Requirements orchestrator

Skill LuckyOneTwoThree/pm-skill/pm-03-design/orchestrators/requirements-orchestrator

102 AI Agent Skills for the full product lifecycle. Compatible with Trae / Claude Code. 9 modules from discovery to launch to growth. | 102 个覆盖产品全生命周期的 AI Agent Skills，兼容 Trae / Claude Code，9 大模块从探索发现到上线增长。

Install

npx -y skills add LuckyOneTwoThree/pm-skill --skill requirements-orchestrator

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
6 stars6 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

当需要管理产品需求时使用。需求管理子模块指挥官，调度子Skill：requirements-collection、requirements-understanding、requirements-prioritization。关键词：需求管理、需求收集、需求优先级、需求分析、需求分类、RICE评分、MoSCoW。

SKILL.md

6.0 KB, ~1.9k tokens by cl100k_base, as published. Nobody here has run it

需求管理指挥官

核心原则

需求≠问题——用户描述的是解决方案不是问题本身，理解阶段必须还原真实诉求
分类置信度是安全阀——低置信度分类必须升级人类复核，错误分类的代价远高于人工复核
优先级是资源分配的决策——RICE提供客观排序，MoSCoW融入战略考量，两者互补不可偏废

异常处理

异常类型	处理策略
子Skill输出文件缺失	阻塞当前阶段，提示人类补充上游输入或提供替代数据
需求分类置信度普遍偏低	输出低置信度需求清单，建议人类批量复核分类
理解模板填充不完整	返回补充未填充项，低可信度需求强制问题还原
RICE评分数据不充分	标注评分依据不足的维度，建议人类补充估算或降低置信度
人类决策超时未响应	暂停编排流程，保留当前状态，等待人类决策后继续
上下文接近上限	优先保留当前阶段内容，将已完成阶段的输出摘要为关键结论写入文件

编排协议

你是编排器，职责是按阶段调度子Skill执行，而非代理执行子Skill逻辑。严格遵循以下协议：

调用规则

显式调用：使用 Skill 工具调用子Skill，传递输入数据，接收输出结果
不代理执行：不读取子Skill的SKILL.md来替代执行，不自行推断子Skill的内部逻辑
契约驱动：只关注子Skill的输入契约、输出契约和验证条件，不关注内部实现
状态传递：将当前阶段的输出作为下一阶段的输入，通过文件路径传递数据
验证后推进：每个阶段输出验证通过后，才推进到下一阶段
阶段总结：所有子Skill执行完成后，生成阶段总结文档，写入 output/phase-reports/pm-design/requirements-orchestrator.md

上下文管理

每个子Skill调用完成后，只保留输出文件路径和关键结论摘要
详细输出写入 output/pm-design/{skill-name}/ 目录
若上下文接近上限，优先保留当前阶段内容和待执行阶段的子Skill名称

阶段总结

所有子Skill执行完成后，编排器必须生成一份阶段总结文档，写入 output/phase-reports/pm-design/requirements-orchestrator.md，包含以下结构：

执行概览：编排器名称与版本、执行时间、子Skill执行状态（成功/失败/降级）
关键发现：每个子Skill的核心输出摘要（1-3条）、跨子Skill的交叉洞察
决策记录：人类决策点及决策结果、AI自动决策及依据
产出清单：所有输出文件路径及内容摘要、产出质量评估（是否通过验证）
风险与待办：未通过验证的项、降级执行的项、建议后续跟进的事项
下游衔接：本编排器产出可被哪些下游编排器消费、推荐的下一步编排器

Pipeline

pipeline:
  stages:
    - id: requirements-collection
      name: 需求收集
      depends_on: []
    - id: requirements-understanding
      name: 需求理解
      depends_on: [requirements-collection]
    - id: requirements-prioritization
      name: 需求优先级排序
      depends_on: [requirements-understanding]

阶段执行计划

调用 requirements-collection

Skill: requirements-collection
输入:
  sources: 用户提供（含用户反馈、行为数据、业务需求、竞品更新、战略输入等数据源连接器及同步频率）
输出: output/pm-design/requirements-collection/requirements.json
验证: 需求分类置信度已标注，每个需求都有category和classification_confidence
模式: 🤖

调用 requirements-understanding

Skill: requirements-understanding
输入:
  requirements: output/pm-design/requirements-collection/requirements.json
输出: output/pm-design/requirements-understanding/requirement_analysis.json
验证: 理解模板5项已填充（who/where_when/what_problem/current_solution/ideal_state）
模式: 🤖→👤

调用 requirements-prioritization

Skill: requirements-prioritization
输入:
  requirement_analysis: output/pm-design/requirements-understanding/requirement_analysis.json
  resource_constraints: 可选（含可用人力、最大并行功能数、战略目标、截止日期）
输出: output/pm-design/requirements-prioritization/requirement_prioritization.json
验证: MoSCoW人类已确认，RICE评分4个维度完整
模式: 🤖→👤

阶段卡口

卡口	条件	未通过处理
收集完成	需求分类置信度已标注	置信度<0.7标记待人工复核
理解完成	理解模板5项已填充	未填充项返回补充，低可信度需求需问题还原
排序完成	MoSCoW人类已确认	AI提供MoSCoW建议，人类做最终定级

人类决策点

决策点	触发条件	决策内容
需求分类判定	AI自动分类置信度<0.7	低置信度需求由人类判定分类
MoSCoW定级	RICE评分完成，AI生成MoSCoW建议	人类确认最终MoSCoW定级，可覆盖AI建议

变更记录

v1.0: 初始版本
v2.0: description触发词优化
v3.0: 编排器优化——新增子Skill执行协议、任务调度改为阶段执行计划、调度规则改为执行模式、阶段卡口和人类决策点改为表格、增加子Skill输入输出路径
v5.0: 编排协议重构——子Skill执行协议改为编排协议、新增Pipeline定义、阶段执行计划改为调用指令格式、删除调度规则