cleanddd-requirements-analysis — community cleanddd-requirements-analysis, only-danmuku, community, ide skills

v1.0.0

关于此技能

非常适合需要结构化CleanDDD需求分析和建模能力的业务流程代理。 需求澄清与拆解,识别干系人并将需求条目标注所属对象与业务实体;仅产出结构化需求描述,不做建模定义,可作为后续建模输入

LDmoxeii LDmoxeii
[0]
[0]
更新于: 3/12/2026

Killer-Skills Review

Decision support comes first. Repository text comes second.

Reference-Only Page Review Score: 6/11

This page remains useful for operators, but Killer-Skills treats it as reference material instead of a primary organic landing page.

Original recommendation layer Concrete use-case guidance Explicit limitations and caution
Review Score
6/11
Quality Score
20
Canonical Locale
zh
Detected Body Locale
zh

非常适合需要结构化CleanDDD需求分析和建模能力的业务流程代理。 需求澄清与拆解,识别干系人并将需求条目标注所属对象与业务实体;仅产出结构化需求描述,不做建模定义,可作为后续建模输入

核心价值

赋予代理商进行综合需求分析的能力,通过分析业务需求、识别利益相关者并将需求分解为可执行的项目,利用业务实体分类和触发场景识别,生成结构化的CleanDDD建模描述。

适用 Agent 类型

非常适合需要结构化CleanDDD需求分析和建模能力的业务流程代理。

赋予的主要能力 · cleanddd-requirements-analysis

为CleanDDD建模自动化收集和分析业务需求
生成结构化的描述用于利益相关者识别和业务实体分类
通过迭代提问调试不完整或不明确的业务需求

! 使用限制与门槛

  • 需要预先存在的业务需求或变更说明
  • 仅限于需求分析和结构化描述,不执行实际的CleanDDD建模

Why this page is reference-only

  • - Current locale does not satisfy the locale-governance contract.
  • - The underlying skill quality score is below the review floor.

Source Boundary

The section below is imported from the upstream repository and should be treated as secondary evidence. Use the Killer-Skills review above as the primary layer for fit, risk, and installation decisions.

评审后的下一步

先决定动作,再继续看上游仓库材料

Killer-Skills 的主价值不应该停在“帮你打开仓库说明”,而是先帮你判断这项技能是否值得安装、是否应该回到可信集合复核,以及是否已经进入工作流落地阶段。

实验室 Demo

Browser Sandbox Environment

⚡️ Ready to unleash?

Experience this Agent in a zero-setup browser environment powered by WebContainers. No installation required.

Boot Container Sandbox

常见问题与安装步骤

以下问题与步骤与页面结构化数据保持一致,便于搜索引擎理解页面内容。

? FAQ

cleanddd-requirements-analysis 是什么?

非常适合需要结构化CleanDDD需求分析和建模能力的业务流程代理。 需求澄清与拆解,识别干系人并将需求条目标注所属对象与业务实体;仅产出结构化需求描述,不做建模定义,可作为后续建模输入

如何安装 cleanddd-requirements-analysis?

运行命令:npx killer-skills add LDmoxeii/only-danmuku。支持 Cursor、Windsurf、VS Code、Claude Code 等 19+ IDE/Agent。

cleanddd-requirements-analysis 适用于哪些场景?

典型场景包括:为CleanDDD建模自动化收集和分析业务需求、生成结构化的描述用于利益相关者识别和业务实体分类、通过迭代提问调试不完整或不明确的业务需求。

cleanddd-requirements-analysis 支持哪些 IDE 或 Agent?

该技能兼容 Cursor, Windsurf, VS Code, Trae, Claude Code, OpenClaw, Aider, Codex, OpenCode, Goose, Cline, Roo Code, Kiro, Augment Code, Continue, GitHub Copilot, Sourcegraph Cody, and Amazon Q Developer。可使用 Killer-Skills CLI 一条命令通用安装。

cleanddd-requirements-analysis 有哪些限制?

需要预先存在的业务需求或变更说明;仅限于需求分析和结构化描述,不执行实际的CleanDDD建模。

安装步骤

  1. 1. 打开终端

    在你的项目目录中打开终端或命令行。

  2. 2. 执行安装命令

    运行:npx killer-skills add LDmoxeii/only-danmuku。CLI 会自动识别 IDE 或 AI Agent 并完成配置。

  3. 3. 开始使用技能

    cleanddd-requirements-analysis 已启用,可立即在当前项目中调用。

! 参考页模式

此页面仍可作为安装与查阅参考,但 Killer-Skills 不再把它视为主要可索引落地页。请优先阅读上方评审结论,再决定是否继续查看上游仓库说明。

Upstream Repository Material

The section below is imported from the upstream repository and should be treated as secondary evidence. Use the Killer-Skills review above as the primary layer for fit, risk, and installation decisions.

