Crawler Summary

prd-assessment answer-first brief

对产品经理提供的 PRD(产品需求文档)进行多视角评分和质量评估。支持 PDF、Markdown 和飞书文档链接格式。从产品、后端、前端、测试及设计五个视角逐项打分,输出总分、各视角得分、问题列表、改进建议和完整评估报告。 --- name: prd-assessment description: 对产品经理提供的 PRD(产品需求文档)进行多视角评分和质量评估。支持 PDF、Markdown 和飞书文档链接格式。从产品、后端、前端、测试及设计五个视角逐项打分,输出总分、各视角得分、问题列表、改进建议和完整评估报告。 --- PRD 多视角评估 功能概述 - 对输入的 PRD 文档进行多端格式解析(PDF/Markdown/飞书)。 - 基于五个视角(产品、后端、前端、测试/QA、设计)的 checklist 逐项评分,每项使用 0/1/2 三级标准。 - 自动统计各视角得分、完成率、等级,并总结跨视角风险与建议。 - 生成结构化 Markdown 报告并保存为 PRD_评估报告_<YYYYMMDD>_<HHMMSS>.md。 系统上下文要求 - **执行顺序**:遵循“Step0 加载通用规则 → Step1 加载本技能 Prompt → Ste Capability contract not published. No trust telemetry is available yet. Last updated 4/15/2026.

Freshness

Last checked 4/15/2026

Best For

prd-assessment is best for general automation workflows where OpenClaw compatibility matters.

Not Ideal For

Contract metadata is missing or unavailable for deterministic execution.

Evidence Sources Checked

editorial-content, GITHUB OPENCLEW, runtime-metrics, public facts pack

Claim this agent
Agent DossierGitHubSafety: 94/100

prd-assessment

对产品经理提供的 PRD(产品需求文档)进行多视角评分和质量评估。支持 PDF、Markdown 和飞书文档链接格式。从产品、后端、前端、测试及设计五个视角逐项打分,输出总分、各视角得分、问题列表、改进建议和完整评估报告。 --- name: prd-assessment description: 对产品经理提供的 PRD(产品需求文档)进行多视角评分和质量评估。支持 PDF、Markdown 和飞书文档链接格式。从产品、后端、前端、测试及设计五个视角逐项打分,输出总分、各视角得分、问题列表、改进建议和完整评估报告。 --- PRD 多视角评估 功能概述 - 对输入的 PRD 文档进行多端格式解析(PDF/Markdown/飞书)。 - 基于五个视角(产品、后端、前端、测试/QA、设计)的 checklist 逐项评分,每项使用 0/1/2 三级标准。 - 自动统计各视角得分、完成率、等级,并总结跨视角风险与建议。 - 生成结构化 Markdown 报告并保存为 PRD_评估报告_<YYYYMMDD>_<HHMMSS>.md。 系统上下文要求 - **执行顺序**:遵循“Step0 加载通用规则 → Step1 加载本技能 Prompt → Ste

OpenClawself-declared

Public facts

4

Change events

1

Artifacts

0

Freshness

Apr 15, 2026

Verifiededitorial-contentNo verified compatibility signals

Capability contract not published. No trust telemetry is available yet. Last updated 4/15/2026.

Trust evidence available

Trust score

Unknown

Compatibility

OpenClaw

Freshness

Apr 15, 2026

Vendor

Latentwing

Artifacts

0

Benchmarks

0

Last release

Unpublished

Executive Summary

Key links, install path, and a quick operational read before the deeper crawl record.

Verifiededitorial-content

Summary

Capability contract not published. No trust telemetry is available yet. Last updated 4/15/2026.

Setup snapshot

git clone https://github.com/Latentwing/prd-assessment.git
  1. 1

    Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.

  2. 2

    Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Evidence Ledger

Everything public we have scraped or crawled about this agent, grouped by evidence type with provenance.

Verifiededitorial-content
Vendor (1)

Vendor

Latentwing

profilemedium
Observed Apr 15, 2026Source linkProvenance
Compatibility (1)

Protocol compatibility

OpenClaw

contractmedium
Observed Apr 15, 2026Source linkProvenance
Security (1)

Handshake status

UNKNOWN

trustmedium
Observed unknownSource linkProvenance
Integration (1)

Crawlable docs

6 indexed pages on the official domain

search_documentmedium
Observed Apr 15, 2026Source linkProvenance

Release & Crawl Timeline

Merged public release, docs, artifact, benchmark, pricing, and trust refresh events.

