拓冰网站定制 
Feature Forge Pre-Discovery 子代理模式用 Task Subagents 为多领域需求访谈前置技术上下文【免费下载链接】claude-skills67 Specialized Skills for Full-Stack Developers. Transform Claude Code into your expert pair programmer.项目地址: https://gitcode.com/GitHub_Trending/claud/claude-skills对于跨越认证、数据库、UI 等多个系统层的复杂功能需求Feature Forge 提供了一种预发现Pre-Discovery加速手段在正式需求访谈开始之前并行启动携带相关专业技能的 Task 子代理把代码库现状、架构约束与安全风险等事实性上下文先装填进来从而让访谈聚焦于决策与取舍而不是基础探索。本文以 claude-skills 仓库中 pre-discovery-subagents.md 为核心结合 Feature Forge 的完整参考体系与仓库内架构、安全等技能的源码级定义讲解这一多 Agent 预研模式的使用时机、执行步骤、落地示例与集成方式帮助你掌握先并行侦察、再精准访谈的需求工程打法。什么是 Pre-Discovery为什么需要把技术探索前置Feature Forge 是 claude-skills 仓库中的需求工程技能其定位是conducts structured requirements workshops to produce feature specifications, user stories, EARS-format functional requirements, acceptance criteria, and implementation checklists。它通过扮演两顶帽子来驱动访谈PM Hat聚焦用户价值、业务目标与成功指标Dev Hat聚焦技术可行性、安全性、性能与边界情况。问题的关键在于当需求横跨多个领域如认证、数据库、UI时访谈者对被调研代码库往往缺乏底层事实。如果直接进入访谈Agent 只能基于假设提问产出的需求要么过于空泛要么与现有架构脱节。Pre-Discovery 正是为了消灭这种无知状态而设计的——它在 Feature Forge 访谈启动之前用 Task 子代理并行执行代码库侦察把技术事实前置加载让后续访谈从探索升级为决策。从 Feature Forge 核心工作流 看其第 2 步 Interview 明确要求当功能横跨多个领域时使用带 Task 子代理的多 Agent 发现机制Use multi-agent discovery with Task subagents when the feature spans multiple domains并引导读者查阅 interview-questions.md 获取详细指引。这意味着 Pre-Discovery 不是孤立的技巧而是 Feature Forge 工作流内置的一等公民环节。何时使用 / 何时禁用两个清晰的适用边界原文档用两组判定标准划出了 Pre-Discovery 的使用边界值得完整继承。应该使用 Pre-Discovery 的场景功能触及 3 个及以上不同的系统层例如同时涉及认证auth、数据库database、UI 的功能。每个层级的既有模式都需要独立侦察串行调研成本极高代码库陌生或文档不足unfamiliar or underdocumentedAgent 对既有实现缺乏认识无法提出有针对性的问题在提问需求问题之前就需要具体的技术事实某些决策如存储方案取决于技术现状必须先于需求访谈确定事实基础干系人时间有限希望把来回沟通压到最少一次前置侦察可以减少访谈中这个我们去看一下式的返工。不应该使用 Pre-Discovery 的场景功能被良好地限定在单一领域内单一域的探索成本低子代理并行反而增加开销已经具备深入的代码库知识事实已在头脑中无需重新侦察需求纯粹属于业务/UX 层面没有技术探索的必要直接进入访谈即可。这里可以补充一条仓库层面的佐证项目 README 描述 claude-skills 拥有 67 个覆盖 12 个类别的专项技能语言、前后端框架、基础设施、API、测试、DevOps、安全、数据/ML 与平台专家等每一个框架与安全技能都有独立的 SKILL.md 定义。正是因为有这样丰富的技能矩阵按领域分派子代理才有落地的抓手——每个子代理携带对应领域的专业知识执行侦察。核心模式五步并行侦察原文档给出了完整的五步模式这是整套方法的主干1. Identify domains the feature touches 2. Launch parallel Task subagents with relevant skills: - Architecture Designer → existing patterns and constraints - Framework Expert → current implementation details - Security Reviewer → security requirements and risks 3. Collect findings from all subagents 4. Begin Feature Forge interview with technical context loaded 5. Focus interview on decisions, trade-offs, and requirements分解来看识别领域先列出功能将要触达的系统层认证、存储、渲染、消息等为每个层指派侦察任务并行启动子代理关键操作用的是 Task subagent 的并行执行parallel launch而非串行调用。三个典型角色各有分工——Architecture Designer负责既有模式与约束existing patterns and constraintsFramework Expert负责当前实现细节current implementation detailsSecurity Reviewer负责安全需求与风险security requirements and risks汇总发现把各子代理的产出整理成访谈可引用的上下文事实带上下文启动 Feature Forge 访谈访谈聚焦决策问题转向权衡trade-offs、取舍与需求本身。