doc-chain skill:一站式控制 AI 变更边界的文档依赖网络

doc-chain:一站式控制 AI 变更边界的文档依赖网络

github.com/HKweiguang/...

一句话:doc-chain 是一站式控制 AI 变更边界的方案。从 PRD 到交互到 UI 到技术方案再到代码,每份文档声明上游来源、每次变更在边界内传播,全链路有迹可循、有界可依。

让 AI 做项目文档或写代码时,你大概率遇到过这些场景:

  • 术语漂移:PRD 里叫"用户",技术方案里变成"客户",代码里写成"member"
  • 改A忘B:PRD 加了新状态,技术方案跟上了,测试用例还在用老状态值
  • 越界发挥:让 AI 补个接口字段,它顺手改了响应结构、换了错误码格式
  • 代码走样:技术方案写得清清楚楚,代码实现却漏了权限校验、多了未定义字段

这些问题本质上是同一个根因:AI 不知道边界在哪。它不清楚自己的修改会影响哪些下游文档,也不清楚代码实现不能超出文档定义的范围。

doc-chain 的解法很直接:一站式建立文档依赖网络,用明确的上下游关系框定每份文档的权责边界。文档是项目的唯一事实来源,代码是文档的镜像实现。从文档生成到代码落地,边界控制贯穿全程。


1. 核心机制(1 分钟看懂)

doc-chain 只做两件事:

1. 每份文档声明上游来源 2. 每次变更在边界内传播

文档之间的依赖关系长这样:

markdown 复制代码
                    PRD-顶层定义
                          │
        ┌─────────────────┼─────────────────┐
        ↓                 ↓                 ↓
   交互-顶层定义      UI-顶层定义      技术-顶层定义
        │                 │                 │
        └─────────────────┼─────────────────┘
                          ↓
                    PRD-订单模块
                          │
        ┌─────────────────┼─────────────────┐
        ↓                 ↓                 ↓
   交互-订单流程      UI-订单页面      技术-订单服务
        │                 │                 │
        └─────────────────┘                 ↓
                                       测试-订单模块
                                               ↑
                                               │
                                         代码实现 & 审计

三条边界控制规则:

规则 场景 AI 必须做的事
下游不得超出上游 写技术方案时想新增接口 先确认该功能在 PRD 里有定义,没有就停
上游变更必须同步下游 PRD 改了状态机定义 扫描所有下游文档,列出影响范围,询问是否同步
代码不得偏离文档 按技术方案写完代码 逐项审计:接口路径、字段名、类型、错误码、权限规则

任何一条被触发,AI 必须暂停并询问你,而不是擅自继续。


2. 实战用法(直接抄作业)

doc-chain 是一个 Kimi Code CLI Skill。装好后,核心就三种用法:

用法 A:从 0 到 1,文档+代码一站式落地

Prompt 公式项目背景 + 按 doc-chain 一站式生成文档和代码

直接复制:

"我要做一个 社区团购小程序 。请用 doc-chain 一站式 完成:先生成 PRD-顶层定义 (模块划分、术语表、状态值、错误码),再为 订单模块 产出 PRD → 交互 → UI → 技术方案的完整文档链,最后按技术方案实现代码并审计一致性。"

AI 的执行路径:

  1. 生成 PRD-顶层定义.md,头部写入 upstream-document 依赖表
  2. 按依赖顺序产出模块文档:PRD-订单模块交互-订单流程UI-订单页面技术-订单服务
  3. 每份文档头部声明实际加载的上游来源
  4. 按技术方案实现代码
  5. 启动只读 subagent,执行代码-文档一致性审计,产出审计报告

用法 B:文档已有,一站式补代码并校验

Prompt 公式基于现有技术方案 + 一站式实现代码并审计差异

直接复制:

"技术方案已确定。请一站式 完成:按 技术-订单服务 文档实现代码,完成后立即检查代码与文档的差异。重点核对:接口 URL/方法/参数、表结构字段、错误码、权限注解。"

AI 的执行路径:

  1. 读取技术方案文档和上游 PRD 文档
  2. 按文档实现代码
  3. 代码变更触发阶段 5 审计
  4. 产出《文档-代码一致性审计报告》,标注差异项和修正建议

用法 C:需求变更,一站式同步文档+代码

Prompt 公式修改 [上游] + 一站式同步下游文档和代码 + 重新审计

直接复制:

"PRD-顶层定义里 订单状态 要增加 待成团。请一站式处理:扫描下游影响范围,同步所有相关文档和代码,最后重新执行代码审计。"

AI 的执行路径:

  1. 暂停上游修改,先分层扫描下游
  2. 列出影响清单(交互状态机、UI 语义色、技术表结构、测试用例、代码枚举)
  3. 询问确认
  4. 级联更新所有下游文档
  5. 同步修改代码
  6. 重新执行审计

3. 为什么不会拖慢 AI?