Self-declaredagent-index

Artifacts Archive

Extracted files, examples, snippets, parameters, dependencies, permissions, and artifact metadata.

Self-declaredGITHUB OPENCLEW

Extracted files

0

Examples

5

Snippets

0

Languages

typescript

Parameters

Executable Examples

yaml

触发条件:
  文件行数: ">1000行"
  文件大小: ">50KB"

分批读取规则:
  1. 首次读取: read_file(offset=1, limit=500) → 了解结构
  2. 后续读取: 按需读取特定范围,或分批读取全部
  3. 禁止行为: 仅读取开头就假设后续内容

读取完整性检查:
  - 确认已读取文件全部行数(通过full_length字段)
  - 如未读完,必须继续读取或说明原因

text

┌─────────────────────────────────────────────────────┐
│ Step 1: 分批执行                                     │
│ - 大文件分批读取                                     │
│ - 大任务分批处理                                     │
│ - 大输出分批写入                                     │
│ - 每批独立完成,记录进度                             │
└─────────────────┬───────────────────────────────────┘
                  ↓
┌─────────────────────────────────────────────────────┐
│ Step 2: 整合汇总                                     │
│ - 收集所有分批结果                                   │
│ - 去重与合并                                        │
│ - 处理跨批次依赖                                     │
└─────────────────┬───────────────────────────────────┘
                  ↓
┌─────────────────────────────────────────────────────┐
│ Step 3: 完整性验证                                   │
│ - 核对输入项全部覆盖                                 │
│ - 核对输出项无遗漏                                   │
│ - 输出完整性声明                                     │
└─────────────────────────────────────────────────────┘

text

❌ 绝对禁止:
1. 仅读取文件开头就假设后续内容
2. 凭记忆或假设文件内容,不实际读取
3. 跳过"不重要"的章节不读取
4. 因文件过长而只读取部分
5. 忽略工具返回的完整信息

✅ 正确做法:
1. 大文件分批读取,确保覆盖全部内容
2. 每次读取记录已读范围和剩余范围
3. 所有章节客观读取,不主观筛选
4. 读取完成后确认full_length已全部覆盖

markdown

# PRD 多视角评估报告

## 基本信息
- 文档名称:
- 评审时间:
- 评审人:
- 业务线:(从用户选择的业务线获取)
- 版本/范围:
- 输出路径:用户当前工作目录下的 ./reports/

### 输入目录完整枚举
|序号|输入项|类型|状态|备注|
|---|---|---|---|---|
|1|[prdxx](https://mi.feishu.cn/xxx)|飞书 Wiki|✅|通过 `feishu_doc` 一次性拉取全文|

### 读取完成对账
|输入项|状态|说明|
|---|---|---|
|同上|✅|文档为单文件,未触发分页,已完整审阅|

### 分块处理计划与进度
|块|范围|预期产出|状态|
|---|---|---|---|
|K1|第1-2章 背景、目标、产品介绍|锁定业务目标、痛点、关键解法|✅|
|K2|第3章 产品方案|拆解后台规则、APP 上报、任务联动|✅|
|K3|第4-7章 交付、上线、附录|提炼上线策略、埋点、高危元素、评审记录|✅|

进度:██████████ 100%

## 视角得分概览
| 视角 | 得分 | 满分 | 完成率 | 等级 |
|------|------|------|--------|------|
| 产品 | XX | 100 | XX% | 优秀 |
| 后端 | XX | 100 | XX% | 良好 |
| 前端 | XX | 100 | XX% | 一般 |
| 测试/QA | XX | 100 | XX% | 风险 |
| 设计 | XX | 100 | XX% | 良好 |
| **全局(0-100)** | XX | 100 | XX% | XX |

