Solohic RVTF Skill 技能
把需求-验证-追踪框架落到 Agent Skill 工作流
Solohic RVTF Agent Skill 是一套把"需求-验证-追踪"框架(Requirements-Verification-Traceability Framework,简称 RVTF)落到 Agent Skill 工作流中的方法论插件。它帮助团队在 agent-skill 项目里建立可追溯链路:每条需求都能映射到验收项、用户旅程与增量交付证据,避免"任务标完成 ≠ 真正可发布"的混乱。
核心能力
- 需求到验收项映射:把功能需求拆成唯一 ID 的 acceptance item,并关联到具体的 user journey 与 increment。
- 主-客生命周期分层:把 host-native(构建/部署)结果与 worker check / advisory 输出严格分离,避免越权执行。
- 可追溯 review 状态:追踪每个 increment 的 review、continuation、release 三类状态,未达证据门槛不允许标完成。
- 增量交付分组:把大型特性切成多个可独立交付的增量,每个增量都附带证据要求与停止边界。
- 显式动作定义:把 stop / await-owner / host-boundary 等动作写成机器可读的标记,便于 agent 理解。
- 独立证据记录:当前测试结果与 host 状态分别存档,避免复用过期证据掩盖问题。
安装配置
- 通过 npm 安装:
npx skillstore add solohic/adapting-rvtf-to-agent-skills,立即在 Claude Code 中按方法论提示。 - 将
skills/adapting-rvtf-to-agent-skills/拷贝到仓库的.claude/skills/下,让团队共享同一份 RVTF 模板。 - 在 CI 中对接 RVTF 的 verify 脚本,对每个 increment 自动跑可追溯性校验。
使用步骤
- 接到功能需求后,先用 prompt 模板"Turn this feature brief into requirements..."拆出需求、验收项、用户旅程。
- 把每个验收项映射到具体 increment,并标注所需的验证证据类型(测试 / 部署 / 用户反馈)。
- 在增量实施时,把每一次 commit、构建结果、测试输出按 increment 维度归档,禁止跨 increment 复用证据。
- 用 prompt 模板"Review these implementation and test receipts..."审阅"完成声明",识别无证据支撑的伪完成。
- 在 release 前跑 RVTF 流程,把 build / review / ship / deploy / post-launch 五个阶段显式分开并各自留痕。
- 把"continuation / stop / await-owner"等动作作为指令注入 agent,避免 agent 自行跨边界执行。
- 把 RVTF 检查清单纳入 PR 模板,让团队在合并前自动对齐可追溯性要求。
适用场景
- 多人协作的 AI skill 库开发,避免某个增量被悄悄合并却无人验证。
- 把"已交付"与"已上线"严格区分的发布流程,特别是面向客户的 SaaS 团队。
- 涉及合规或审计要求的功能开发,需要可追溯的证据链。
- 复杂特性的分阶段交付,每个阶段都需要单独的验收与回滚预案。
- AI agent 协助实施的多步骤任务,需要清晰边界防止越权。
适用人群
- 负责大型特性端到端交付的 Tech Lead 与 PM。
- 需要满足审计 / 合规要求的企业架构师。
- 维护多团队共享 AI skill 库的 Platform 团队。
- 希望把 agent 工作流"制度化"的独立开发者与顾问。
- 任何受困于"任务标完成 ≠ 真正可发布"的工程管理者。
工作原理
skill 在加载时由 Claude Code 索引器读取 SKILL.md 与附带 prompt 模板,agent 在用户描述任务后,会按 RVTF 流程要求先生成需求 → 验收项 → 增量切分 → 证据要求的多层结构,再在每个增量内部强制保留 review、continuation、release 三类状态字段。当用户或 reviewer 给出完成声明时,agent 会反向核对证据链是否完整,缺失则拒绝标完成,从而把"完成感"从主观判断转化为可验证的状态机。
官方链接
团队信息
AI产品库
官方
由 AI 猎手自动发现
评论与建议
登录 后参与评论或提建议