claude-code-requirements-builder 的项目扩展与二次开发
2025-06-29 15:40:14作者:滑思眉Philip
项目的基础介绍
claude-code-requirements-builder 是一个智能需求收集系统,旨在通过自动化发现和简单的yes/no问题逐步构建上下文,并生成全面的需求文档。该系统适用于产品经理和技术团队,可以在软件开发过程中简化需求收集和文档生成的流程。
项目的核心功能
- 代码库感知问题:AI首先分析代码库,然后提出基于代码的问题。
- 简单的是非格式:所有问题都是是非格式,如果不确定可以回答“idk”使用智能默认值。
- 两阶段提问:首先提出5个高层次的问题来获取上下文,然后在代码分析后提出5个专家级别的问题。
- 自动化文档:自动生成包含具体文件路径和模式的详细规格说明。
- 产品经理友好:即使没有代码知识,产品经理也能回答问题。
项目使用了哪些框架或库?
该项目主要使用MIT许可开源协议,并未明确指出使用了哪些特定的框架或库。但从项目结构和功能来看,可能涉及以下技术:
- 前端框架:如React或Vue,用于构建用户界面。
- 后端框架:如Node.js,用于服务器端逻辑处理。
- 版本控制系统:Git,用于代码的版本管理和协作。
项目的代码目录及介绍
项目的代码目录结构如下:
claude-requirements/
├── commands/ # Claude命令定义
│ ├── requirements-start.md # 开始新的需求
│ ├── requirements-status.md # 检查进度(别名:current)
│ ├── requirements-current.md # 查看活动中的需求
│ ├── requirements-end.md # 最终确定需求
│ ├── requirements-list.md # 列出所有需求
│ └── requirements-remind.md # 提醒AI遵循规则
│
├── requirements/ # 需求文档存储
│ ├── .current-requirement # 跟踪活动需求
│ ├── index.md # 所有需求的摘要
│ └── YYYY-MM-DD-HHMM-name/ # 个别需求文件夹
│ ├── metadata.json # 状态和进度跟踪
│ ├── 00-initial-request.md # 用户的原始请求
│ ├── 01-discovery-questions.md # 5个上下文问题
│ ├── 02-discovery-answers.md # 用户的答案
│ ├── 03-context-findings.md # AI的代码分析
│ ├── 04-detail-questions.md # 5个专家问题
│ ├── 05-detail-answers.md # 用户的详细答案
│ └── 06-requirements-spec.md # 最终需求规格
│
└── examples/ # 示例需求
对项目进行扩展或者二次开发的方向
- 增强AI分析能力:可以通过集成更先进的自然语言处理库或机器学习模型,提高AI对代码和用户输入的理解能力。
- 扩展需求收集流程:根据项目需求,可以增加更多阶段或问题,以收集更详细的需求信息。
- 集成项目管理工具:将需求收集系统与项目管理工具(如Jira)集成,实现需求与项目任务的自动同步。
- 用户界面优化:优化用户界面,使其更加直观和易于使用,提升用户体验。
- 多语言支持:增加多语言支持,使得系统可以在不同的语言环境中使用。
- 插件系统开发:开发插件系统,允许用户根据特定需求扩展功能。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
340
405
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178