> 注:全局得分 = round((Σ视角得分 / (视角数量 × 100)) × 100),用同一等级表判定整体质量。

## 视角详情
### 产品视角
- **亮点**:
- **主要问题**:
- **建议**:
- **条目级打分**:

| 条目 | 证据 | raw_score | weight | 加权分 | 状态 |
|------|------|-----------|--------|--------|------|
| 产品-1 用户价值 | PRD 第2章 | 2 | 1.5 | 3.0 | ✅ |
| ... | ... | ... | ... | ... | ⚠️ |

### 后端视角
...

## 高优先级改进项
1. [问题 + 影响 + 责任人 + 截止]
2. ...

bash

# Check if python command is available, if not use python3
  if command -v python &> /dev/null; then
      python scripts/submit_prd_score.py <prdDocName> <prdLink> <submitter> <businessLine> <productScore> <backendScore> <frontendScore> <qaScore> <designScore> <globalScore> <globalLevel>
  elif command -v python3 &> /dev/null; then
      python3 scripts/submit_prd_score.py <prdDocName> <prdLink> <submitter> <businessLine> <productScore> <backendScore> <frontendScore> <qaScore> <designScore> <globalScore> <globalLevel>
  else
      echo "Error: Neither python nor python3 is available in the system."
  fi

Docs & README

Full documentation captured from public sources, including the complete README when available.

Self-declaredGITHUB OPENCLEW

Docs source

GITHUB OPENCLEW

Editorial quality

ready

对产品经理提供的 PRD(产品需求文档)进行多视角评分和质量评估。支持 PDF、Markdown 和飞书文档链接格式。从产品、后端、前端、测试及设计五个视角逐项打分,输出总分、各视角得分、问题列表、改进建议和完整评估报告。 --- name: prd-assessment description: 对产品经理提供的 PRD(产品需求文档)进行多视角评分和质量评估。支持 PDF、Markdown 和飞书文档链接格式。从产品、后端、前端、测试及设计五个视角逐项打分,输出总分、各视角得分、问题列表、改进建议和完整评估报告。 --- PRD 多视角评估 功能概述 - 对输入的 PRD 文档进行多端格式解析(PDF/Markdown/飞书)。 - 基于五个视角(产品、后端、前端、测试/QA、设计)的 checklist 逐项评分,每项使用 0/1/2 三级标准。 - 自动统计各视角得分、完成率、等级,并总结跨视角风险与建议。 - 生成结构化 Markdown 报告并保存为 PRD_评估报告_<YYYYMMDD>_<HHMMSS>.md。 系统上下文要求 - **执行顺序**:遵循“Step0 加载通用规则 → Step1 加载本技能 Prompt → Ste

Full README

name: prd-assessment description: 对产品经理提供的 PRD(产品需求文档)进行多视角评分和质量评估。支持 PDF、Markdown 和飞书文档链接格式。从产品、后端、前端、测试及设计五个视角逐项打分,输出总分、各视角得分、问题列表、改进建议和完整评估报告。

PRD 多视角评估

功能概述

  • 对输入的 PRD 文档进行多端格式解析(PDF/Markdown/飞书)。
  • 基于五个视角(产品、后端、前端、测试/QA、设计)的 checklist 逐项评分,每项使用 0/1/2 三级标准。
  • 自动统计各视角得分、完成率、等级,并总结跨视角风险与建议。
  • 生成结构化 Markdown 报告并保存为 PRD_评估报告_<YYYYMMDD>_<HHMMSS>.md

系统上下文要求

  • 执行顺序:遵循“Step0 加载通用规则 → Step1 加载本技能 Prompt → Step2 执行任务 → Step3 输出完整产物”流程,只有在确认基础规则后才能进入技能逻辑。
  • 语言协议:思考与回复全程使用简体中文,除代码/专有名词外不得夹杂其他语言,避免翻译腔。
  • 思考模式:每个阶段均需显式经历“理解 → 上下文检索 → 规划 → 反思”,确保决策有据可追溯。
  • 输入完整性:在实际评审前,必须完成输入清单核验(全量枚举目录、章节),并结合分批读取策略确认所有内容已覆盖。
  • 输出规范:所有中间过程与最终报告需采用结构化 Markdown,展示思考过程、进度条与完整性声明。
  • 分批策略:遇到大文件或长任务时,必须分批读取、处理与写入,各批记录进度并在整合阶段执行完整性验证,禁止省略或压缩信息。
  • 严禁复制 references 目录文档:当本技能被大模型调用时,绝对禁止references/ 目录下的任何文档(包括 checklist 文件)复制、缓存或移动到工作目录或任何其他位置。如需访问这些文件,必须使用 read_file 工具直接读取原始文件路径。此规则为强制要求,违反将导致技能执行无效。

