Документы
github/prd
Создаёт подробные документы с требованиями к продукту для программных систем и AI-функций, включая описание проблемы, пользовательские сценарии, технические спецификации и анализ рисков. Полезно при планировании новых продуктов или функций для чёткого согласования требований между бизнесом и разработчиками.
Оцените навык первым
SKILL.md
Перевод инструкции, которую получает агент при подключении навыка. Агент всегда использует оригинал.
Документ с Требованиями к Продукту (PRD)
Обзор
Разрабатывайте комплексные, готовые к производству Документы с Требованиями к Продукту (PRD), которые соединяют бизнес-видение с технической реализацией. Этот навык работает с современными программными системами, обеспечивая чёткое определение требований.
Когда использовать
Используйте этот навык, когда:
- Начинается новый цикл разработки продукта или функции
- Необходимо перевести расплывчатую идею в конкретную техническую спецификацию
- Определяются требования к функциям с поддержкой ИИ
- Заинтересованные стороны нуждаются в едином «источнике правды» по объёму проекта
- Пользователь просит «написать PRD», «задокументировать требования» или «спланировать функцию»
Операционный процесс
Фаза 1: Исследование (Интервью)
Перед тем как написать хоть одну строку PRD, вы ДОЛЖНЫ опросить пользователя, чтобы заполнить пробелы в знаниях. Не делайте предположений о контексте.
Спросите о:
- Основной проблеме: Почему мы создаём это именно сейчас?
- Метриках успеха: Как понять, что это сработало?
- Ограничениях: Бюджет, технологический стек или сроки?
Фаза 2: Анализ и определение объёма
Синтезируйте вводные данные пользователя. Определите зависимости и скрытые сложности.
- Составьте Пользовательский поток.
- Определите Не-цели, чтобы защитить сроки.
Фаза 3: Техническое составление
Создайте документ, используя Строгую схему PRD ниже.
Стандарты качества PRD
Качество требований
Используйте конкретные, измеримые критерии. Избегайте слов «быстро», «просто» или «интуитивно».
# Расплывчато (ПЛОХО)
- Поиск должен быть быстрым и возвращать релевантные результаты.
- Интерфейс должен выглядеть современно и быть простым в использовании.
# Конкретно (ХОРОШО)
+ Поиск должен возвращать результаты в течение 200 мс для набора из 10 тыс. записей.
+ Алгоритм поиска должен достигать Precision@10 >= 85% в эталонных тестах.
+ Интерфейс должен соответствовать дизайн-системе 'Vercel/Next.js' и иметь 100% балл по Accessibility в Lighthouse.
Строгая схема PRD
Вы ДОЛЖНЫ следовать этой точной структуре в выводе:
1. Исполнительное резюме
- Формулировка проблемы: 1-2 предложения о болевой точке.
- Предложенное решение: 1-2 предложения о способе исправления.
- Критерии успеха: 3-5 измеримых KPI.
2. Пользовательский опыт и функциональность
- Пользовательские персоны: Для кого это?
- Пользовательские истории:
Как [пользователь], я хочу [действие], чтобы [выгода]. - Критерии приёмки: Маркированный список определений «Готово» для каждой истории.
- Не-цели: Что мы НЕ создаём?
3. Требования к системе ИИ (если применимо)
- Требования к инструментам: Какие инструменты и API нужны?
- Стратегия оценки: Как измерять качество и точность вывода.
4. Технические спецификации
- Обзор архитектуры: Поток данных и взаимодействие компонентов.
- Точки интеграции: API, базы данных и аутентификация.
- Безопасность и конфиденциальность: Обработка данных и соответствие требованиям.
5. Риски и дорожная карта
- Фазовый запуск: MVP -> v1.1 -> v2.0.
- Технические риски: Задержки, стоимость или сбои зависимостей.
Руководство по реализации
ДЕЛАЙТЕ (всегда)
- Определяйте тестирование: Для систем ИИ указывайте, как тестировать и валидировать качество вывода.
- Итерации: Представляйте черновик и запрашивайте обратную связь по конкретным разделам.
НЕ ДЕЛАЙТЕ (избегайте)
- Пропуск исследования: Никогда не пишите PRD без как минимум 2 уточняющих вопросов.
- Вымышленные ограничения: Если пользователь не указал технологический стек, спросите или отметьте как
TBD.
Пример: Интеллектуальная система поиска
1. Исполнительное резюме
Проблема: Пользователи испытывают трудности с поиском конкретных фрагментов документации в больших репозиториях.
Решение: Интеллектуальная система поиска, предоставляющая прямые ответы с указанием источников.
Успех:
- Сократить время поиска на 50%.
- Точность цитирования >= 95%.
2. Пользовательские истории
- История: Как разработчик, я хочу задавать вопросы на естественном языке, чтобы не угадывать ключевые слова.
- Критерии приёмки:
- Поддержка многошагового уточнения.
- Возврат блоков кода с кнопкой «Копировать».
3. Архитектура системы ИИ
- Необходимые инструменты:
codesearch,grep,webfetch.
4. Оценка
- Эталон: Тестирование с 50 распространёнными вопросами разработчиков.
- Проходной балл: 90% должны совпадать с ожидаемыми цитатами.