sdd-full 1.0.0 → 1.2.0

package/skills/mempalace-auto-saver/SKILL.md

@@ -0,0 +1,300 @@
+---
+name: mempalace-auto-saver
+description: AI自动识别项目上下文，生成标准化目录名并完成MemPalace分类存储，支持MCP等多项目自动识别。Invoke when user asks for autosave, 自动保存记忆, or 对话结束保存.
+---
+
+# 记忆宫殿自动保存器（MemPalace Auto-Saver）
+
+## 触发词
+
+- autosave
+- 自动保存记忆
+- 对话结束保存
+- 任务完成
+
+## 功能描述
+
+AI驱动的MemPalace全流程管理，自动完成：
+
+1. 项目上下文分析 → 2. 标准化分类生成 → 3. 上下文提取 → 4. 内容预处理 → 5. 配置文件创建 → 6. 内容扫描存储
+   彻底解决手动操作复杂、分类错误、搜索困难等问题。
+
+## 使用场景
+
+- 多项目并行开发时（如MCP+树莓派+前端项目）
+- 频繁创建新模块/子项目，需要统一分类规范
+- 不想记忆复杂命令参数，追求"零输入"操作体验
+- 需要快速搜索和访问历史项目资料
+- 需要保存完整的对话上下文和决策过程
+
+## 规则
+
+- 当单次对话结束（用户未输入新内容达30秒或主动结束对话）时触发
+- 保存内容包含：完整对话历史、关键决策、代码片段、任务结果、项目MD文件
+- 扫描操作后台异步执行，不阻塞当前流程
+- 每次对话开始自动搜索知识库，无需额外指令
+- AI自动识别项目类型，生成标准化分类
+- 支持多项目自动识别与分类存储
+- 执行过程完全自动化，无任何交互提示
+- 不使用rm命令，依赖系统自动清理临时文件
+
+## 执行步骤
+
+### 1. AI项目上下文分析
+
+自动分析当前项目的：
+
+- 项目类型（MCP/前端/嵌入式/其他）
+- 技术栈（Node.js/Python/C/C++等）
+- 项目规模和复杂度
+- 相关文件和目录结构
+
+### 2. 记忆宫殿存储机制
+
+MemPalace 使用向量数据库存储内容，支持语义搜索：
+
+```
+~/.mempalace/
+├── config.json            # 配置文件
+└── palace/                # 记忆宫殿存储目录
+    ├── chroma.sqlite3     # 向量数据库（核心存储）
+    └── {uuid}/            # 临时工作目录
+```
+
+**重要说明**：
+- MemPalace 使用 `chroma.sqlite3` 向量数据库存储内容，不创建传统文件系统目录
+- 无法通过文件系统直接查看保存的文件，只能通过 `mempalace search` 命令访问
+- 向量数据库支持语义搜索，能够理解自然语言查询
+
+### 3. 标准化分类生成
+
+基于AI分析结果，生成符合以下规范的分类：
+
+#### 项目分类规范
+
+- **MCP项目** → wing: "wing_mcp"
+- **前端项目** → wing: "wing_frontend"
+- **嵌入式项目** → wing: "wing_embedded"
+- **通用项目** → wing: "wing_general"
+
+### 4. 完整上下文保存流程
+
+#### 自动化保存脚本（无rm命令）
+
+```bash
+#!/bin/bash
+# 自动保存完整上下文到记忆库（无rm命令）
+
+# 项目目录
+PROJECT_DIR=$(pwd)
+
+# 创建临时目录（使用系统临时目录，系统会自动清理）
+TMP_DIR=$(mktemp -d "/private/tmp/context_save_$(date +%s)")
+
+# 1. 保存对话历史
+cat > "$TMP_DIR/conversation.md" << EOF
+# 对话历史
+$(date +"%Y-%m-%d %H:%M:%S")
+
+[完整对话历史将由AI助手自动填充]
+EOF
+
+# 2. 保存关键决策
+cat > "$TMP_DIR/decisions.md" << EOF
+# 关键决策
+$(date +"%Y-%m-%d %H:%M:%S")
+
+[关键决策将由AI助手自动提取]
+EOF
+
+# 3. 保存代码片段
+mkdir -p "$TMP_DIR/code_snippets"
+cat > "$TMP_DIR/code_snippets/summary.md" << EOF
+# 代码片段汇总
+$(date +"%Y-%m-%d %H:%M:%S")
+
+[代码片段将由AI助手自动收集]
+EOF
+
+# 4. 复制MD文件
+find "$PROJECT_DIR" -name "*.md" -exec cp {} "$TMP_DIR" \;
+
+# 5. 保存任务结果
+cat > "$TMP_DIR/task_results.md" << EOF
+# 任务结果
+$(date +"%Y-%m-%d %H:%M:%S")
+
+[任务结果将由AI助手自动记录]
+EOF
+
+# 创建配置文件（使用printf确保YAML格式正确）
+printf "wing: wing_general\nrooms:\n- name: general\n  description: Complete context including conversations, decisions, code, and MD files\n" > "$TMP_DIR/mempal.yaml"
+
+# 扫描并保存
+cd "$TMP_DIR" && mempalace mine --wing wing_general --agent 'Trae AI' .