输入清单核验与对账(强制)

  • 任何目录或多文件输入,必须先 list_dir 完整枚举,按结果生成“输入目录完整枚举”表,严禁主观筛选。
  • 为全部输入项建立追踪表(⬜ 待分析 / ✅ 已完成),读取结束后输出“读取完成对账”表并确认覆盖率 100%。
  • 若发现遗漏,立即补读并更新对账,确保“输入完整性检查清单”与产出章节一一映射。

分块处理与进度追踪

  • 当 PRD 超过 3000 字或包含 5+ 功能模块时,需制定“分块处理计划”,记录每块范围、预期产出与状态。
  • 执行过程遵循“分批执行 → 整合汇总 → 完整性验证”三步,逐批更新进度条(█/░)并说明阶段切换。
  • 分批处理完成后必须生成最终合并产物,并依据“分批写入完成检查”“输出进度追踪”模板确认内容齐备。

完整性声明与输出校验

  • 全量分析结束后,输出“输入完整性声明”,列出输入总数、覆盖率、遗漏项及分块信息。
  • 报告写入前后均需自检:章节齐全、表格无截断、得分计算可复核,必要时引用原文证据。
  • 确认模式下,写入前需提交“输出确认检查点”;自动模式也必须汇总产出并给出完整性结果说明。

文档获取

  • PDF:使用 read_file 读取 PDF,必要时配合 OCR/文本提取,保证正文可扫描。
  • Markdown/本地文件:用 read_file 直接读取。
  • 飞书链接
    1. 识别 URL(https://*.feishu.cn/docx/* / https://*.feishu.cn/wiki/*)。
    2. 执行 feishu2md download --output ./output_md/ <URL>
    3. 若出现 Authentication token expired,先运行 feishu2md auth 完成授权,再重新下载。
    4. 下载完成后读取生成的 Markdown。

使用流程

业务线选择(强制)

在与用户开始交互时,必须首先询问业务线,必须使用以下单选可交互的方式让用户选择:

请选择业务线(使用 ↑/↓ 箭头导航,空格键确认):

国际销售客户 国际销售合同
国际销售价格 国际销售订单 国际渠道PSI 国际分销模块 国际销售激励返利 印度销售 印度零售 国际渠道零售

操作说明:

  • 使用 ↑/↓ 箭头键在选项间导航
  • 使用空格键确认当前选中的选项
  • 按 Enter 键完成选择

重要

  • 只有在用户明确选择业务线后,才能继续进行后续的 PRD 评估流程
  • 选择结果需要记录在评估报告的基本信息部分
  • 当前选中的选项会高亮显示

严禁操作

  • 绝对禁止将本技能的 references/ 目录下的任何 checklist 文件拷贝到项目工作目录。
  • 绝对禁止在用户项目目录下创建副本或缓存这些 checklist 文件。
  • 如需阅读 checklist 内容,请使用 read_file 工具直接读取技能基础路径下的原始文件。

重要: 本技能的 checklist 文件位于技能基础路径的 references/ 子目录下。在读取这些文件时,必须使用技能基础路径的绝对路径(通过 SKILL.md 文件所在目录确定)拼接 references/ 子目录,而非当前工作目录的相对路径。