需要说明的是第 2 步的Architecture Designer / Framework Expert / Security Reviewer是原文档使用的泛指角色。在 claude-skills 仓库中它们都有具体的可挂载技能实现Architecture Designer对应 architecture-designer其工作流是理解需求 → 匹配模式 → 设计并记录权衡 → 用 ADR 记录决策 → 干系人评审且 MUST DO 中明确evaluate trade-offs, not just benefits。在预发现阶段它产出的正是existing patterns and constraints——例如现有存储选型、模块划分与架构决策记录。Security Reviewer对应 security-reviewer其核心工作流包含Scope映射攻击面→ Scan运行 SAST 与依赖扫描→ Review人工复核认证、输入处理与加密→ Test and classify → Report并强制要求提供具体文件/行号位置与每个发现的修复建议。预发现阶段让它提前侦察意味着后续访谈中的安全类问题如文件上传的鉴权与校验将基于真实风险而非泛泛而谈。Framework Expert在仓库中并无单一实现而是由一组框架技能构成例如 react-expert、nestjs-expert、fastapi-expert 等。挑选与目标技术栈匹配的框架技能挂载到子代理上即可获取current implementation details——例如 API 端点组织方式与文件存储惯例。从实现角度看这一模式与 interview-questions.md 中的 Parallel Skill-Invoked Discovery 模式完全同构同样强调before the interview, launch subagents in parallel并给出了子代理类型的具体写法如Task(subagent_typegeneral-purpose)调用架构技能评估系统影响、Task(subagent_typeExplore)在代码库中检索与功能相关的既有模式。实战示例带头像上传的用户资料功能原文档以user profile with avatar upload为例给出了三个可复制的子代理提示词完整继承如下Task subagent 1 (Architecture Designer): Analyze the current user model, storage patterns, and image handling in this codebase Task subagent 2 (Security Reviewer): What security concerns exist for file upload in this stack? Task subagent 3 (Framework Expert): How does this project handle API endpoints and file storage?三个问题的设计各有针对性问题 1架构Analyze the current user model, storage patterns, and image handling—— 目标是把用户模型长什么样、存储用什么模式、图像处理怎么走三个事实基线一次性摸清问题 2安全What security concerns exist for file upload in this stack?—— 文件上传是高危面子代理按 security-reviewer 的清单认证、输入校验、内容类型白名单、存储路径穿越等给出风险清单问题 3框架How does this project handle API endpoints and file storage?—— 让框架专家汇报项目真实的端点组织方式与存储方案本地磁盘、对象存储还是数据库 BLOB。收集到这些事实后访谈中像Where should we store avatars?头像存哪里这样的问题就带上了既有模式的上下文——例如架构子代理若发现项目已统一使用对象存储前缀模式那么该问题就从开放式探索变成沿用既有模式 vs 引入新方案的决策题。为便于理解最终访谈的走向可以对照 interview-questions.md 的 Dev Hat 问题框架What systems does this touch? APIs, databases, services?、Authentication required? Data sensitivity (PII, PCI)?、What happens when X fails? Empty states? Limits?——预发现的产出恰好为这些问题提供了可引用的证据。与 Feature Forge 访谈流程的整合Pre-Discovery 并非独立阶段而是嵌套进 Feature Forge 的完整访谈流程。结合 interview-questions.md 与 SKILL.md整体管线如下阶段焦点工具/手段Pre-Discovery技术上下文Task 子代理携带技能并行侦察Discovery发现问题、用户、价值开放式提问 → AskUserQuestionsDetails细节旅程、范围、约束AskUserQuestions → 开放式追问Edge Cases边界失败、限制、安全AskUserQuestions → 开放式追问Validation验证汇总、差距AskUserQuestions五个阶段的衔接关系是Pre-Discovery 产出的技术事实进入 Discovery 与 Details 阶段后访谈者可以自然地用AskUserQuestions把范围决策MVP vs Full vs Phased、格式选择、优先级等结构化问题抛给干系人而把某个技术方案是否可行这类由事实决定的问题从反复追问中剔除。值得注意的是Pre-Discovery 与仓库中的 Discovery 工作流discovery-phase.md定位不同但互补后者是 Feature Forge 访谈后针对无法从现有知识回答的未知项用户访谈、竞品分析、技术验证 spike发起的人工调研工作流由discovery:create/discovery:synthesize/discovery:approve三个命令驱动而 Pre-Discovery 是访谈之前、由 Agent 并行完成的代码库侦察。