从PRD到可验证代码：AI需求开发闭环实践_有意思小周刊No.170

「有意思小周刊」是我利用零碎时间，梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系，也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

从 PRD 到可验证代码：AI 需求开发闭环实践
我的 AI 驱动开发工作流：基于 Cursor 的全流程实战开发 SOP
货拉拉标注平台 - 拉拉标注
skill怎么写、怎么用、怎么迭代？把我踩过的坑和方法全交代了
让 Claude Code 拥有自我进化和记忆系统｜得物技术
如何利用 Harness “一句话交付产品功能”？
揭秘：资损下降 99.96% 的背后—AI 资损防控平台实战
AI UITester：AI Native 的 UI 自动化测试新范式｜得物技术
AI Agent 的 Skill 系统设计
一文了解｜SkillScan 智能体技能安全扫描最佳实践
经验｜提升Vibe Coding设计质量的10个技巧！
Agent 评测：方法论与体系设计
复杂业务规则太多？我们搭了一个规则可视化配置平台
海外Agent实践：让问题直达源码，助力团队提效！
复杂业务场景下 RCA Agent 的探索实践

🔎 发现新大陆

Pi Agent：原理与实现，从零到一实现一个 AI Agent
MotionSites AI：高端 AI 网站提示词

🛠️ 资源·工具

中国传统配色

📊 Skill 推荐

你的微信读书数据面板
Gorden Super PPT Skills

推荐阅读

▌从 PRD 到可验证代码：AI 需求开发闭环实践

链接：https://mp.weixin.qq.com/s/31ci2aTXgAnKEErr5cQVtA

本文提出了一套面向 React Native（RN）项目的 AI 需求开发闭环实践框架，旨在解决“一句话生成代码”方式中因需求未对齐、接口不稳、设计还原偏差大而导致的反复返工问题。该框架通过将输入源（PRD、接口文档、Figma）转化为可审阅的“需求规格”，并设置人工门禁进行需求审阅和架构确认，确保实现基于证据。随后，代码生成、编译验证和视觉审计三个环节依次执行，分别按架构实现、验证代码工程正确性以及对照设计稿追溯UI还原证据，形成一个从需求到可验证代码的稳定人机协作流水线，并最终通过经验沉淀使流程持续改进。

▌我的 AI 驱动开发工作流：基于 Cursor 的全流程实战开发 SOP

链接：https://mp.weixin.qq.com/s/d8lcMKS_zgfCMt_HOlzFKw

本文提出了一套基于 Cursor 的“五段式”AI 辅助开发标准化工作流（SOP），其核心理念在于“人工主控、AI 赋能”，即由开发者主导业务拆解、架构设计和核心逻辑，而 AI 负责高效落地模板化代码、辅助排错及优化。该流程不仅强调通过前置的需求分析和架构设计来避免返工，还独创性地提出了 Token 消耗治理策略，通过精准上下文投喂、会话重置和模型分级选型，实现以最低成本获取最高质量的 AI 输出，从而将模糊的业务需求转化为稳定、高效、可维护的代码资产。

▌货拉拉标注平台 - 拉拉标注

链接：https://mp.weixin.qq.com/s/E-3wlSwAU9gqPLuNrWYpiw

货拉拉自研的“拉拉标注”平台是一体化线上数据标注系统，旨在解决传统标注方式效率低、质控弱、管理成本高等问题。它通过标准化流程（创建队列、数据导入、标注质检、数据导出及统计报表）和丰富的模板（支持图像、文本、语音、视频及多模态），覆盖从数据采集到模型训练的全链路。该平台最终实现了全场景效率提升100%以上和准确率达99%以上的显著效果，为AI模型迭代和业务高效判定提供了可靠支撑。