获取技能基础路径的方法

  • 技能基础路径 = SKILL.md 文件所在的目录路径
  • checklist 文件路径 = {技能基础路径}/references/{checklist文件名}
  1. 收集上下文:必须通读 PRD 全文,记录版本/范围/依赖。对于超长文档,可分段分章节阅读并做摘要,但每个章节都要覆盖,不能只凭局部摘要进行评审。必要时拆分章节并建立索引,确保有证据指向原文位置。
  2. 按视角评分:依次遍历 checklist,针对 PRD 的证据逐项判定:
    • 5分:信息完整、可追溯、无歧义。
    • 1-4分:信息提及但不完整、含糊或缺少出处。
    • 0分:缺失、矛盾或无法使用。 说明中需引用章节、链接或附件编号。
    • 条目状态记录:每个 checklist 条目都要同步记录 状态 = ✅ 通过 / ⚠️ 待补充 / ❌ 未通过,并在最终报告中逐条输出。
  3. 记录问题:对得分 <3 的条目记录问题、影响与建议,可按视角/类别聚合。
  4. 统计得分
    • 视角加权得分:对每个条目按 raw_score × priority_weight 求和,得到该视角的加权得分,视角加权满分 = Σ(5 × priority_weight)
    • 视角标准化:view_score = round((加权得分 / 加权满分) × 100),每个视角的展示分数与满分都固定为 100;完成率 = view_score%
    • 全局得分固定 100 分:Σ视角得分 / (视角数量 × 100) 得到总体完成率,再计算 总分 = round(overall × 100)
    • 等级划分:≥85 优秀;70-84 良好;50-69 一般;<50 风险。
  5. 汇总洞察:提炼跨视角共性风险(数据口径、依赖同步等),并按优先级排序。
  6. 输出报告:使用模板撰写 Markdown,调用 write_file 保存。

大文件分批读取策略

触发条件:
  文件行数: ">1000行"
  文件大小: ">50KB"

分批读取规则:
  1. 首次读取: read_file(offset=1, limit=500) → 了解结构
  2. 后续读取: 按需读取特定范围,或分批读取全部
  3. 禁止行为: 仅读取开头就假设后续内容

读取完整性检查:
  - 确认已读取文件全部行数(通过full_length字段)
  - 如未读完,必须继续读取或说明原因

三步处理流程(强制)

┌─────────────────────────────────────────────────────┐
│ Step 1: 分批执行                                     │
│ - 大文件分批读取                                     │
│ - 大任务分批处理                                     │
│ - 大输出分批写入                                     │
│ - 每批独立完成,记录进度                             │
└─────────────────┬───────────────────────────────────┘
                  ↓
┌─────────────────────────────────────────────────────┐
│ Step 2: 整合汇总                                     │
│ - 收集所有分批结果                                   │
│ - 去重与合并                                        │
│ - 处理跨批次依赖                                     │
└─────────────────┬───────────────────────────────────┘
                  ↓
┌─────────────────────────────────────────────────────┐
│ Step 3: 完整性验证                                   │
│ - 核对输入项全部覆盖                                 │
│ - 核对输出项无遗漏                                   │
│ - 输出完整性声明                                     │
└─────────────────────────────────────────────────────┘

禁止的读取行为

❌ 绝对禁止:
1. 仅读取文件开头就假设后续内容
2. 凭记忆或假设文件内容,不实际读取
3. 跳过"不重要"的章节不读取
4. 因文件过长而只读取部分
5. 忽略工具返回的完整信息

✅ 正确做法:
1. 大文件分批读取,确保覆盖全部内容
2. 每次读取记录已读范围和剩余范围
3. 所有章节客观读取,不主观筛选
4. 读取完成后确认full_length已全部覆盖

评分清单与标准

评分说明

  • 5分:PRD 对该检查项提供完整、准确、可追溯的信息,评审无需额外确认。
  • 1-4分:PRD 提供部分信息或表述模糊,需要补充或澄清。
  • 0分:PRD 未覆盖该项,或信息矛盾、不可用。

Checklist 引用(逐视角维护)

所有 checklist 文件位于技能基础路径的 references/ 子目录下。使用时需先获取技能基础路径(即 SKILL.md 文件所在目录),然后拼接子路径:

  • 产品视角:{技能基础路径}/references/prd-checklist.md
  • 后端研发视角:{技能基础路径}/references/prd-checklist-backend.md
  • 前端研发视角:{技能基础路径}/references/prd-checklist-frontend.md
  • 测试/QA 视角:{技能基础路径}/references/prd-checklist-test.md
  • 设计视角:{技能基础路径}/references/prd-checklist-design.md

使用说明:

  1. 打开对应 checklist,按章节(如“用户价值(P0)”、“技术方案准备度(P0)”)依次评估。
  2. 在个人记录表中登记每个条目的得分、引用证据、责任人、整改建议及 priority_weight
  3. 若 checklist 更新,直接编辑上述文件;skill 读取最新内容,无需再修改 SKILL.md

优先级加权策略

  • 目的:确保高优检查点(P0/P1)对视角与全局得分贡献更高,避免“补齐次要项”掩盖关键缺失。
  • 评分流程:
    1. 对每个条目先给出 raw_score ∈ {0,1,2,3,4,5}
    2. 根据条目优先级选择权重 priority_weight,默认映射如下:

| 优先级 | 默认权重 | 适用说明 | |--------|----------|----------| | P0 / Must | 1.5 | 阻断项、上线门槛、法规/合规要求,任何缺失都会直接影响交付。 | | P1 / Should | 1.0 | 核心体验、主要依赖项,建议上线前补齐。 | | P2 / Nice-to-have | 0 | 体验优化、后续增量,仅做建议记录,不纳入得分。 |

  • 若 checklist 条目自带 weight 字段,则以文档值为准;未标注优先级的条目默认 1.0(计分)。
  • P2 条目默认权重 0,仅记录问题和建议,不影响分数;若必须计分需在 checklist 中显式设置权重。
  • 计算方式:weighted_score = raw_score × priority_weight,视角得分 = Σweighted_score,视角满分 = Σ(5 × priority_weight)
  • 报告呈现:对低于 70% 的视角,需要明确指出被扣分的高权重点,并说明补齐计划/负责人;P2 缺失单列在建议区即可。

汇总与输出

评分聚合

  • 在报告中汇总每个视角的 得分(0-100) / 满分(100) / 完成率 / 等级
  • 对低于 70 分的视角,至少列出 2 条高优先级问题及责任方建议。
  • 给出“优先改进项 Top 3”,说明影响、责任人、截止时间。
  • Checklist 逐条输出:每个视角需附“条目级打分表”,列出 checklist 每一项的 条目名称 / 证据 / raw_score / priority_weight / 加权得分 / 状态(✅/⚠️/❌),确保通过/未通过/待补充全部可追溯;输出时必须按照 P0 / P1 分段展示,P0 优先级表格置顶,其次 P1, P2 优先级不展示明细,严禁混排或省略任意优先级的条目。

报告结构

# PRD 多视角评估报告

## 基本信息
- 文档名称:
- 评审时间:
- 评审人:
- 业务线:(从用户选择的业务线获取)
- 版本/范围:
- 输出路径:用户当前工作目录下的 ./reports/

### 输入目录完整枚举
|序号|输入项|类型|状态|备注|
|---|---|---|---|---|
|1|[prdxx](https://mi.feishu.cn/xxx)|飞书 Wiki|✅|通过 `feishu_doc` 一次性拉取全文|

### 读取完成对账
|输入项|状态|说明|
|---|---|---|
|同上|✅|文档为单文件,未触发分页,已完整审阅|

### 分块处理计划与进度
|块|范围|预期产出|状态|
|---|---|---|---|
|K1|第1-2章 背景、目标、产品介绍|锁定业务目标、痛点、关键解法|✅|
|K2|第3章 产品方案|拆解后台规则、APP 上报、任务联动|✅|
|K3|第4-7章 交付、上线、附录|提炼上线策略、埋点、高危元素、评审记录|✅|

进度:██████████ 100%

## 视角得分概览
| 视角 | 得分 | 满分 | 完成率 | 等级 |
|------|------|------|--------|------|
| 产品 | XX | 100 | XX% | 优秀 |
| 后端 | XX | 100 | XX% | 良好 |
| 前端 | XX | 100 | XX% | 一般 |
| 测试/QA | XX | 100 | XX% | 风险 |
| 设计 | XX | 100 | XX% | 良好 |
| **全局(0-100)** | XX | 100 | XX% | XX |

> 注:全局得分 = round((Σ视角得分 / (视角数量 × 100)) × 100),用同一等级表判定整体质量。

## 视角详情
### 产品视角
- **亮点**:
- **主要问题**:
- **建议**:
- **条目级打分**:

| 条目 | 证据 | raw_score | weight | 加权分 | 状态 |
|------|------|-----------|--------|--------|------|
| 产品-1 用户价值 | PRD 第2章 | 2 | 1.5 | 3.0 | ✅ |
| ... | ... | ... | ... | ... | ⚠️ |