二者一个前置、一个后置共同构成机器先侦察、人再深研的分层体系。编排建议与注意事项基于原文档与仓库技能的实现约束整理几条实战编排建议子代理的分工边界要清晰每个子代理只负责一类事实模式/约束、实现细节、安全风险避免职责重叠导致重复侦察。任务描述应具体到分析什么、产出什么如示例中那样指向明确的代码区域与问题类型。并行优于串行原文档两次强调 parallel launch。多领域侦察彼此无依赖时并行启动能显著缩短前置等待时间尤其适合干系人时间受限的场景。把产出映射到访谈类别子代理发现应显式映射到访谈问题类别架构映射到 Integration 与 Data 问题、安全映射到 Security 问题这一点在 interview-questions.md 中明确要求how subagent findings map to interview categories。遵守各技能自身的约束例如 security-reviewer 的 MUST NOT DO 明确测试前必须先确认范围与授权不搞超出概念验证的利用。预发现阶段只做静态侦察与事实收集不应触发主动测试行为。访谈产出按统一模板落盘无论预发现收集了多少上下文最终规格都应遵循 specification-template.md以 EARS 格式书写功能需求参考 ears-syntax.md用 Given/When/Then 编写可测试的验收标准参考 acceptance-criteria.md并保存为specs/{feature_name}.spec.md。预发现的价值最终要在这些结构化产出中体现。小结Pre-Discovery with Subagents 的核心思想可以概括为一句话在提问之前先侦察。对于触及多个系统层的复杂功能它用并行 Task 子代理把既有模式、实现细节、安全风险三类技术事实前置加载让 Feature Forge 访谈从猜测式提问升级为基于证据的决策。它由 pre-discovery-subagents.md 定义骨架由 interview-questions.md 提供并行编排细节并由仓库中 architecture-designer、security-reviewer 与各框架技能提供实际的侦察能力——这套组合让需求工程在复杂代码库上既快又准且产出可追溯、可复用。【免费下载链接】claude-skills67 Specialized Skills for Full-Stack Developers. Transform Claude Code into your expert pair programmer.项目地址: https://gitcode.com/GitHub_Trending/claud/claude-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Feature Forge Pre-Discovery 子代理模式：用 Task Subagents 为多领域需求访谈前置技术上下文
Feature Forge Pre-Discovery 子代理模式用 Task Subagents 为多领域需求访谈前置技术上下文【免费下载链接】claude-skills67 Specialized Skills for Full-Stack Developers. Transform Claude Code into your expert pair programmer.项目地址: https://gitcode.com/GitHub_Trending/claud/claude-skills对于跨越认证、数据库、UI 等多个系统层的复杂功能需求Feature Forge 提供了一种预发现Pre-Discovery加速手段在正式需求访谈开始之前并行启动携带相关专业技能的 Task 子代理把代码库现状、架构约束与安全风险等事实性上下文先装填进来从而让访谈聚焦于决策与取舍而不是基础探索。本文以 claude-skills 仓库中 pre-discovery-subagents.md 为核心结合 Feature Forge 的完整参考体系与仓库内架构、安全等技能的源码级定义讲解这一多 Agent 预研模式的使用时机、执行步骤、落地示例与集成方式帮助你掌握先并行侦察、再精准访谈的需求工程打法。什么是 Pre-Discovery为什么需要把技术探索前置Feature Forge 是 claude-skills 仓库中的需求工程技能其定位是conducts structured requirements workshops to produce feature specifications, user stories, EARS-format functional requirements, acceptance criteria, and implementation checklists。它通过扮演两顶帽子来驱动访谈PM Hat聚焦用户价值、业务目标与成功指标Dev Hat聚焦技术可行性、安全性、性能与边界情况。问题的关键在于当需求横跨多个领域如认证、数据库、UI时访谈者对被调研代码库往往缺乏底层事实。如果直接进入访谈Agent 只能基于假设提问产出的需求要么过于空泛要么与现有架构脱节。Pre-Discovery 正是为了消灭这种无知状态而设计的——它在 Feature Forge 访谈启动之前用 Task 子代理并行执行代码库侦察把技术事实前置加载让后续访谈从探索升级为决策。从 Feature Forge 核心工作流 看其第 2 步 Interview 明确要求当功能横跨多个领域时使用带 Task 子代理的多 Agent 发现机制Use multi-agent discovery with Task subagents when the feature spans multiple domains并引导读者查阅 interview-questions.md 获取详细指引。这意味着 Pre-Discovery 不是孤立的技巧而是 Feature Forge 工作流内置的一等公民环节。