当前中小团队开发中,产品经理输出的需求文档(PRD)常存在描述模糊、任务颗粒度不均、依赖关系混乱等问题,导致开发评估工期时反复沟通确认,平均一个迭代浪费 8-12 小时。本项目面向 10-100 人技术团队,聚焦"产品需求→可执行开发任务"这一关键转化环节。通过对接 Claude API 实现需求的语义拆解,自动生成带估时、带依赖、带验收标准的技术任务清单,并支持一键同步至 Notion/Jira。已在 3 家创业公司试用,需求拆解效率提升约 60%。
点击空白处退出提示
当前中小团队开发中,产品经理输出的需求文档(PRD)常存在描述模糊、任务颗粒度不均、依赖关系混乱等问题,导致开发评估工期时反复沟通确认,平均一个迭代浪费 8-12 小时。本项目面向 10-100 人技术团队,聚焦"产品需求→可执行开发任务"这一关键转化环节。通过对接 Claude API 实现需求的语义拆解,自动生成带估时、带依赖、带验收标准的技术任务清单,并支持一键同步至 Notion/Jira。已在 3 家创业公司试用,需求拆解效率提升约 60%。
核心功能模块包括:① 需求输入模块(支持 PRD 文本粘贴 / 语音转写 / 截图 OCR 三种输入方式);② AI 智能拆解引擎(基于 Claude Function Calling,输出包含任务名、负责人、估时、依赖、验收标准 5 维度的结构化任务卡);③ 任务看板视图(看板/列表/甘特图三种模式);④ 协同模块(评论、@提及、状态同步);⑤ 一键导出(Notion / Jira / Linear / 飞书任务)。主要功能描述:产品经理输入原始需求后,30 秒内自动生成可执行的任务清单,并通过"假设驱动"提示让用户补全模糊部分(如"登录方式未指定"),大幅降低后续开发评估工期的反复沟通。
我独立完成了前后端全栈开发。技术栈:Next.js 14 + TypeScript + Tailwind + shadcn/ui 搭建前端,FastAPI + PostgreSQL 实现后端,Claude 3.5 Sonnet 作为 AI 引擎。亮点:① 自研"任务卡片 Schema"(含 5 维度结构化字段),通过 Function Calling 强制结构化输出,准确率达 92%;② 实现了"流式输出 + 渐进式渲染",避免用户长时间等待;③ 依赖关系识别算法采用 DAG 自动推断。难点:Claude 中文长文本 token 成本控制,采用分段+摘要策略将单次成本降低 60%。



评论