### 后端视角
...

## 高优先级改进项
1. [问题 + 影响 + 责任人 + 截止]
2. ...

文件保存

  • 命名:PRD_评估报告_<YYYYMMDD>_<HHMMSS>.md
  • 保存路径:在用户执行技能时的当前工作目录下的 ./reports/ 子目录中。
  • 实现要求:在写入报告前,检查当前工作目录下是否存在 reports 目录,如果不存在则创建该目录。
  • 使用 write_file 将完整的 Markdown 报告写入保存路径中。

数据库保存

  • 调用时机:在保存 Markdown 报告后立即调用,此步骤必须执行,不可遗漏。
  • 脚本路径scripts/submit_prd_score.py(相对于技能基础路径)。
  • 调用方式
    # Check if python command is available, if not use python3
    if command -v python &> /dev/null; then
        python scripts/submit_prd_score.py <prdDocName> <prdLink> <submitter> <businessLine> <productScore> <backendScore> <frontendScore> <qaScore> <designScore> <globalScore> <globalLevel>
    elif command -v python3 &> /dev/null; then
        python3 scripts/submit_prd_score.py <prdDocName> <prdLink> <submitter> <businessLine> <productScore> <backendScore> <frontendScore> <qaScore> <designScore> <globalScore> <globalLevel>
    else
        echo "Error: Neither python nor python3 is available in the system."
    fi
    
  • 参数说明
    • prdDocName:从 PRD 文件名或报告"基本信息"部分提取
    • prdLink:用户提供或文档中的链接(如飞书 URL),非必填项,只有当用户传入飞书文档时才有链接地址,对于 md 或 prd 格式的文件该参数传空字符串
    • submitter:评审人(从报告"基本信息"获取)
    • businessLine:业务线(从用户选择的业务线获取,必填字段)
    • productScore:产品视角得分(0-100)
    • backendScore:后端视角得分(0-100)
    • frontendScore:前端视角得分(0-100)
    • qaScore:测试/QA视角得分(0-100)
    • designScore:设计视角得分(0-100)
    • globalScore:全局总分(0-100)
    • globalLevel:等级(优秀/良好/一般/风险)
  • 错误处理:脚本执行失败时静默处理,仅打印日志信息,不影响报告生成和主流程。
  • 接口地址http://localhost:8089/fullstack/api/prd/score/submit

Contract & API

Machine endpoints, protocol fit, contract coverage, invocation examples, and guardrails for agent-to-agent use.

MissingGITHUB OPENCLEW

Contract coverage

Status

missing

Auth

None

Streaming

No

Data region

Unspecified

Protocol support

OpenClaw: self-declared

Requires: none

Forbidden: none

Guardrails

Operational confidence: low

No positive guardrails captured.
Invocation examples
curl -s "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/snapshot"
curl -s "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/contract"
curl -s "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/trust"

Reliability & Benchmarks

Trust and runtime signals, benchmark suites, failure patterns, and practical risk constraints.

Missingruntime-metrics

Trust signals

Handshake

UNKNOWN

Confidence

unknown

Attempts 30d

unknown

Fallback rate

unknown

Runtime metrics

Observed P50

unknown

Observed P95

unknown

Rate limit

unknown

Estimated cost

unknown

Do not use if

Contract metadata is missing or unavailable for deterministic execution.
No benchmark suites or observed failure patterns are available.

Media & Demo

Every public screenshot, visual asset, demo link, and owner-provided destination tied to this agent.

Missingno-media
No screenshots, media assets, or demo links are available.

Related Agents

Neighboring agents from the same protocol and source ecosystem for comparison and shortlist building.

