Agent 与自动化工作流

ProductRail：将模糊产品需求转化为明确决策与工程就绪规格的 AI 辅助产品管理工作流

GRhama/ProductRail · Domain-agnostic AI-assisted Product Management workflow from ambiguous problems to implementation-ready specifications.

GitHub原文发布未知首次收录 2026-09-22上架 2026-09-26 09:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

ProductRail 是一个领域无关的 AI 辅助产品管理工作流，围绕显式决策、契约、门禁（gate）、交接和持久化状态构建。它通过 Product Grill、人工确认、Feature Spec、Story 拆分与验收标准、Engineering Grill 等阶段，把含糊的产品请求逐步转化为确定的产品行为与实现规格，强调 AI 负责结构化工作、人类保留决策权。项目与具体 AI 模型或厂商无关，可作为结构化提示词配合 ChatGPT、Claude、GitHub Copilot、Codex 等 LLM 工具使用。v0.1 为实验性公开工作流，不宣称生产可用。

# AI 辅助 # product-management # human-in-the-loop # 多智能体系统 # spec-driven-development

核心能力与快速开始

★ 0

能做什么: 提供从需求到实现规格的显式工作流：REQUEST → PRODUCT GRILL → 人工确认 → FEATURE SPEC → PRODUCT_READY → STORIES + 验收标准 → STORIES_READY → ENGINEERING GRILL → ENGINEERING_READY → IMPLEMENTATION SPEC → SPEC-TO-TASKS → TASKS_READY → IMPLEMENTATION → TESTS → VERIFICATION。包含 agents/（产品、工程、评审角色定义）、skills/（Product Grill、Feature Spec、Engineering Grill 等可复用流程）、templates/（MEETING_PACK、CURRENT_STATE、FEATURE_SPEC、STORY_BREAKDOWN 等持久化工件格式）、docs/（规范状态机与门禁契约）、examples/（通用起始需求）。核心门禁包括 PRODUCT_READY、STORIES_READY、ENGINEERING_READY、TASKS_READY，并明确各门禁的负责方与交接条件。
适用场景: 适用于产品经理和工程团队将模糊的需求（如“用户应能定时生成报告并通过邮件接收”）结构化，先梳理范围、时区、失败行为、编辑/取消规则等产品决策，再输出 Feature Spec、用户故事与验收标准，并在满足门禁条件后向工程交接实现规格与任务。也可用于新功能、新产品和改进类需求的起始流程。
项目形态: 资料合集
部署方式: 未说明。仓库以文件形式组织（agents/、skills/、templates/、docs/、examples/），可克隆仓库后按示例将请求与 skill 文件交给 AI 使用。
主要依赖: 未说明。文档称模型无关，可作为结构化提示词或指令配合 ChatGPT、Claude、GitHub Copilot、Codex 等 LLM 工具使用；不支持原生 agents/skills 的平台可使用仓库文件作为提示。
使用限制: v0.1 为实验性公开工作流，不宣称生产就绪或性能结果。门禁不可从未完成的工件推断，缺失、为 NO 或无法验证时阻止交接。Product Grill 不负责做出工程决策（如调度器、队列、供应商选择）。
许可证: MIT
最近推送: 2026-09-21 03:47

官方入门核对 README 依据 ↗

资料检查：2026-09-22 07:00 · 卡片整理：2026-09-26 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在收到产品交接后，使用 Engineering Grill 阶段验证交接内容，并推进到 ENGINEERING_READY、实现规格、SPEC-TO-TASKS 与 TASKS_READY，再进入实现、测试与验证。

查看内容依据

ENGINEERING GRILL → ENGINEERING_READY → IMPLEMENTATION SPEC → SPEC-TO-TASKS → TASKS_READY → IMPLEMENTATION → TESTS → VERIFICATION

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

将模糊的产品需求通过 Product Grill 阶段转化为显式决策，再生成 Feature Spec、用户故事与验收标准，并在 PRODUCT_READY 和 STORIES_READY 门禁确认后向工程团队交接。

查看内容依据

Turn ambiguous product requests into explicit decisions, specifications and engineering-ready work.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

requirements-agent：面向 PRD/MRD 起草、评审与交接的本地需求 Agent

该项目是一个基于 Python 的本地 Web 工作台，面向已有平台的增量需求，提供从创建项目、梳理现状与改动范围、澄清流程与规则、评审 MRD 与 PRD，到确认版本与生成交接包的五步流程。服务仅监听本机 loopback 地址（默认 127.0.0.1:8765），数据保存在本机 data/ 目录，模型侧默认通过 RA_DEEPSEEK_API_KEY 调用 DeepSeek 并支持思考模式；文件名原件、基线与历史记录会保留，正式确认会绑定版本、范围与哈希。注意运行依赖、付费模型调用成本、企业保护格式 Office 读取的兼容范围等材料未完整说明。

pm-product-capabilities：为 Claude Code 提供 37 项产品管理技能插件

这是一个 Claude Code 插件，包含 37 项产品管理技能，属于 AI Operating System 技能清单中的 Product Capabilities 层级。每项技能将具体的产品管理框架（如 OKR、RICE、金字塔原理、JTBD 风格故事映射、事前验尸等）封装为 Claude 可遵循的指令，附带统一的输出模板和质量检查清单。其中包括 32 项单一用途技能和 5 项端到端工作流技能（如从洞察到 backlog、从访谈需求到签署确认、倡议启动、GTM 发布、干系人沟通）。用户无需每次重新解释框架，只需提出所需产物，Claude 即可按框架应用生成结果。

HR-Recruitment-AI-System：AI 智能体驱动的招聘全流程平台

这是一个基于 AI 智能体的招聘平台，覆盖写职位描述、简历解析与筛选、候选人面试、录用推荐等环节，最终由人工招聘官做决定。系统包含多角色评审小组、对比视图、AI 面试评分卡、候选人问答机器人、招聘官收件箱、外联邮件（含日历文件）、Ask-HR、技能差距教练、实时 Agent 图、仪表盘漏斗与活动时间线、内置评测页与 PDF 候选人报告，并提供演示数据集和 5 分钟演示脚本。技术栈为 Next.js + TypeScript 前端、Python 3.11 + FastAPI + SQLAlchemy(SQLite) 后端，LLM 通过 Groq 的 OpenAI 兼容 API（也可用本地 Ollama）。

work-agent-skills：面向 AI 编程代理的可复用 SKILL.md 技能库

该项目收集了 71 个可复用的 AI 编程代理技能，以 SKILL.md 目录形式提供，可被 Claude Code、Codex 等读取。技能覆盖需求文档（PRD）撰写与执行、实现计划、代码审查、测试与调试、Git 与发布流程、发布验证、研究与分析、Web/SEO/性能、产品与文档输出等多个环节，并强调仓库经过 CI 检查不含凭证与个人信息，可通过符号链接接入代理的技能目录。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。