📦 需求澄清器

v1.0.0

需求澄清器 - 原创技能。自动追问模糊需求，减少返工和误解。适用于AI编程、需求分析、任务交接等场景。

0· 0·0 当前·0 累计

by @534422530

生产力工具

下载技能包

安全扫描

VirusTotal

无害

查看报告

OpenClaw

安全

high confidence

这是一个仅用于澄清需求的指令型技能，其需求、指令与范围均与其既定目的保持一致，且不含任何意外的安装、凭据或输入/输出。

评估建议

This 技能 is coherent and 应用ears safe: it's an instruction-only clarifier with templates and example code. Before enabling it broadly, (1) review/adjust the vague-word 列出s and question templates for your domAIn and language, (2) test prompts with non-sensitive sample data (do not supply secrets in example requirements), and (3) if you prefer to 预防 autonomous invocation, disable 模型 invocation for the 技能 in your 代理设置tings. If you plan to turn the illustrative code into 运行nable code in your 环境, revi...

详细分析 ▾

✓ 用途与能力

Name/description (clarifying vague requirements) match the content: templates, 检测ion rules, question-generation 记录ic and example flows are all 应用ropriate for a clarifier 技能.

✓ 指令范围

技能.md contAIns only 图形界面dance, templates, and illustrative Python snippets/regexes. It does not instruct the 代理 to read files, 环境 variables, or 发送 data to external 端点s, nor does it 请求 unrelated 系统访问.

✓ 安装机制

No 安装 spec and no code files — nothing is 下载ed or written to disk. Lowest-risk 安装ation 模型 (instruction-only).

✓ 凭证需求

Declares no required 环境 variables, 凭证s, or config paths. The examples use only local 检测ion heuristics and question templates that do not require secrets or external 服务s.

✓ 持久化与权限

always:false (default) and no 安装 means the 技能 does not 请求 persistent or elevated 系统 presence. The 代理-autonomy default is normal and not combined with other red flags.

安全有层次，运行前请审查代码。

运行时依赖

无特殊依赖

安装命令

点击复制

官方npx clawhub@latest install laosi-requirement-clarifier

镜像加速npx clawhub@latest install laosi-requirement-clarifier --registry https://cn.longxiaskill.com

技能文档

⚠️ 发布规则所有发布到 ClawHub 的技能必须严格测试，确认无误后再发布。技能测试验证清单

frontmatter 格式正确
澄清问题模板完整
判断逻辑清晰
优先级排序合理
无语法错误

Requirement Clarifier – 需求澄清器原创技能 | 激活词：澄清需求 / 追问细节 / 确认需求

核心问题模糊需求导致：

AI 按错误理解开发
完成后返工
浪费时间精力
用户不满意

澄清框架 5W1H 追问法 What（什么）— 具体做什么？ Why（为什么）— 为何做？ Who（谁）— 谁来用？ Where（哪里）— 使用环境？ When（何时）— 何时需要？ How（如何）— 如何实现/使用？

常见模糊模式模式1 动词模糊 ❌ “帮我优化这个代码” ✅ 优化哪方面？性能/可读性/可维护性/安全性？

模式2 名词模糊 ❌ “创建一个用户模块” ✅ 需哪些功能？注册/登录/资料/权限/头像？

模式3 范围模糊 ❌ “做个网站” ✅ 网站类型？电商/博客/企业/社交？

澄清流程

接收需求
识别模糊点
生成澄清问题
按优先级排序
追问最关键问题
根据回答更新理解
重复直至清晰

澄清问题生成 def generate_clarification_questions(requirement: str) -> list[Question]: … return questions[:3]

模糊检测规则 VAGUE_WORDS = [优化, 改进, 提升, 完善, 处理, 管理, 系统, 模块, 好看, 好用, 快速, 高效, 一些, 相关, 合适, 适当] VAGUE_PATTERNS = [r'帮我.', r'做个.', r'处理.', r'优化.']

澄清输出格式

需求澄清

原始需求

“帮我做个用户管理模块”

已识别模糊点

⚠️ 范围不清
⚠️ 标准不明
⚠️ 环境未提

…

回复理解确认 …

澄清效果评估 def evaluate_clarity(requirement: str, answers: list[str]) -> float: … return clarity # 阈值 ≥0.7

应用场景 AI 编程 / 任务交接 / 需求分析

与 Karpathy 法则结合需求澄清 = Karpathy “先思考” 的具体实现

原创性声明本技能为原创，融合需求工程、模糊语言识别、追问框架、交互式澄清对话。作者：laosi 创建日期：2026-04-28

数据来源：ClawHub ↗ · 中文优化：龙虾技能库