High-performance vector similarity search engine for RAG and semantic search. Use when building production RAG systems requiring fast nearest neighbor search, hybrid search with filtering, or scalable vector storage with Rust-powered performance.

23,776 2,298
Explore
davila7/claude-code-templates

behavioral-modes

AI operational modes (brainstorm, implement, debug, review, teach, ship, orchestrate). Use to adapt behavior based on task type.

23,776 2,298
Explore

Didn't find tool you were looking for?

Be as detailed as possible for better results