AI 资源库 · 已整理 8 项
查看与需求定义相关的 AI 资讯、工具、Skill、工作流和开源项目。
jmhjasso/ai-agent-prd-case-study-invoice-automation
这是一个公开的案例研究仓库，记录了一位产品负责人如何把一个AI Agent想法（小企业发票自动化）从手绘流程推进到受治理、有证据支撑的产品计划，包括失败部分。仓库内容涵盖流程图与缺口分析、完整PRD、路线图、假设登记、决策简报、治理日志、测试与证据、阶段门与变更决策、运营模型（十个子代理）与复盘。项目目前完成到 Phase 0 的规划与去风险，MVP 尚未构建、未上线，也未声称实测节省时间。
HarshithGRaj/PRD-Agent · An AI-powered agent to generate Product Requirement Documents (PRDs).
PRD-Agent 是一个 AI 驱动的命令行界面（CLI）工具，帮助开发者和产品经理快速生成结构化、完整的产品需求文档（PRD）。它提供交互式 CLI，可将用户目标自动整理为 Overview、User Stories、Technical Requirements、Out of Scope 等标准 PRD 章节，并支持在本地环境运行和管理工作流。
Yuvraj4069/Yuvraj-ai-product-management-copilot
该项目是一个由 Google Gemini 与 SQLite 驱动的多智能体产品管理工作台，用于自动化产品发现、客户之声（VOC）分类、动态聚类、RICE 优先级排序、PRD（产品需求文档）自动生成和发布节奏排序等产品管理任务。仓库使用 Python 编写，采用 MIT 许可证。
garygentry/feature-forge · End-to-end feature development pipeline for coding agents: PRD → high level tech spec → detailed coding specs → backlog → implementation loop → docs
feature-forge 把含糊的功能想法通过固定、可恢复的流水线逐步转化为经过验证的代码：从需求（PRD）出发，依次生成高层技术方案、详细编码规格、可执行 backlog，再由可替换的自主循环运行器逐项实现，最后基于真实实现产出文档。流水线在阶段之间设置验证关卡，用稳定需求 ID 做可追溯，并把各阶段隔离到独立子代理上下文中以控制 token 消耗；支持状态跨会话持久化、上游改动后的过期检测，并针对 TypeScript、Python、Go、Rust 提供技术栈感知的配置档。项目对 Claude 做了调优但保持 agent 无关，支持 Claude、Codex、Copilot、Cursor、Gemini、Pi 等编码代理。
NinjaSln-labs/agent-skills · Portable Agent Skills (SKILL.md) for AI coding agents: 87 skills covering product 0-1 from discovery to delivery — DDD, engineering, QA, security, UI/UX, plus stage-gate and problem-resolution chains.
该项目是一套遵循 Agent Skills 开放规范（SKILL.md）的便携式技能集合，共 89 个技能，覆盖产品从发现、定义、设计到交付、上线、运营的 0-1 全生命周期，并包含 DDD、工程实践、测试/QA、安全、UI/UX 等贯穿层，还提供阶段门禁链与问题处理链等跨技能编排。技能可安装到支持该规范的 AI 编码代理中，采用渐进式披露组织内容（正文加 references）。
clnnn/playbook · Agent skills for everything up to the code: canvas, PRD, story map, context maps, ADRs, and INVEST-sliced issues. The build stage stays yours.
playbook 是一组 Agent 技能（skills），覆盖编码之前的需求与规划环节：从原始材料生成 PRD，通过对话式推敲确定技术栈并输出规格，绘制故事地图并切分 R1/R2/R3 发布切片，以及围绕不可逆决策进行深入研讨。项目自述为“覆盖代码之前的一切，构建阶段仍然由你负责”，并通过 gh skill install 安装到 Claude Code 等 Agent 环境。
sananthanarayan/skilldrop · 57 portable AI-agent skills for the deliverables knowledge work actually ships — ADRs, design docs, PRDs, runbooks, decks, threat models, adversarial code review — plus 3 reviewer subagents, 6 role packs and 7 outcomes. Agent Skills open standard; installs into Claude Code, Cursor, Codex, Copilot, Kiro, Antigravity.
skilldrop 提供 57 个可移植的 AI Agent 技能，用于生成知识工作中实际需要交付的产物，例如架构决策记录（ADR）、设计文档、PRD、运行手册、演示文稿、威胁模型和对抗性代码审查，并附带 3 个 reviewer 子代理、6 个角色包和 7 类成果。技能采用 Agent Skills 开放标准，每个技能是一个普通 SKILL.md 文件夹，可通过 CLI 以复制方式安装到 Claude Code、Cursor、Codex、GitHub Copilot、Kiro、Antigravity 等支持自定义指令的 AI 工具中。项目提供工作流门禁、文档批评、输出卫生检查、容量成本模型、业务案例、需求访谈、测试计划、发布说明、迁移计划、PRFAQ、战略分析和 OKR 级联等技能，强调将原始输入转化为经过评审的、可供利益相关者使用的工件。
这篇文章讲的是一套用 AI 代理帮忙写代码的工作流程：从开会录音、写成需求文档、拆成可发布的小单元、逐条写规格、AI 生成代码和测试、再做审查和发布，最后每周四上线。作者指出一个问题：整条链路里所有检查都只在问“代码有没有照着需求做”，却没有检查“需求本身对不对”。他故意在一条小需求里写错一句话，结果六个测试全都通过、审查关卡也放行，系统却做出了这个功能本来要阻止的坏事。对读者的意义是：光靠加自动化检查不够，真正需要人来把关的是需求写得对不对，而不是代码写得好不好。文中的流程和例子已在实际工作中使用，但作者未说明这套做法具体用哪些工具实现。
提供的材料未提及具体可用工具。