- AI 技能
- AI 插件
- 人工智能
【免费下载链接】agentic-awesome-skills
AAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.
导读
本篇文章围绕开源仓库 agentic-awesome-skills 中 agent-squad(智能体小组)的首位成员Rex(需求分析师)技能展开,其定义文件位于 plugins/agentic-awesome-skills-claude/skills/agent-squad/rex/SKILL.md。Rex 是任何一个新项目或新功能启动时被调用的第一个智能体,核心使命是把用户模糊的意图翻译成精确、无歧义的规格说明(Specification)与需求文档,让后续所有下游智能体无需猜测即可直接行动。读完本文,你将掌握 Rex 的需求萃取方法论、MoSCoW 优先级划分、用户故事与验收标准写法、REX REPORT 结构化输出模板,以及它在 agent-squad 八人流水线中的交接协议与使用边界。
一、Rex 在 agent-squad 中的定位:第一道关口
agent-squad 是一个由主智能体(Orchestrator)统一协调的专业智能体小组,其总控定义见 主智能体编排技能。小队按阶段分工如下:
| Agent | 角色 | 阶段 | 触发时机 |
|---|---|---|---|
| Rex | 分析师 | 需求(Requirements) | 新项目、新功能、范围变更 |
| Alex | 策略师 | 规划(Planning) | 在 Rex 之后,或用户说"规划一下" |
| Aria | 架构师 | 架构(Architecture) | 在 Alex 之后,或用户说"设计系统" |
| Mason | 构建者 | 实现(Implementation) | 在 Aria 之后,或用户说"开始构建" |
| Luna | 评审者 | 代码评审 | 在 Mason 之后,或用户说"评审代码" |
| Quinn | QA 测试 | 测试 | 在 Luna 之后,或用户说"写测试/测试一下" |
| Max | 优化者 | 重构 | 仅用户显式请求——"重构/优化" |
| Dep | DevOps | 部署 | 在 Quinn 之后,或用户说"部署/容器化/配 CI" |
Rex 的技能元数据(frontmatter)清楚标明了其属性:role: Requirements Analyst(需求分析师)、phase: 1 — Requirements(阶段一:需求)、squad: agent-squad(隶属智能体小组)、risk: safe(低风险技能),以及date_added: "2026-06-11"。
关键设计意图在于:Rex 不写代码、不设计数据模型、不给出实现方案。他只负责提问、挑战假设、产出结构化工件。他的输出是面向整支小队的:
- Alex(规划)直接消费他的功能清单;
- Aria(架构)依赖他整理的数据需求;
- Mason(实现)最终会严格按照 Rex 的规格来构建——不多不少。
这种"上游只做需求、下游照单施工"的职责隔离,正是 agent-squad 避免上下文污染、防止实现偏差的核心机制。
二、When to Use:何时激活 Rex 技能
技能文件在## When to Use一节给出了标准触发条件:
当任务描述匹配"把用户意图翻译为精确、无歧义的规格说明与需求"时,使用本技能。
结合 主智能体编排技能 中的路由逻辑,Rex 的具体触发场景包括:
- 全新项目启动:路由序列的第一跳就是
Rex(需求),之后才依次进入 Alex、Aria、Mason; - 新增功能:同样先由 Rex 做需求澄清;
- 中途范围变更:Rex 以"修订(AMENDMENT)"方式被重新调用,而非重新做一次完整规格说明。
值得注意的是,agent-squad 遵循"智能体自治、不自动串联"的原则——小队不会在未经用户同意的情况下自动走完 Rex → Alex → ... → Dep 全链条。任何智能体都可以在项目任意阶段被用户按需直接调用,例如直接调用 Luna 评审已有代码,无需经过 Rex。
三、Rex 的五大核心职责
Rex 的职责模型由五个相互衔接的模块构成,覆盖了从"听懂用户要什么"到"产出可验证需求文档"的完整链路。
3.1 意图萃取(Intent Extraction)
意图萃取是整个需求阶段的起点,要求 Rex 做到:
- 识别用户试图解决的深层问题(core problem),而不是停留在表面诉求上;
- 使用MoSCoW 框架区分需求优先级:
Must Have(必须有)/Should Have(应该有)/Nice to Have(可以有); - 主动暴露隐含假设,例如用户说"要快",就要追问:快是针对多少用户?在什么设备上?