何时使用 / 何时禁用两个清晰的适用边界原文档用两组判定标准划出了 Pre-Discovery 的使用边界值得完整继承。应该使用 Pre-Discovery 的场景功能触及 3 个及以上不同的系统层例如同时涉及认证auth、数据库database、UI 的功能。每个层级的既有模式都需要独立侦察串行调研成本极高代码库陌生或文档不足unfamiliar or underdocumentedAgent 对既有实现缺乏认识无法提出有针对性的问题在提问需求问题之前就需要具体的技术事实某些决策如存储方案取决于技术现状必须先于需求访谈确定事实基础干系人时间有限希望把来回沟通压到最少一次前置侦察可以减少访谈中这个我们去看一下式的返工。不应该使用 Pre-Discovery 的场景功能被良好地限定在单一领域内单一域的探索成本低子代理并行反而增加开销已经具备深入的代码库知识事实已在头脑中无需重新侦察需求纯粹属于业务/UX 层面没有技术探索的必要直接进入访谈即可。这里可以补充一条仓库层面的佐证项目 README 描述 claude-skills 拥有 67 个覆盖 12 个类别的专项技能语言、前后端框架、基础设施、API、测试、DevOps、安全、数据/ML 与平台专家等每一个框架与安全技能都有独立的 SKILL.md 定义。正是因为有这样丰富的技能矩阵按领域分派子代理才有落地的抓手——每个子代理携带对应领域的专业知识执行侦察。核心模式五步并行侦察原文档给出了完整的五步模式这是整套方法的主干1. Identify domains the feature touches 2. Launch parallel Task subagents with relevant skills: - Architecture Designer → existing patterns and constraints - Framework Expert → current implementation details - Security Reviewer → security requirements and risks 3. Collect findings from all subagents 4. Begin Feature Forge interview with technical context loaded 5. Focus interview on decisions, trade-offs, and requirements分解来看识别领域先列出功能将要触达的系统层认证、存储、渲染、消息等为每个层指派侦察任务并行启动子代理关键操作用的是 Task subagent 的并行执行parallel launch而非串行调用。三个典型角色各有分工——Architecture Designer负责既有模式与约束existing patterns and constraintsFramework Expert负责当前实现细节current implementation detailsSecurity Reviewer负责安全需求与风险security requirements and risks汇总发现把各子代理的产出整理成访谈可引用的上下文事实带上下文启动 Feature Forge 访谈访谈聚焦决策问题转向权衡trade-offs、取舍与需求本身。需要说明的是第 2 步的Architecture Designer / Framework Expert / Security Reviewer是原文档使用的泛指角色。在 claude-skills 仓库中它们都有具体的可挂载技能实现Architecture Designer对应 architecture-designer其工作流是理解需求 → 匹配模式 → 设计并记录权衡 → 用 ADR 记录决策 → 干系人评审且 MUST DO 中明确evaluate trade-offs, not just benefits。在预发现阶段它产出的正是existing patterns and constraints——例如现有存储选型、模块划分与架构决策记录。Security Reviewer对应 security-reviewer其核心工作流包含Scope映射攻击面→ Scan运行 SAST 与依赖扫描→ Review人工复核认证、输入处理与加密→ Test and classify → Report并强制要求提供具体文件/行号位置与每个发现的修复建议。预发现阶段让它提前侦察意味着后续访谈中的安全类问题如文件上传的鉴权与校验将基于真实风险而非泛泛而谈。Framework Expert在仓库中并无单一实现而是由一组框架技能构成例如 react-expert、nestjs-expert、fastapi-expert 等。挑选与目标技术栈匹配的框架技能挂载到子代理上即可获取current implementation details——例如 API 端点组织方式与文件存储惯例。从实现角度看这一模式与 interview-questions.md 中的 Parallel Skill-Invoked Discovery 模式完全同构同样强调before the interview, launch subagents in parallel并给出了子代理类型的具体写法如Task(subagent_typegeneral-purpose)调用架构技能评估系统影响、Task(subagent_typeExplore)在代码库中检索与功能相关的既有模式。实战示例带头像上传的用户资料功能原文档以user profile with avatar upload为例给出了三个可复制的子代理提示词完整继承如下Task subagent 1 (Architecture Designer): Analyze the current user model, storage patterns, and image handling in this codebase Task subagent 2 (Security Reviewer): What security concerns exist for file upload in this stack? Task subagent 3 (Framework Expert): How does this project handle API endpoints and file storage?