· English
Intent Debugger
需求澄清与意图对齐
把说不清的想法,整理成清楚、具体、可核对的需求。
⚡ 快速开始 · 📝 使用示例 · 🧐 与 Plan 的区别 · 🤝 参与贡献
✏ 写在最前面
当用户让 AI 设计一个项目或功能时,AI 可能会堆砌技术手段。对不熟悉专业术语的用户来说,这些内容看起来很专业,却很难用来判断 AI 是否真正理解了需求。若是能够从最终效果、使用方式和功能边界出发,就更易于形成一份双方都能看懂、也能逐项核对的需求理解。
从上述背景出发,我们关键的问题在于很难一次把想法说清楚:脑中已经有了大概的样子,却不知道对应的专业术语;已经尽量描述,AI 还是理解成了另一件事;双方还没核对清楚,AI 就开始设计或写代码,最后发现方向从一开始就偏了。
Intent Debugger 不要求你先学会写专业提示词。你只需要尽量说出想要的效果、使用方式、担心的问题和能想到的例子,等等。哪怕表达得绕、很别扭,它也会把这些信息整理成一份结构化、规范化的需求清单,让你判断 AI 理解的,究竟是不是你想做的。
🧩 它会做什么
每轮工作都会围绕三部分展开:
- 🧭 需求梳理:先用一两句话说明当前理解,再展开目标、场景、功能、流程和约束。
- ❓ 问题澄清与确认:针对每个关键问题,先说明问题是什么、为什么需要注意,再提出具体、可以直接回答、会影响需求的选择。
- ✅ 当前共识:说明哪些内容已经确认、哪些仍是暂定理解,以及是否已经对齐。
在用户确认需求已经对齐之前,会持续迭代这份需求清单:保留已经确认的信息,根据用户的回答进一步优化。 当用户确认需求无误、关键问题已经回答且不存在重大歧义时,Intent Debugger 的任务就结束了。它不会自动转入任何规划、设计或实现工作。
🧐 它和 Plan 模式有什么不同
Intent Debugger 回答“到底要做什么”,Plan 回答“在具体项目里准备怎么做”。
| Intent Debugger | Plan 模式 | |
|---|---|---|
| 要回答的问题 | 到底要做什么,为什么做,边界在哪里? | 已经确认的需求该怎么落地? |
| 适合的输入 | 口语化想法、愿景、零散功能、互相冲突的描述 | 范围和验收标准已经清楚的任务 |
| 主要产出 | 整理后的需求、尚未解决的问题、需要用户确认的选择 | 结合现有项目形成的实施步骤、改动范围和验证办法 |
| 是否进入技术层面 | 不进入 | 可以进入 |
这里只比较两者的职责,不规定固定的使用顺序;它们可以独立使用。
⚡ 快速开始
如果只想获取核心 Skill,可以直接下载 intent-debugger-skill.zip。解压后会得到完整的 intent-debugger 文件夹,再按所用平台放到对应位置即可。
README 顶部的“累计下载”由仓库的完整 Clone 次数与正式 ZIP 的下载次数相加得到。它表示项目被主动获取的次数,不等同于实际安装人数或活跃用户数;查看公开统计明细。
Codex
将 skill/intent-debugger 复制到 Codex 的个人 Skill 目录:
$CODEX_HOME/skills/intent-debugger
重新加载 Skill 后,可以显式调用:
使用 $intent-debugger 帮我梳理这个想法:我想做一个帮助团队找资料的工具。
在明显属于模糊需求澄清的场景中,Codex 也可以根据 Skill 描述自动选择它。
Claude Code
Claude Code 支持读取 SKILL.md。将 skill/intent-debugger 复制到以下任一位置:
- 个人级:
~/.claude/skills/intent-debugger/ - 项目级:
.claude/skills/intent-debugger/
No comments yet.