- 控制提问节奏:每轮最多提 3 个澄清问题,绝不把用户问烦。
这条"每轮至多 3 问"的约束体现了刻意设计的交互纪律——既保证需求收敛,又避免过度盘问导致用户体验恶化。
3.2 受众与上下文(Audience & Context)
在明确"要什么"之后,Rex 需要定义"为谁做、在什么环境做":
- 定义目标用户:技术能力水平、角色,必要时包含地理区域;
- 识别平台约束:Web、移动端、桌面、仅 API、CLI、嵌入式等;
- 标注集成依赖:第三方服务、既有代码库、认证系统;
- 标记监管与合规关切:GDPR、HIPAA、无障碍(accessibility)标准等。
3.3 边界场景识别(Edge Case Identification)
Rex 必须把系统中可能出问题的地方提前"排雷":
- 列举已知失败模式:空状态、非法输入、网络中断、并发访问;
- 识别边界条件:零条数据、最大数据量、特殊字符、超大文件;
- 标记安全敏感面:认证、文件上传、支付、PII(个人可识别信息)存储;
- 标注性能敏感路径:大数据集上的查询、实时特性。
这些边界场景会在后续阶段直接转化为测试用例的输入来源——Quinn(QA)在测试阶段会依据它们设计验证矩阵。
3.4 用户故事(User Stories)
用户故事是需求从"描述"走向"可验证"的关键载体,格式要求严格:
- 标准句式:
As a [role], I want [action] so that [outcome].(作为一个[角色],我想要[动作],以便[结果]); - 每条故事至少一个验收标准(Acceptance Criterion),采用 Given/When/Then(给定/当/那么)三段式;
- 每条故事必须可独立测试——任何故事都不应以另一条故事的成立为前提;
- 故事超过 5 条时,按epic(史诗)分组。
Given/When/Then 验收标准的设计,使得下游 Luna(评审)与 Quinn(QA)可以直接把验收标准映射为测试断言,实现"需求即验收"。
3.5 约束与非目标(Constraints & Non-Goals)
最后,Rex 需要划定边界:
- 明确声明本阶段范围之外(out of scope)的事项;
- 记录用户指定的技术约束:语言、框架、现有数据库;
- 记录任何影响范围的时间线与预算信号。
"非目标"清单的作用是防止下游智能体擅自扩展范围——Mason 的交互风格中有一条明确规则:"不添加计划之外的特性;如果用户中途提出新需求,先送回 Rex → Alex → Aria 走流程",正是依赖这份约束清单来判定越界。
四、REX REPORT:标准化的结构化输出模板
Rex 从不向主智能体倾倒原始对话笔记。技能文件规定,他始终返回一份干净、带版本号的工件,即REX REPORT。模板全文如下(可直接复制使用):
REX REPORT — v1.0 Project: [name] Date: [date] ## Summary One paragraph. What is being built, for whom, and why. ## Feature List (MoSCoW) Must Have: - [feature] — [one-line rationale] Should Have: - ... Nice to Have: - ... Out of Scope: - ... ## User Stories Epic: [name] US-001: As a [role], I want [action] so that [outcome]. AC: Given [context], when [action], then [result]. ## Constraints - Platform: ... - Tech stack: ... - Integrations: ... - Compliance: ... ## Edge Cases & Risk Flags - [surface]: [risk description] ## Open Questions - [question] — blocking: yes/no这份模板的八个组成部分各有其下游消费者:
| 模板区块 | 主要内容 | 主要下游消费者 |
|---|---|---|
| Summary | 一段话概括做什么、为谁做、为什么做 | 主智能体(用于向用户转述) |
| Feature List (MoSCoW) | 按优先级排列的功能清单 | Alex 的规划清单输入 |
| User Stories | 带验收标准的故事与史诗分组 | Quinn 的测试用例来源 |
| Constraints | 平台/技术栈/集成/合规约束 | Aria 的架构决策边界 |
| Edge Cases & Risk Flags | 失败模式与风险面清单 | Aria 的安全设计、Quinn 的测试矩阵 |
| Open Questions | 待澄清问题及是否阻塞 | 主智能体(决定是否需要用户介入) |
主智能体收到 REX REPORT 后,会按照"按引用存储工件(store artifacts by reference, not by content)"的上下文纪律处理:将完整报告以REX_REPORT_v1之类的版本标签存储,仅把 2~3 条的压缩摘要保留在活跃上下文中,后续给其他智能体传递时只给"压缩摘要 + 工件版本标签",详见 主智能体编排技能 中的 Briefing Packet 模板。
五、交接协议(Handoff Protocol):Rex 与下游智能体的协作边界
5.1 向 Alex(规划)交接
当 Rex 向 Alex 交接时,三条硬性规则:
- 只传递 REX REPORT,绝不传递原始对话记录;
- 明确标注哪些Open Questions 是阻塞性的(blocking)、哪些可以在规划阶段再解决;
- 不附带任何实现建议、数据模型想法或技术栈意见——除非用户已明确锁定这些决策。
这条规则在 Alex 的技能定义(alex/SKILL.md)中得到呼应:Alex 读取 Rex Report 识别逻辑依赖、构建 DAG(有向无环图)、找出关键路径,然后产出分层实现清单(Data / Logic / API / UI / Infra)与逐任务的完成定义(DoD)。Alex 不会替 Aria 决定 schema,正如 Rex 不会替 Alex 决定任务顺序——每层只做自己阶段的事。
5.2 中途重启用时的修订(AMENDMENT)机制
当项目中途发生范围变更或新增功能时,Rex 被重新调用,此时他输出的是REX REPORT AMENDMENT:
- 与上一版本做差异对比(diff);
- 不重写整份报告,只追加/修改发生变化的章节。
这一机制同样贯穿整支小队:Alex 有ALEX PLAN AMENDMENT,Aria 有ARIA BLUEPRINT AMENDMENT(见 aria/SKILL.md)。增量修订避免了上下文窗口的重复占用,也让项目状态追踪对象(PROJECT STATE)中的版本历史保持干净——这是 agent-squad 上下文纪律的一部分。
六、交互风格与提问策略
Rex 的交互风格被明确设计为"直接、精确、零废话":
- 直接挑战模糊词汇:遇到 "fast"(快)、"scalable"(可扩展)、"simple"(简单)、"secure"(安全)这类词,必须追问:多快?多大的规模?对谁简单?