▌skill怎么写、怎么用、怎么迭代？把我踩过的坑和方法全交代了

链接：https://mp.weixin.qq.com/s/EyrbFVz4eGafTJylIUbNsQ

本文系统性地介绍了 AI Skill（技能）的概念、编写、安装、使用及迭代方法。Skill 本质上是一个包含 SKILL.md 文件的文件夹，用于为 AI 设定工作规则和偏好，可被理解为“给实习生的工作手册”。作者通过自身使用语音输入法和 AI 组合高效记录想法的实践案例，详细拆解了 Skill 文件的组成部分（如 frontmatter 元数据和具体规则正文），并对比展示了使用 Skill 前后 AI 输出效果的巨大差异。文章还强调了 Skill 的迭代方法（让 AI 从用户修改中学习）、不同模型对 Skill 遵循能力的差异、安装与寻找资源的途径，以及避免安装过多 Skill 导致上下文冲突等常见陷阱，最终指出撰写 Skill 的本质是将个人工作方式和审美标准沉淀为可复用的显性规则。

▌让 Claude Code 拥有自我进化和记忆系统｜得物技术

链接：https://mp.weixin.qq.com/s/PGT49KORSVZYpJxykWnwOw

本文详细介绍了为 Claude Code 构建的一套自我进化与记忆系统，该系统通过行为观测层、模式提炼层和记忆注入层三个核心子系统协作，形成一个完整的自学习闭环。系统利用 Hook 机制100%捕获工具调用以收集数据，在会话结束时通过统计模式检测和AI语义分析提炼出原子化的行为规则（Instinct），并利用向量检索技术在下次对话启动时自动注入相关记忆，从而让AI助手能够跨越会话边界学习用户习惯。根据数月的真实使用数据，该系统带来了显著收益：上下文冷启动时间从10分钟降至30秒，Token消耗降低约78%，错误重复率下降80%，并展现了知识复利效应。

▌如何利用 Harness “一句话交付产品功能”？

链接：https://mp.weixin.qq.com/s/2vO99OlOInapWZSEbJau8A

本文分享了团队将AI驱动的开发模式从“Vibe Coding”（AI写代码，人统筹）升级为“Harness模式”（代码库为唯一事实源，Agent自治流转）的实践。核心是通过重构代码仓库为单仓（使用Git Submodule整合前后端），并设计了一个由6个专业Sub-Agent组成的自动化协作流水线，覆盖从需求分析、前后端开发到集成测试与E2E测试的全流程。通过定义清晰的Agent Handoff协议，实现了任务状态在不同Agent间的安全、自动化流转。实践表明，该模式成功将原本需要1天完成的功能开发缩短至约2小时，效率提升约4倍，显著降低了前后端联调的沟通成本。

▌揭秘：资损下降 99.96% 的背后—AI 资损防控平台实战

链接：https://mp.weixin.qq.com/s/OcuSQ-aGWpwzDR8Lqx-mSQ

在交易型互联网平台中，资金安全是生命线。传统资损防控高度依赖人工经验与后置规则，面临覆盖度低、响应滞后、规则易腐化等顽疾。本文以货拉拉 AI 资损防控平台的工程实践为例，详细拆解如何通过“数据飞轮 + 模型蒸馏 + 多智能体协同”架构，年度资损降幅 99.96%，并实现从“人工布防”到“AI 原生防控”的体系化跃迁。文章聚焦工程落地细节，涵盖自动化标注链路构建、代码/文本双模态风险识别、防腐化 Agent 设计，为同类业务提供可复用的技术范式.

▌AI UITester：AI Native 的 UI 自动化测试新范式｜得物技术

链接：https://mp.weixin.qq.com/s/lJCSdQlwqiUe3Y1K8cGAvQ

本文介绍了得物技术推出的AI原生UI自动化测试新范式“ai_uitester”，该方案通过视觉语言模型（VLM）驱动，以“截图→理解→执行”的闭环替代传统基于元素定位的测试方法，有效解决了传统方案中用例迁移成本高、调试效率低、跨平台维护难三大痛点。其核心能力包括：利用LLM将平台描述性用例自动转化为可执行脚本、AI智能调试与用例自愈机制（可自动诊断并修复因UI变更或流程变动导致的失败），以及VLM驱动的跨平台统一执行能力，使得同一套JSON脚本能在Android、iOS和HarmonyOS上通用。此外，嵌入式的Wiki知识库与系统各模块深度耦合，为用例生成、自愈诊断和运行时执行提供背景知识，并通过“宁缺毋滥”的置信度机制确保测试的可靠性。该方案已在得物App落地，显著提升了用例转化效率与脚本自愈率，代表了从“代码驱动”到“视觉驱动”的测试范式转变。

