claude-sdlc-skills

AI-native SDLC skills for Claude Code (and other coding agents via skills.sh) — AI takes over the repetitive labor of requirement intake, test design, adversarial review, browser testing and release auditing; humans rule only at a few hard gates. Battle-tested end-to-end on a real production Java project. Docs in Chinese; skills trigger on Chinese and English phrases.

把 SDLC 里最耗人的重复劳动——需求梳理、测试用例、评审、浏览器测试、发版审计——交给 AI；红线由脚本机械拦截；人只在关口裁决。不是 prompt 合集，是带关卡、留档、降级路径的完整工作流。

npx skills add TsCarpe/claude-sdlc-skills   # 一行安装，先跑 sdlc-intent 零依赖

---

为什么是这套

AI 写代码已经够快，瓶颈移到了需求理解、测试与评审：这些环节要么仍靠人工硬扛，要么让 AI 自由发挥但不可信。本仓库的答案是三条纪律：

1. 产物落盘，不靠对话记忆——每个环节产出 markdown 文件（digest / cases / issues / report），跨会话可恢复、可逐行核对、可审计
2. 对抗出真问题——评审与决策复查用全新上下文的子代理扇出互查，独立推导的设计与用例交叉比对，分歧即信号
3. 服从的事走代码，判断的事走人——红线（关卡、命名、规范违规）由 hook/脚本机械拦截，不打扰；口径冲突、issue 裁决、放行全部留给真人

来自源项目（某 Java DDD 生产系统）的实测数字：57 条评审 issue 单轮关口产出（12 分歧 + 45 角色问题）、74 条用例走完浏览器执行、回归轮 0 agent token（用例资产化为 Playwright spec 后由 runner 跑）、6 个 skill 对齐官方 best-practices（5 个经多轮复核，sdlc-guardrails 按同标准新增）。

一个需求怎么走

flowchart LR
    A[PRD 输入] --> B[sdlc-intent梳理 + 体检]
    B --> C1[技术设计]
    B -.互不阅读.-> C2[测试用例sdlc-test cases]
    C1 --> D[sdlc-gate4 子代理对抗评审]
    C2 --> D
    D --> E{{人 · 逐条裁决放行}}
    E --> F[切片开发大需求走三段式]
    F --> G[sdlc-test静态比对 → 浏览器执行 → 报告]
    G --> H{{人 · 复验缺陷}}
    DB[sdlc-doubt决策对抗复查] -. 任意阶段旁路 .-> F
    CR[sdlc-config-review发版配置扫描] -. 发版前旁路 .-> G

六边形 = 人工关口，只有两处；旁路机制随时可插。带真实产物片段的 6 步走查见 example-walkthrough。

Skill 矩阵（7 个）

关键机制：关卡互认（sdlc-gate 放行视同 sdlc-test 关卡1 通过）、用例独立性红线（cases 禁止读设计——交叉审查的价值前提）、降级不炸（任一 MCP 缺失都有声明过的降级路径，见 faq）。

快速开始

方式一：skills CLI（推荐）

npx skills add TsCarpe/claude-sdlc-skills        # 装到当前项目 .claude/skills/
npx skills add TsCarpe/claude-sdlc-skills -g     # 装到全局 ~/.claude/skills/
npx skills update  -g                   # 更新单个；跨文件迁移版本可能报 Failed to update

update 报 Failed to update？ 常见于版本间有文件移动/删除时（如 v0.5.0 → v0.5.1 的 runner 模板迁域）——remove 后重新 add 即可恢复，步骤见 faq。

方式二：Claude Code 插件市场

/plugin marketplace add TsCarpe/claude-sdlc-skills
/plugin install claude-sdlc-skills@claude-sdlc-skills

装完先试这个（零外部依赖）：对一个真实需求文档（飞书链接或本地 markdown）说——

帮我梳理这个需求文档 ，完成后继续体检

装完只是开始：sdlc-guardrails 红线拦截、回归 runner、测试环境文件在项目侧怎么搭，见 docs/project-setup.md。

渐进采用阶梯

不必一步到位，按依赖重量逐级上（论证见 workflow.md §7.3）：

1. sdlc-intent（5 分钟）——零依赖，梳理+体检立即可用
2. sdlc-config-review（5 分钟）——零 MCP，任意 git 仓库即用
3. sdlc-doubt（观念转变）——关键决策落定前多一道对抗复查
4. sdlc-gate（1 天上手）——需要先有「设计+用例并行产出」的习惯，收益最大
5. sdlc-test（持续投入）——需要 test 环境 + MCP 配套，建议 ①-④ 稳定后再上
6. sdlc-guardrails（10 分钟）——改一次项目 settings.json + 写规则文件，红线从文档变机械拦截

大需求三段式拆分

功能点 ≥5 / 涉及表结构变更 / 跨业务域的大需求不整块开发：第一段业务全貌（角色×状态×功能点主线串联）→ 第二段技术骨架（接口契约分级 / D 表八类别 / 公共资产六类）→ 第三段骨架 child 先行、逐功能点切片——三次小确认替代一次看不完的大确认。

• 方法论全文：docs/large-req-playbook.md（框架无关，任意任务框架可复刻）+ 三份 产物模板
• 全流程叙述：docs/workflow.md · 理论依据：docs/ai-native-sdlc-guide.md

文档导航

全部文档带导读地图与三条阅读路径：

• 上手用（30 分钟）：README → example-walkthrough（看产物长什么样）→ faq
• 理解方法论（2 小时）：workflow → ai-native-sdlc-guide（业界理论）→ agent-stack-mental-model（skill 还是 hook 的判断框架）
• 接入与改造（按需）：project-setup（项目侧配什么）→ sdlc-test-design（D1-D21 决策）→ dev-standards-reference（给自己的项目搭规范底座）→ sdlc-guardrails（红线引擎）

适用边界（诚实版）

• sdlc-intent 的飞书/评论区集成是可选增强，本地 markdown 输入完全等价
• sdlc-test 方法论栈无关，按「Java 后端 + MySQL + Element Plus 系前端」预置姿势；其他栈按 stack-profile 五面清单接入
• sdlc-gate 的前提是设计与用例独立产出（用例不读设计）——读过则交叉审查退化为一致性检查，产物中会如实标注
• 单人开发即可用 intent / doubt / config-review；gate / test 在有两份产物、有 test 环境时收益最大
• 强制层（hook 拦截）建成时间尚短，未经大量真实任务检验（热力图自评）

Roadmap

• [ ] sdlc-flow：三段式引导 skill（把 playbook 机制化为流程编排）
• [ ] examples/：完整脱敏样例需求产物目录
• [x] sdlc-sync：产物协作平台同步桥（需求+用例上平台、PM 答复回环、标准文档发布）——平台本体在独立仓 sdlc-platform（Spring Boot + Vue + SQLite），skill 源在本仓 skills/sdlc-sync/
• [ ] sdlc-doc / sdlc-yapi：技术设计文档与接口文档同步（飞书/YApi 生态，视需求拆出）
• [ ] 英文文档

致谢

站在这些来源的肩膀上：addyosmani/agent-skills（纪律强制）、Claude Agent Skills 官方最佳实践（skill 工程规范）、AI-Native SDLC Playbook（工件链思想）。

License

MIT · 版本兼容：已在 Claude Code + skills CLI（2026-09 版）验证；skill 遵循 Agent Skills 开放标准，其他兼容 agent（Cursor 等）经 skills.sh 亦可安装。更新日志：CHANGELOG.md（最新 v0.4.0）

Community

感谢 LINUX DO 社区的讨论与反馈：