计划与任务对不上？如何修正 AI 在转换 PRD 时的“理解偏离”

在理想的 AIDD（AI 驱动开发）流程中，PRD 应该是 Issue 的母体。但现实往往是：你写了一份逻辑严密的 PRD，AI 执行 to-issues 后，拆出来的任务却像是在开发另一个项目。这种**“语义断层”**是导致 AI 辅助开发效率不增反减的元凶。

作为架构师，我发现这种偏离通常不是 AI “变笨了”，而是因为你的 PRD 缺乏工程约束（Engineering Constraints）。要修正这种偏离，我们需要在 Agent Skills 的转换逻辑中引入“对比校验”机制。

---

1. 语义漂移的根源：AI 的“自由发挥”

AI 在阅读 PRD 时，本质上是在进行概率预测。如果你在 PRD 里写“实现一个高性能的搜索框”，AI 可能会根据它的训练数据，拆分出“Elasticsearch 集群配置”、“倒排索引优化”等任务，而你其实只是想要一个简单的前端 Filter。

架构师排雷：

• 表现： Issue 列表里出现了 PRD 中从未提及的技术栈或复杂功能。
• 原因： 描述过于抽象，AI 使用了通用模板而非项目特定的上下文。
• 解法： 使用 design-an-interface 提前锁定技术边界。

---

2. 深度修正：利用 Sync-Check 逻辑强制对齐

在 skills 的进阶玩法中，我们不应该让 to-issues 作为一个黑盒运行。我们需要在转换过程中插入一个**“反向校验”**步骤。

转换阶段	潜在偏离	修正策略 (Correction Strategy)
解析期	忽略了非功能性需求（如安全性）	在 Skill 配置中强制加入 Security Checklist 扫描。
拆分期	任务颗粒度过大或过小	引入 Definition of Done (DoD) 约束，强制每一个 Issue 必须包含测试用例。
关联期	子任务偏离了父任务的目标	使用 grill-me 技能让 AI 对拆分出来的 Issue 进行自检。

---

3. 如何编写“防跑偏”的 PRD 指令？

如果你发现 AI 拆分的任务总是对不上号，尝试在执行 to-prd 或手动编写文档时，加入以下 “锚点指令”：

1. 明确禁止项 (Negative Constraints)：显式告诉 AI “禁止引入任何第三方数据库”、“不要考虑多语言适配”。
2. 引用现有上下文：在执行 to-issues 前，先通过 context-fetch（或类似的检索技能）让 AI 阅读现有的代码目录结构。
3. 强制角色扮演：要求 AI “以极其保守的资深后端工程师身份，根据这份 PRD 拆分出本周可交付的最小垂直切片”。

---

4. 让 AI 自己审计自己

真正的自动化不应该依赖人工反复去改 Issue。我们需要让 AI 具备“审计思维”。

为了帮你修正这种“理解偏离”，我已经在 GitCode 社区上线了 《PRD 对齐增强插件：Agent Skills 语义校验 Prompt 补丁》。这个补丁会在 to-issues 执行后，自动生成一份“偏差报告”，指出哪些 Issue 可能超出了 PRD 范围，哪些需求点被遗漏了。访问 GitCode，领取这份插件，让你的计划与任务实现 100% 同步。

[在 GitCode 领取《语义校验 Prompt 补丁》，彻底终结 Issue 拆分乱象。]