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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
464
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++
895
687
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
355
216
昇腾LLM分布式训练框架
Python
121
147
暂无简介
Dart
807
199
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
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
782