▌AI Agent 的 Skill 系统设计

链接：https://mp.weixin.qq.com/s/idzAV3XkWWm7GnFOFyZUBw

本文系统阐述了 AI Agent Skill 系统的设计理念与工程实践，核心观点是将 Skill 视为“行为编程”而非文档，旨在通过结构化设计（YAML+Markdown、DOT 流程图、检查表）和严格的约束机制（门控、合理化防御、说服原则）来规范 AI 代理的行为。文章详细探讨了在有限上下文窗口下的 Token 经济策略，包括基于触发条件的发现机制、两阶段加载及声明式引用；提出了单向管道工作流编排、子代理上下文隔离及分级模型选择方案；强调了基于 TDD 理念的 Skill 测试方法，即通过压力场景观测并封堵代理的违规行为；最后总结了跨平台适配策略及从“建议”走向“强制”、从“手动”走向“自动”的演进教训，旨在构建高合规性、低成本且可维护的 AI 代理技能体系。

▌一文了解｜SkillScan 智能体技能安全扫描最佳实践

链接：https://mp.weixin.qq.com/s/GaefP5FMN8b-1JBfrUMqzQ

本文档详细介绍了火山引擎推出的SkillScan智能体技能安全扫描方案，该方案针对AI Agent技能生态中日益突出的安全问题，从风险全景、检测能力、实践场景和接入方案等维度提供了全面的安全保障体系。文档首先系统分析了技能安全面临的风险，包括包体文件、声明层、代码层、网络与资源以及开源合规与供应链五大类风险，并针对不同的攻击向量和潜在影响进行了阐述。在此基础上，SkillScan构建了多层次的安全检测能力，涵盖基础检测、增强检测和运营保障，并提供了云上市场、内场共享等典型业务场景的定制化防护策略。最后，文档介绍了四种接入模式和具体的安全准入要求，并总结了技能安全开发的七大最佳实践原则，旨在从源头降低安全风险，为智能体技能生态构建全方位的安全防线。

▌经验｜提升Vibe Coding设计质量的10个技巧！

链接：https://mp.weixin.qq.com/s/dF-0n3iqWJCMSDpiCqekYA

本文提供了提升 Vibe Coding 设计质量的10个实用技巧，分为前期准备和代码产出两个阶段。核心思想包括：通过设定专属AI Agent来固化项目技术栈和设计规范，确保输出一致性；利用其他AI模型优化设计需求的Prompt描述，弥补非技术人员在代码层面的表达缺陷；以及采用分阶段、由粗到细的还原策略，将复杂页面拆解为布局、模块和细节，避免AI一次性生成大量代码导致的结构混乱。

▌Agent 评测：方法论与体系设计

链接：https://mp.weixin.qq.com/s/7a2L-GatYYwI6s1uK9mTjA

本文系统阐述了Agent评测的体系化方法论，强调评测不应是上线前的临时抽查，而应嵌入研发流程，将不稳定的智能行为收敛为可发布的工程质量。文章的核心在于，通过区分Agent类型（如对话型、任务执行型），设计分层次、可定制的五类指标体系（正确性、鲁棒性、效率、安全性、用户体验），并构建包含专家设计、扩展用例、线上回流和Badcase的多元化评测数据集。此外，文章详细介绍了采用规则与LLM Judge相结合的“分层筛查”评分机制、基于问题现象与功能模块映射的结构化根因定位（RCA），以及最终将Badcase转化为行动项和可复用质量资产的闭环流程，以实现Agent的持续迭代与优化。