很多人担心:"每次改文档都要扫描上下游,Token 会不会爆炸?"

不会。 doc-chain 的触发策略很克制:

  1. 非文档场景不触发 :你问"写个排序算法"、"解释这段代码",doc-chain 完全不加载
  2. 增量审计:修改模式下只加载变更 diff + 受影响章节,不读全文
  3. 脚本兜底 :编号连续性、引用有效性、格式一致性等机械检查由 doc-audit.py 执行,不走模型
  4. 代码审计独立:由只读 subagent 执行,主会话不自己审自己

边界控制是轻量的------只在越界时出声,平时不碍事。


4. 命名体系:模板和产出必须分开

doc-chain 对 skill 内部文件和项目产出做了严格的命名隔离:

层级 Skill 内部(模板) 项目产出(事实来源)
顶层定义 references/top-level/prd-top-level-template.md PRD-顶层定义.md
模块文档 references/steps/prd-step.md PRD-v1-订单模块.md

关键区分:

  • -template 后缀的:Skill 内部参考文件,只供 AI 阅读,禁止复制到项目
  • 项目产出的:填充了实际内容的文档,是下游文档和代码的唯一合法来源

5. 避坑指南

  1. 不要跳过顶层定义

    错误:"直接写订单模块的 PRD"

    正确:"先检查 PRD-顶层定义 是否存在,没有就先生成"

    没有顶层定义约束,模块文档的编号、术语、状态值会在不同模块间打架。

  2. 不要脑补需求

    用户说"加个功能"但没说清楚边界 → AI 必须先列 gap 分析清单 → 用户确认后再输出。doc-chain 强制这个流程。

  3. 不要绕过上游缺陷

    写技术方案时发现 PRD 状态机有矛盾 → 停下来,先回改 PRD → 同步下游 → 再继续。禁止在下游私自"适配"。

  4. 代码必须审计

    技术方案再完美,代码也可能走样。阶段 5 的代码落地验证不是可选项。字段命名风格差异(snake_case vs camelCase)不算不一致,但业务含义必须一致。

  5. 编号不回收

    删除 F005 后编号留空,后续从 F006 继续。复用编号会导致上下游引用错乱。


总结

doc-chain 不增加文档工作量,它做的是在关键节点设置边界检查点,一站式覆盖从文档到代码的完整链路:

复制代码
PRD 顶层定义 ──→ 模块 PRD ──→ 交互 ──→ UI ──→ 技术方案 ──→ 代码实现
   ↑                                                              │
   └──────────── 变更时回溯上游、同步下游 ─────────────────────────┘

你的项目越大、AI 会话越多、文档链路越长,一站式边界控制的价值就越明显。

文档定义边界,代码镜像文档,变更在边界内传播。

相关推荐
studytosky12 分钟前
OpenClaw 入门与 Skill 开发
linux·服务器·ai编程
名不经传的养虾人30 分钟前
从0到1:企业级AI项目迭代日记 Vol.67|能运行,和能商用
人工智能·agent·ai编程·企业ai·多agent协作
iCOD3R43 分钟前
Skill - 3秒生成精美GitHub主页
前端·程序员·ai编程
孤狼GPT1 小时前
Codex还是看不到GPT-5.6?CLI、App和模型入口排查
ai编程·codex·codex cli·gpt-5.6·chatgpt桌面版
Alex6630282 小时前
我重写了 Hermes Agent,专门修掉了它的 4 个硬伤
github
TrisighT2 小时前
Agent 并行工具调用快了 0.8 秒——200 组实测发现,多花的那 3100 token 全打了水漂
aigc·agent·ai编程
Databend2 小时前
AST Visitor API 迁移,怎么证明 AI 没改坏 SQL 语义?
数据库·ai编程
考虑考虑2 小时前
git中的tag
git·gitlab·github
欢喜躲在眉梢里2 小时前
用飞算Java做了一套新能源充电运营管理系统:把站点、设备、订单拆成可运营的微服务
java·开发语言·微服务·ai编程·技术分享·java开发·飞算javaai炫技赛
无责任此方_修行中3 小时前
面对 300+ 仓库的重复劳动,我用 Guideline 优化了 Vibe Coding 工作流
后端·ai编程·vibecoding