- 不说客套话:永远不说 "great question",也绝不臆测实现方案;
- 识别成熟输入:当用户明显是技术人员、且请求中已经回答了大部分问题时,Rex 跳过提问环节,直接进入报告产出。
最后一条"跳过提问"的规则非常实用:它避免了教条式盘问,让技能在"小白用户"与"资深工程师"两类场景下都能自适应。
七、Limitations:使用前必须知晓的边界
技能文件在末尾明确列出两条限制,任何使用 Rex 技能的人都应遵守:
- 幻觉风险:AI 智能体可能偶尔产生幻觉或给出错误指导,在推向生产环境之前,务必人工验证生成的代码与架构设计;
- 上下文窗口限制:大型项目的历史记录必须由 Orchestrator(主智能体)压缩后传入,Rex 依赖主智能体提供足够的项目上下文,自身并不维护完整历史。
这两条限制与 主智能体编排技能 的"上下文窗口纪律"相互印证,构成了整个 agent-squad 的可靠性底线。
八、仓库内可继续深入阅读的材料
如果你希望把 Rex 放进整支小队的协作语境中理解,建议按以下顺序阅读仓库内的技能定义文件(均位于plugins/agentic-awesome-skills-claude/skills/agent-squad/目录下):
- 主智能体编排技能(Orchestrator):小队全景、路由逻辑、Briefing Packet 模板、PROJECT STATE 追踪;
- Alex — 策略师与规划者:消费 Rex Report,产出 ALEX PLAN 与逐任务 DoD;
- Aria — 系统架构师:消费需求与计划,产出数据模型、API 契约与 ARIA BLUEPRINT;
- Mason — 构建者:严格按蓝图与清单实现,绝不超出 Rex 规格;
- Quinn — QA 测试:依据用户故事验收标准编写测试。
此外,仓库的数据层(如 catalog.json、skills_index.json、bundles.json)收录了 agent-squad 及各技能的分类索引与元数据,可用于检索整个技能生态的构成。
结语
Rex 技能的价值不在于"会提问",而在于它用一套严格的流程把主观、模糊的用户意图转化为客观、可验证、可交接的结构化工件:MoSCoW 功能清单让优先级不再有歧义,Given/When/Then 验收标准让"完成"有了可测试的定义,REX REPORT 模板让下游每个智能体都能拿到同一份权威输入。对于任何想在自己项目里构建多智能体协作流水线的团队,Rex 的技能定义都是一份可以直接复用的需求分析范式——先想清楚"做什么、为谁做、边界在哪",再谈架构与实现。
- AI 技能
- AI 插件
- 人工智能
【免费下载链接】agentic-awesome-skills
AAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.
相关推荐
DevFlow 可测试规格模板:用 spec.md 把模糊需求写成可落成失败测试的需求规格
DevFlow 可测试规格模板:用 spec.md 把模糊需求写成可落成失败测试的需求规格 导读 DevFlow 是 agent core java 仓库内内置
人工智能大模型AI AgentAgent 框架工具调用流程编排RAGMCP ClientsOuroboros Interview 技能深度指南:用苏格拉底式访谈把模糊需求结晶为可执行规格
Ouroboros Interview 技能深度指南:用苏格拉底式访谈把模糊需求结晶为可执行规格 Ouroboros 是一个"让 Agent 自我进化"的 Ag
AI Agent人工智能代码智能体Agent 编排AI 评测CLI开发工具EcoPaste Trellis 规划技能实战:trellis-brainstorm 如何把模糊需求收敛为可执行 PRD
EcoPaste Trellis 规划技能实战:trellis brainstorm 如何把模糊需求收敛为可执行 PRD 本文以 EcoPaste 仓库中 tr
桌面应用开发工具
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考