一套覆盖软件工程全生命周期的 Claude Code Skills——从想法到上线，每个阶段都有结构化工作流引导。
裸用 Claude Code 写项目，每次都要从头描述工作流："先帮我分析需求、再搭项目骨架、再实现模块..."。这个过程容易遗漏步骤，AI 也容易跑偏。
这个项目把软件工程的六个关键阶段提炼为 6 个 Claude Code Skill。每个 Skill 内置了经过实际项目验证的步骤约束——你只需要说"实现用户认证模块"，Skill 自动按 建模 → 拆解 → 前后端 → 验收 的流程推进。
# 装好之后，开发流程变成这样：
"我想做一个多人协作白板" → prd-generator 引导梳理需求，产出 CLAUDE.md
"基于 CLAUDE.md 搭骨架" → engineering-setup 分步生成可运行项目
"实现用户认证模块" → module-developer 从建模到前后端完整交付
"接入 WebSocket 通知" → capability-extender 受控扩展，不破坏旧功能
"给认证模块加单元测试" → delivery-pipeline 测试 + 部署完整链路
"帮我写个 README" → readme-writer 生成项目着陆页# 克隆仓库
git clone https://github.com/dongyu23/ai-driven-develop-skills.git
# 注册到 Claude Code（选一种方式）
# 方式一：复制到用户级 skills 目录
cp -r ai-driven-develop-skills/prd-generator ~/.claude/skills/
cp -r ai-driven-develop-skills/engineering-setup ~/.claude/skills/
cp -r ai-driven-develop-skills/module-developer ~/.claude/skills/
cp -r ai-driven-develop-skills/capability-extender ~/.claude/skills/
cp -r ai-driven-develop-skills/delivery-pipeline ~/.claude/skills/
cp -r ai-driven-develop-skills/readme-writer ~/.claude/skills/
# 方式二：项目内符号链接（推荐，方便更新）
cd your-project
ln -s /path/to/ai-driven-develop-skills/prd-generator .claude/skills/prd-generator
# ... 以此类推安装后重启 Claude Code，Skill 即自动加载。
不需要手动调用。描述你的意图，Skill 自动触发：
| 你说的话 | 触发的 Skill |
|---|---|
| "我想做一个 XX，还没想清楚" | prd-generator |
| "基于 CLAUDE.md 搭项目骨架" | engineering-setup |
| "实现 XX 模块" | module-developer |
| "系统怎么接入 XX" | capability-extender |
| "加单元测试" / "准备部署" | delivery-pipeline |
| "帮我写 README" | readme-writer |
| 技能 | 阶段 | 核心逻辑 |
|---|---|---|
prd-generator |
产品定义 | 引导梳理而非替代决策，把边界和架构在写代码前想清楚 |
engineering-setup |
工程搭建 | 以 CLAUDE.md 为输入，分步生成，每步验收 |
module-developer |
业务开发 | 先建模再拆解，从数据结构完整交付到前端 |
capability-extender |
能力扩展 | 新能力挂在核心外面，不改造核心、不破坏旧功能 |
delivery-pipeline |
测试部署 | 路由式按需加载：测试路径 / 部署路径 / 完整交付 |
readme-writer |
项目文档 | 黄金金字塔结构，安装命令+示例代码必须在第一屏 |
- AI 辅助，人做决策 — AI 调研、生成、对比方案；人拍板约束、取舍、架构决策
- 分步验收 — 每步可 review，偏差即时修正，规范沉淀回 CLAUDE.md
- 改动范围圈死 — 不做"顺手重构"，不破坏旧功能
- 按需加载 — 每个 Skill 是路由，不是长文档，按用户意图精准加载
- Claude Code CLI 或 IDE 扩展
- 部分 Skill（delivery-pipeline）依赖 Docker、pytest 等工具，按需安装
MIT