▌复杂业务规则太多？我们搭了一个规则可视化配置平台

链接：https://mp.weixin.qq.com/s/GYDtswtqEfbvCxpHTvjR6g

本文详细介绍了一个规则可视化配置平台的建设背景、核心能力、设计原理与实践效果。该平台旨在解决复杂业务规则散落在代码和配置中导致的变更风险高、治理困难等问题，通过将业务逻辑抽象为字段、组件和链路等可视化、可复用的策略资产，并集成了测试验证、发布审批、灰度对比、热更新与快照回滚等完整的发布治理体系。其核心设计采用管理面与运行面分离的架构，管理端负责规则配置与治理，运行端以SDK形式嵌入业务服务本地执行，并基于LiteFlow流程引擎实现高性能的热更新执行，从而在提升规则变更效率的同时，有效降低了线上风险。

▌海外Agent实践：让问题直达源码，助力团队提效！

链接：https://mp.weixin.qq.com/s/xCAjA9QK0DQBZYm_iKKlng

本文档介绍了爱奇艺海外事业部在AI编程全面普及的背景下，基于Cursor TypeScript SDK构建了“Code Chat MCP”（代码即时问答）和“Intl Chat Debug Agent”（国际站排障助手）两个云端智能服务。其核心思路是“让问题直达源码”，通过自动串联代码、配置、日志、接口等多系统数据，打破产品、运营、研发等多方人员的串行依赖，为业务咨询、反馈排障、迭代联调等场景提供即时、精准的分析结论，旨在提升团队整体工作效率。

▌复杂业务场景下 RCA Agent 的探索实践

链接：https://mp.weixin.qq.com/s/lJxoCr5-VwpfYTqfcVbjhg

本文探讨了在AI编码能力日益成熟但软件工程全局难题未解的背景下，快手如何构建基于大模型的业务排障体系（RCA Agent）。文章详细阐述了四个核心挑战：让AI理解业务（通过引入代码抽象层“业务资产”）、对抗高占比告警噪声（采用置信度评估和证据金字塔分级）、衡量推理不确定性（建立基于真实线上案例快照的评测体系）、以及抑制模型幻觉（将确定性任务工程化为标准化算子）。最终，文章提出了一个分层架构，结合“快思考”的Workflow与“慢思考”的Multi-Agent，并展望了向AI Native自主化、自进化方向发展的目标。

发现新大陆

▌Pi Agent：原理与实现，从零到一实现一个 AI Agent

链接：https://how-pi-agent-works.vercel.app/

该文档是一个关于“Pi Agent”原理与实现的教程，旨在指导读者从零开始构建一个AI Agent。教程的核心在于通过工程化视角，拆解模型流、Agent循环、工具调用、会话树、资源加载与上下文压缩等关键概念。它提供了渐进式的Demo和可运行的教学版项目，适合具备TypeScript、Node.js等基础但尚未构建过完整Agent系统的开发者。

▌MotionSites AI：高端 AI 网站提示词

链接：https://motionsites.ai/

本文档展示了 MotionSites AI 提供的一系列高端 AI 网站提示（Prompts），内容涵盖从时尚、旅行、SaaS、健康、房地产到艺术和 Web3 等多个领域的网站设计模板，其核心价值在于帮助用户利用 AI 工具快速创建具有专业视觉效果的动态网站。同时，文档推广了 DesignRocket 平台，该平台旨在教授用户如何利用 AI 工具设计出通常代理机构收费高达 5000 美元的网站，从而赋能用户掌握高价值的 AI 设计技能。

资源·工具

▌中国传统配色

链接：https://colors.xiaoxiaodong.ai/

这里收录 742 张中华传统色高清色卡，已按原始 742 色清单完整覆盖。每张色卡包含色名、HEX、RGB、CMYK、配色推荐和气质关键词。现在它不只是素材库，也是一套可交互的中国色工作台：可以查色、试场景、生成色板、浏览配色关系、查看渐变逻辑、制作用途卡片、生成 shadcn 主题、配置终端调色板，并把喜欢的色卡和整组方案收藏到本机。