三个问题的设计各有针对性问题 1架构Analyze the current user model, storage patterns, and image handling—— 目标是把用户模型长什么样、存储用什么模式、图像处理怎么走三个事实基线一次性摸清问题 2安全What security concerns exist for file upload in this stack?—— 文件上传是高危面子代理按 security-reviewer 的清单认证、输入校验、内容类型白名单、存储路径穿越等给出风险清单问题 3框架How does this project handle API endpoints and file storage?—— 让框架专家汇报项目真实的端点组织方式与存储方案本地磁盘、对象存储还是数据库 BLOB。收集到这些事实后访谈中像Where should we store avatars?头像存哪里这样的问题就带上了既有模式的上下文——例如架构子代理若发现项目已统一使用对象存储前缀模式那么该问题就从开放式探索变成沿用既有模式 vs 引入新方案的决策题。为便于理解最终访谈的走向可以对照 interview-questions.md 的 Dev Hat 问题框架What systems does this touch? APIs, databases, services?、Authentication required? Data sensitivity (PII, PCI)?、What happens when X fails? Empty states? Limits?——预发现的产出恰好为这些问题提供了可引用的证据。与 Feature Forge 访谈流程的整合Pre-Discovery 并非独立阶段而是嵌套进 Feature Forge 的完整访谈流程。结合 interview-questions.md 与 SKILL.md整体管线如下阶段焦点工具/手段Pre-Discovery技术上下文Task 子代理携带技能并行侦察Discovery发现问题、用户、价值开放式提问 → AskUserQuestionsDetails细节旅程、范围、约束AskUserQuestions → 开放式追问Edge Cases边界失败、限制、安全AskUserQuestions → 开放式追问Validation验证汇总、差距AskUserQuestions五个阶段的衔接关系是Pre-Discovery 产出的技术事实进入 Discovery 与 Details 阶段后访谈者可以自然地用AskUserQuestions把范围决策MVP vs Full vs Phased、格式选择、优先级等结构化问题抛给干系人而把某个技术方案是否可行这类由事实决定的问题从反复追问中剔除。值得注意的是Pre-Discovery 与仓库中的 Discovery 工作流discovery-phase.md定位不同但互补后者是 Feature Forge 访谈后针对无法从现有知识回答的未知项用户访谈、竞品分析、技术验证 spike发起的人工调研工作流由discovery:create/discovery:synthesize/discovery:approve三个命令驱动而 Pre-Discovery 是访谈之前、由 Agent 并行完成的代码库侦察。二者一个前置、一个后置共同构成机器先侦察、人再深研的分层体系。编排建议与注意事项基于原文档与仓库技能的实现约束整理几条实战编排建议子代理的分工边界要清晰每个子代理只负责一类事实模式/约束、实现细节、安全风险避免职责重叠导致重复侦察。任务描述应具体到分析什么、产出什么如示例中那样指向明确的代码区域与问题类型。并行优于串行原文档两次强调 parallel launch。多领域侦察彼此无依赖时并行启动能显著缩短前置等待时间尤其适合干系人时间受限的场景。把产出映射到访谈类别子代理发现应显式映射到访谈问题类别架构映射到 Integration 与 Data 问题、安全映射到 Security 问题这一点在 interview-questions.md 中明确要求how subagent findings map to interview categories。遵守各技能自身的约束例如 security-reviewer 的 MUST NOT DO 明确测试前必须先确认范围与授权不搞超出概念验证的利用。预发现阶段只做静态侦察与事实收集不应触发主动测试行为。访谈产出按统一模板落盘无论预发现收集了多少上下文最终规格都应遵循 specification-template.md以 EARS 格式书写功能需求参考 ears-syntax.md用 Given/When/Then 编写可测试的验收标准参考 acceptance-criteria.md并保存为specs/{feature_name}.spec.md。预发现的价值最终要在这些结构化产出中体现。小结Pre-Discovery with Subagents 的核心思想可以概括为一句话在提问之前先侦察。对于触及多个系统层的复杂功能它用并行 Task 子代理把既有模式、实现细节、安全风险三类技术事实前置加载让 Feature Forge 访谈从猜测式提问升级为基于证据的决策。它由 pre-discovery-subagents.md 定义骨架由 interview-questions.md 提供并行编排细节并由仓库中 architecture-designer、security-reviewer 与各框架技能提供实际的侦察能力——这套组合让需求工程在复杂代码库上既快又准且产出可追溯、可复用。【免费下载链接】claude-skills67 Specialized Skills for Full-Stack Developers. Transform Claude Code into your expert pair programmer.项目地址: https://gitcode.com/GitHub_Trending/claud/claude-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考