prd-grounding

给产品经理用的 有代码依据的 PRD 生成器。
固定十步流水线，唯一硬门禁（方案选择）+ 自动决策，产出可评审、可交给 AI 编码的完整 PRD。

English summary · 快速开始 · 十步流水线 · 核心原则

GitHub: https://github.com/ania1129/prd-grounding · License: MIT

为什么做这个

市面上写 PRD 的 skill 很多，但几乎都只吃「文字输入」：BRD、会议纪要、原型。
没有一个会去读代码。 结果就是 PRD 里的"现状"靠猜、"影响面"靠拍脑袋、
"能不能做"到研发评审时才被推翻。

prd-grounding 补的就是这一段：先扫代码拿到事实，再让产品经理做决定，最后才写 PRD。
代码负责"现在是什么样"，产品经理负责"应该是什么样"。

十步流水线

① 需求理解 → ② 需求分析 → ③ 目标与提升指标
        ⛳ 检查点 1：需求理解对齐（软）
④ 结合历史代码（扫仓库 / 影响面 / 差距）
⑤ 给出解决方案（2–4 个候选，含对比与推荐）
        ⛔ 检查点 2：产品经理选择方案（硬门禁）
⑥ 给出解决方式（详细设计）
⑦ 给出所有逆向流程与候选待确认项（Q1…Qn）
⑨ 技能自动决策所有待确认项（不再询问产品经理）
⑩ 最终输出完整版 PRD

只有「方案选择」是硬门禁；方案选定后，剩余待确认项由技能按规则自动决策并记录，
不会反复打断产品经理。每个阶段都落盘，可断点续跑。

快速开始

1. 安装（三选一）

# DSH / 通用：项目级
mkdir -p .agents/skills && cp -r prd-grounding .agents/skills/

# DSH / Claude Code：用户级
cp -r prd-grounding ~/.agents/skills/        # 或 ~/.claude/skills/

# Codex CLI
cp -r prd-grounding ~/.codex/skills/

2. 使用

对 agent 说：

用 prd-grounding 给「订单部分退款」写一份 PRD，
代码库在 /path/to/order-service，需求背景是……

agent 会：

1. 建工作区 prd-workspace/<slug>/，初始化状态；
2. 逐阶段产出文件，在检查点停下来等你确认；
3. 门禁通过后输出 PRD.md。

3. 只跑脚本（不依赖任何 agent）

python3 scripts/scan_codebase.py --root /path/to/repo --out baseline.md
python3 scripts/prd_state.py init --root prd-workspace/demo --slug demo --title "Demo"
python3 scripts/prd_state.py status --root prd-workspace/demo

脚本只依赖 Python 3 标准库。

产物

prd-workspace/<slug>/
├── 01-requirement.md
├── 02-analysis.md
├── 03-goals-metrics.md
├── 04-code-baseline.md
├── 05-solution-options.md
├── 06-solution-decision.md      # 门禁 A 记录
├── 07-approach.md
├── 08-flows-open-questions.md
├── 09-decision-log.md           # 自动决策记录（技能决定）
├── PRD.md
└── state.json

核心原则

1. 事实必须带引用：path/to/file.ext:LINE，否则标 推断 / 待确认。
2. 代码 ≠ 应该：代码只给现状和约束，需求意图永远来自产品经理。
3. 不臆造业务决策：缺口和矛盾进待确认，由 PM 拍板。
4. 方案 ≥2 个：路线差异，不是换措辞。
5. 指标可度量：公式 + 数据来源 + 基线，缺一不可。
6. 逆向流程必须全覆盖：失败、回滚、超时、并发、幂等、补偿。
7. 待确认点闭环：编号、候选答案、默认建议；方案选定后由技能自动决策并记录。

仓库结构

prd-grounding/
├── SKILL.md                       # 技能入口
├── README.md
├── LICENSE                        # MIT
├── agents/openai.yaml             # Codex CLI 配置
├── assets/
│   ├── prd-template.md            # 最终 PRD 模板
│   └── checkpoint-template.md     # 三个检查点汇报模板
├── references/
│   ├── workflow.md                # 十步细则与门禁
│   ├── code-scan-checklist.md     # 代码要看什么
│   ├── solution-design.md         # 方案/设计/逆向写法
│   └── generation-rules.md        # 引用与生成规则
├── scripts/
│   ├── scan_codebase.py           # 代码现状盘点
│   └── prd_state.py               # 阶段状态与门禁
├── examples/                      # 需求示例 + 全流程走查
└── tests/validate_skill.py        # 结构与功能自检

常见问题

Q：没有代码库能用吗？
能，但阶段 4 会降级为"待确认"，方案与设计全部标注"待代码验证"，价值大打折扣。

Q：会不会把公司代码传出去？
不会。所有扫描和读写都在本地完成；PRD 里只写 path:line 和结论，不粘贴大段专有代码。

Q：和普通 PRD skill 的区别？
普通 skill 只产出文档；这里的工作区里还保有代码现状、影响面、方案对比与决策记录，最终 PRD 保持精简。

Q：能改成别的团队流程吗？
可以。流水线、门禁和产物都在 scripts/prd_state.py 与 references/workflow.md 里，改配置即可。

Roadmap

• dshmarket 插件包发布
• 支持从 git 历史自动生成"该功能演进简史"
• 支持把 PRD 直接发布到飞书 / Notion
• 多语言 PRD 模板

贡献

欢迎 Issue / PR。提交前请跑：

python3 tests/validate_skill.py

License

MIT，见 LICENSE。

English summary

prd-grounding is a skill for product managers that generates PRDs grounded in
an existing codebase. It runs a fixed ten-stage pipeline — requirement
understanding, analysis, goals & metrics, code grounding, solution options, PM
solution choice (hard gate), detailed approach, reverse flows & open questions,
PM confirmation (hard gate), final PRD — and refuses to emit the final PRD until
both hard gates pass. Facts about the current system must cite path:line.
Python scripts are standard-library only.