+
+# 验证保存结果
+mempalace status
+
+# 不需要rm命令，系统会自动清理/private/tmp目录
+```
+
+### 5. 精准搜索内容
+
+使用 `mempalace search` 命令进行精准搜索：
+
+#### 搜索特定分类内容
+
+```bash
+# 搜索特定分类的内容（必须使用--wing参数）
+mempalace search --wing wing_general "关键词"
+
+# 搜索对话历史
+mempalace search --wing wing_general "对话历史"
+
+# 搜索关键决策
+mempalace search --wing wing_general "关键决策"
+
+# 搜索代码片段
+mempalace search --wing wing_general "代码片段"
+
+# 搜索任务结果
+mempalace search --wing wing_general "任务结果"
+
+# 搜索MD文件
+mempalace search --wing wing_general "文件名"
+```
+
+#### 搜索所有分类
+
+```bash
+# 搜索所有分类的内容
+mempalace search "关键词"
+```
+
+### 6. 查看分类状态
+
+使用 `mempalace status` 命令查看整体分类状态：
+
+```bash
+# 查看记忆库整体状态
+mempalace status
+```
+
+### 7. 异步执行记忆扫描
+
+使用 memory-palace MCP 的 save 工具保存会话记忆，参数配置：
+
+- session_name: AI生成的标准化会话名称
+- agent: "产品通"
+- status: "对话已保存并分类"
+- outcome: "succeeded"
+- built: 本次对话构建的内容
+- decisions: 关键决策点
+- next_steps: 下一步建议
+- files: 相关文件路径
+- blockers: 遇到的阻碍
+- conversation_context: 完整对话上下文 + AI分类信息
+
+### 8. Wing分类映射
+
+根据项目类型自动映射到相应的wing分类：
+
+- MCP项目 → wing: "wing_mcp"
+- 前端项目 → wing: "wing_frontend"
+- 嵌入式项目 → wing: "wing_embedded"
+- 通用项目 → wing: "wing_general"
+
+### 9. 知识库自动搜索
+
+每次新对话开始时，自动调用 memory-palace MCP 的 recover 工具搜索相关历史记忆。
+
+## 使用示例
+
+1. 用户说："autosave" → 立即触发记忆保存和AI分类
+2. 用户说："自动保存记忆" → 执行保存流程和智能分类
+3. 对话结束60秒后 → 自动保存上下文并分类存储
+4. MCP项目开发 → 自动识别为MCP类型，执行自动化保存流程
+5. 多项目并行 → 自动区分不同项目类型，独立分类存储
+6. 搜索对话历史 → 执行mempalace search --wing wing_general "对话历史"
+7. 搜索关键决策 → 执行mempalace search --wing wing_general "关键决策"
+8. 查看状态 → 执行mempalace status
+
+## 快速命令参考
+
+### 完整自动化工作流程（复制即可执行）
+
+```bash
+#!/bin/bash
+# 自动保存完整上下文到记忆库
+
+# 项目目录
+PROJECT_DIR=$(pwd)
+
+# 创建临时目录
+TMP_DIR=$(mktemp -d "/private/tmp/context_save_$(date +%s)")
+
+# 1. 保存对话历史
+cat > "$TMP_DIR/conversation.md" << EOF
+# 对话历史
+$(date +"%Y-%m-%d %H:%M:%S")
+
+[完整对话历史将由AI助手自动填充]
+EOF
+
+# 2. 保存关键决策
+cat > "$TMP_DIR/decisions.md" << EOF
+# 关键决策
+$(date +"%Y-%m-%d %H:%M:%S")
+
+[关键决策将由AI助手自动提取]
+EOF
+
+# 3. 保存代码片段
+mkdir -p "$TMP_DIR/code_snippets"
+cat > "$TMP_DIR/code_snippets/summary.md" << EOF
+# 代码片段汇总
+$(date +"%Y-%m-%d %H:%M:%S")
+
+[代码片段将由AI助手自动收集]
+EOF
+
+# 4. 复制MD文件
+find "$PROJECT_DIR" -name "*.md" -exec cp {} "$TMP_DIR" \;
+
+# 5. 保存任务结果
+cat > "$TMP_DIR/task_results.md" << EOF
+# 任务结果
+$(date +"%Y-%m-%d %H:%M:%S")
+
+[任务结果将由AI助手自动记录]
+EOF
+
+# 创建配置文件
+printf "wing: wing_general\nrooms:\n- name: general\n  description: Complete context including conversations, decisions, code, and MD files\n" > "$TMP_DIR/mempal.yaml"
+
+# 扫描并保存
+cd "$TMP_DIR" && mempalace mine --wing wing_general --agent 'Trae AI' .