Upstream Source

cleanddd-requirements-analysis

安装 cleanddd-requirements-analysis,这是一款面向AI agent workflows and automation的 AI Agent Skill。查看评审结论、使用场景与安装路径。

SKILL.md
Readonly
Upstream Repository Material
The section below is imported from the upstream repository and should be treated as secondary evidence. Use the Killer-Skills review above as the primary layer for fit, risk, and installation decisions.
Supporting Evidence

CleanDDD 需求分析技能

面向 CleanDDD 建模前的需求澄清与拆解,产出的结构化需求描述(场景、干系人、业务实体归类),便于后续建模或实现。

前置输入

  • 已获得业务需求/变更说明(文档、会议纪要或对话)。
  • 未经模型化或需要对现有模型做重大调整时,先运行本技能再交给 cleanddd-modeling。

工作流(只做需求分析与结构化描述,不做建模定义)

  1. 获取与确认范围:收集业务场景、角色、输入输出、约束;缺失信息先追问。
  2. 干系人识别:列出所有参与角色(如 C 端客户、后台管理员、审计、运营等),明确每条需求面向的对象。
  3. 需求拆分:按“查看/创建/修改/关闭/异步任务”切分为可执行条目,给需求ID,并标注对应干系人。
  4. 业务实体归类:将需求条目按负责满足需求的业务实体/领域对象归类,记录核心职责与约束(不做聚合/命令/事件建模)。
  5. “当 X 时做 Y”触发场景:识别事件/状态/操作触发的后续动作,按“触发条件 → 动作/影响 → 涉及角色/实体”记录,仍停留在需求级,不进入建模。
  6. 约束与输入输出:补充关键业务规则、前置条件、依赖系统或数据;标注缺口与假设。
  7. 汇总输出并二次确认:向用户呈现表格,标注假设与待确认项。

输出格式(结构化 Markdown)

  • 干系人表:角色 | 目标/痛点 | 权限/限制 | 备注
  • 需求条目表:需求ID | 场景描述 | 干系人/对象 | 所属业务实体 | 操作类型(查看/创建/修改/关闭/异步等) | 约束/前置 | 备注/缺口
  • 业务实体视图:业务实体 | 覆盖的需求条目 | 主要职责/规则 | 关键输入/输出
  • 触发/后续动作表:触发条件(当 X 操作/事件/状态) | 后续动作/影响(就做 Y) | 相关干系人 | 受影响的业务实体 | 备注/假设
  • 业务规则与依赖(可选):规则/约束 | 相关实体 | 依赖系统/数据 | 备注
  • 假设与待确认清单:项 | 描述 | 责任人 | 截止/优先级

统一命名与放置约定

  • 表格命名与列头:统一按章节中的表头格式输出,便于下游技能解析。
  • 术语统一:本技能停留在“需求级”术语,避免提前引入聚合/命令等建模术语;与 cleanddd-modeling 的术语区分清晰。
  • 文档位置:建议将本技能输出保存为仓库内 analysis/requirements.md 或由 Agent 汇总在会话记录中,便于后续 cleanddd-modeling 引用。

产出后提醒

  • 在输出末尾附“参数汇总 + 是否执行”提示,便于后续确认或传递给下游建模技能。
  • 明确未决问题与假设,便于后续建模或实现阶段承接。

相关技能

寻找 cleanddd-requirements-analysis 的替代方案 (Alternative) 或可搭配使用的同类 community Skill?探索以下相关开源技能。

查看全部

openclaw-release-maintainer

Logo of openclaw
openclaw

Your own personal AI assistant. Any OS. Any Platform. The lobster way. 🦞

333.8k
0
AI

widget-generator

Logo of f
f

为prompts.chat的信息反馈系统生成可定制的插件小部件

149.6k
0
AI

flags

Logo of vercel
vercel

React 框架

138.4k
0
浏览器

pr-review

Logo of pytorch
pytorch

Python中具有强大GPU加速的张量和动态神经网络

98.6k
0
开发者工具