核心用法
PRD Skill 是一套基于 Ralph Wiggum 模式的AI代理编程规范，用于创建可自主执行的产品需求文档。核心工作流分为三步：
1. 编写 PRD：用 Markdown 描述功能，包含用户故事、验收标准和优先级
2. 转换为 JSON：生成机器可读的 prd.json 格式，包含可追踪的完成状态
3. 运行代理循环：通过 while :; do cat prompt.md | claude-code; done 实现无人值守的自动开发
prd.json 结构
project/branchName/description：项目元数据userStories[]：独立用户故事，每个包含 ID、标题、描述、验收标准、优先级、完成状态passes字段：代理运行时标记完成状态，实现状态机驱动
显著优点
- 完全自主：代理读取 JSON → 执行最高优先级未完成任务 → 自动标记完成，零人工干预
- 上下文安全：每个故事限定在单窗口可完成，避免代理失忆导致的半成品状态
- 可验证性：强制验收标准（必须包含
"Typecheck passes"），杜绝模糊描述 - 依赖有序：内置 schema → backend → UI 的执行顺序，减少集成错误
- 多代理支持：兼容 Claude Code、OpenCode 等主流AI编程工具
潜在缺点与局限性
- 粒度敏感：故事拆分过粗会导致代理失败，过细会增加管理开销，需要经验判断
- 环境依赖：需要预装
claude-code或opencode，且需--dangerously-skip-permissions等危险标志 - 无回滚机制：
progress.txt为追加日志，错误累积后难以逆向 - 语言/框架局限：示例偏向 TypeScript/SQL 栈，其他技术栈需自行适配验收标准
- 安全风险：自动循环配合跳过权限检查，可能产生不可逆的代码变更
适合人群
- 需要批量生成样板代码的全栈开发者
- 探索AI原生开发工作流的技术团队
- 已有成熟技术栈、追求自动化提效的创业公司
- 熟悉 Git worktree、CI 检查等现代开发实践的工程师
常规风险
- 无限循环风险：
while :;若无完成检测会持续消耗API额度 - 代码质量漂移：缺乏人类CR，可能累积技术债务
- 凭证泄露：
progress.txt可能意外记录敏感信息 - 分支污染：建议用
git worktree隔离，直接在主仓库运行可能导致混乱