+
+# 验证
+mempalace status
+```
+
+## 注意事项
+
+- 确保 `~/.mempalace/` 目录存在且可写
+- mempalace 命令需要先安装并配置好环境变量
+- 首次使用时会自动创建向量数据库 `chroma.sqlite3`
+- 保存的文件会被转换为向量存储，支持语义搜索
+- 无法通过文件系统直接查看保存的文件，只能通过 `mempalace search` 命令访问
+- 搜索特定分类的内容时必须使用 `--wing` 参数
+- 定期备份 `~/.mempalace/palace/chroma.sqlite3` 文件，确保数据安全
+- 保存操作异步执行，不会阻塞当前对话
+- AI分类基于项目文件和上下文进行智能识别
+- 支持自定义分类规则和wing命名规范
+- 使用系统临时目录 `/private/tmp` 避免权限问题
+- 完全自动化执行，无任何交互提示
+- 不使用 `rm` 命令，依赖系统自动清理临时文件
+- 保存完整的对话上下文，包括对话历史、关键决策、代码片段和任务结果
+- 使用 `printf` 命令创建YAML配置文件，确保格式正确
+- 临时目录使用时间戳命名，确保唯一性

package/skills/prd-write/SKILL.md

@@ -0,0 +1,109 @@
+---
+name: prd-write
+description: Generate comprehensive Product Requirements Documents (PRDs) for software products and features. Includes executive summaries, user stories, technical specifications, and risk analysis.
+---
+
+# PRD Writer
+
+## 描述
+生成高质量的产品需求文档（PRD），帮助将业务愿景转化为技术执行规范。覆盖从问题定义到实施方案的完整流程。
+
+## 使用场景
+使用此技能当：
+- 启动新产品或功能开发周期
+- 将模糊的想法转化为具体的技术规范
+- 为AI驱动的功能定义需求
+- 利益相关者需要项目范围的统一"事实来源"
+- 用户要求"写PRD"、"记录需求"或"规划功能"
+
+## 指令
+
+### Phase 1: 发现阶段（访谈）
+在编写PRD之前，必须询问用户以填补知识空白。不要假设上下文。
+询问：
+- 核心问题：我们为什么现在要构建这个？
+- 成功指标：我们如何知道它有效？
+- 约束条件：预算、技术栈或截止日期？
+- 提议的解决方案：1-2句话描述解决方案。
+- 成功标准：3-5个可衡量的KPI。
+
+### Phase 2: 分析与范围界定
+综合用户输入，识别依赖关系和隐藏的复杂性。
+- 绘制用户流程图
+- 定义非目标以保护时间表
+
+### Phase 3: 技术起草
+使用严格的PRD架构生成文档。
+
+## PRD 质量标准
+
+### 需求质量
+使用具体、可衡量的标准。避免"快速"、"容易"或"直观"。
+
+**模糊（错误）**
+- 搜索应该快速并返回相关结果。
+- UI必须看起来现代且易于使用。
+
+**具体（正确）**
+- 搜索必须在200ms内返回10k记录数据集的结果。
+- 搜索算法必须在基准评估中达到>=85%的Precision@10。
+- UI必须遵循设计系统并达到100%的Lighthouse可访问性分数。
+
+### 严格PRD架构
+必须遵循此确切结构输出：
+
+1. **执行摘要**
+   - 问题陈述：1-2句话描述痛点
+   - 提议解决方案：1-2句话描述修复方案
+   - 成功标准：3-5个可衡量的KPI
+
+2. **用户体验与功能**
+   - 用户角色：这是为谁设计的？
+   - 用户故事：作为[用户]，我想[行动]以便[收益]
+   - 验收标准：每个故事的"完成"定义的项目符号列表
+   - 非目标：我们不构建什么？
+
+3. **AI系统需求（如适用）**
+   - 工具需求：需要什么工具和API？
+   - 评估策略：如何衡量输出质量和准确性
+
+4. **技术规格**
+   - 架构概述：数据流和组件交互
+   - 集成点：API、数据库和认证
+   - 安全与隐私：数据处理和合规性
+
+5. **风险与路线图**
+   - 分阶段推出：MVP -> v1.1 -> v2.0
+   - 技术风险：延迟、成本或依赖失败
+
+## 实施指南
+
+**DO（始终）**
+- 定义测试：对于AI系统，指定如何测试和验证输出质量
+- 迭代：呈现草稿并就特定部分征求反馈
+
+**DON'T（避免）**
+- 跳过发现：在至少询问2个澄清问题之前，切勿编写PRD
+- 虚构约束：如果用户未指定技术栈，请询问或标记为TBD
+
+## 示例：智能搜索系统
+
+### 1. 执行摘要
+**问题**：用户难以在大型仓库中找到特定的文档片段。
+**解决方案**：一个智能搜索系统，提供带有来源引用的直接答案。
+**成功**：
+- 将搜索时间减少50%
+- 引用准确性>=95%
+
+### 2. 用户故事
+**故事**：作为开发人员，我想提出自然语言问题，这样我不必猜测关键词。
+**验收标准**：
+- 支持多轮澄清
+- 返回带有"复制"按钮的代码块
+
+### 3. AI系统架构
+**所需工具**：codesearch, grep, webfetch
+
+### 4. 评估
+**基准**：用50个常见开发人员问题测试
+**通过率**：90%必须匹配预期引用