Self-declaredprotocol-neighbors
GITHUB_REPOSactivepieces

Rank

70

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

Traction

No public download signal

Freshness

Updated 2d ago

OPENCLAW
GITHUB_REPOScherry-studio

Rank

70

AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs

Traction

No public download signal

Freshness

Updated 5d ago

MCPOPENCLAW
GITHUB_REPOSAionUi

Rank

70

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

Traction

No public download signal

Freshness

Updated 6d ago

MCPOPENCLAW
GITHUB_REPOSCopilotKit

Rank

70

The Frontend for Agents & Generative UI. React + Angular

Traction

No public download signal

Freshness

Updated 23d ago

OPENCLAW
Machine Appendix

Contract JSON

{
  "contractStatus": "missing",
  "authModes": [],
  "requires": [],
  "forbidden": [],
  "supportsMcp": false,
  "supportsA2a": false,
  "supportsStreaming": false,
  "inputSchemaRef": null,
  "outputSchemaRef": null,
  "dataRegion": null,
  "contractUpdatedAt": null,
  "sourceUpdatedAt": null,
  "freshnessSeconds": null
}

Invocation Guide

{
  "preferredApi": {
    "snapshotUrl": "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/snapshot",
    "contractUrl": "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/contract",
    "trustUrl": "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/trust"
  },
  "curlExamples": [
    "curl -s \"https://xpersona.co/api/v1/agents/latentwing-prd-assessment/snapshot\"",
    "curl -s \"https://xpersona.co/api/v1/agents/latentwing-prd-assessment/contract\"",
    "curl -s \"https://xpersona.co/api/v1/agents/latentwing-prd-assessment/trust\""
  ],
  "jsonRequestTemplate": {
    "query": "summarize this repo",
    "constraints": {
      "maxLatencyMs": 2000,
      "protocolPreference": [
        "OPENCLEW"
      ]
    }
  },
  "jsonResponseTemplate": {
    "ok": true,
    "result": {
      "summary": "...",
      "confidence": 0.9
    },
    "meta": {
      "source": "GITHUB_OPENCLEW",
      "generatedAt": "2026-04-16T23:40:03.893Z"
    }
  },
  "retryPolicy": {
    "maxAttempts": 3,
    "backoffMs": [
      500,
      1500,
      3500
    ],
    "retryableConditions": [
      "HTTP_429",
      "HTTP_503",
      "NETWORK_TIMEOUT"
    ]
  }
}

Trust JSON

{
  "status": "unavailable",
  "handshakeStatus": "UNKNOWN",
  "verificationFreshnessHours": null,
  "reputationScore": null,
  "p95LatencyMs": null,
  "successRate30d": null,
  "fallbackRate": null,
  "attempts30d": null,
  "trustUpdatedAt": null,
  "trustConfidence": "unknown",
  "sourceUpdatedAt": null,
  "freshnessSeconds": null
}

Capability Matrix

{
  "rows": [
    {
      "key": "OPENCLEW",
      "type": "protocol",
      "support": "unknown",
      "confidenceSource": "profile",
      "notes": "Listed on profile"
    }
  ],
  "flattenedTokens": "protocol:OPENCLEW|unknown|profile"
}

Facts JSON

[
  {
    "factKey": "docs_crawl",
    "category": "integration",
    "label": "Crawlable docs",
    "value": "6 indexed pages on the official domain",
    "href": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
    "sourceUrl": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
    "sourceType": "search_document",
    "confidence": "medium",
    "observedAt": "2026-04-15T05:03:46.393Z",
    "isPublic": true
  },
  {
    "factKey": "vendor",
    "category": "vendor",
    "label": "Vendor",
    "value": "Latentwing",
    "href": "https://github.com/Latentwing/prd-assessment",
    "sourceUrl": "https://github.com/Latentwing/prd-assessment",
    "sourceType": "profile",
    "confidence": "medium",
    "observedAt": "2026-04-15T02:15:46.933Z",
    "isPublic": true
  },
  {
    "factKey": "protocols",
    "category": "compatibility",
    "label": "Protocol compatibility",
    "value": "OpenClaw",
    "href": "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/contract",
    "sourceUrl": "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/contract",
    "sourceType": "contract",
    "confidence": "medium",
    "observedAt": "2026-04-15T02:15:46.933Z",
    "isPublic": true
  },
  {
    "factKey": "handshake_status",
    "category": "security",
    "label": "Handshake status",
    "value": "UNKNOWN",
    "href": "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/trust",
    "sourceUrl": "https://xpersona.co/api/v1/agents/latentwing-prd-assessment/trust",
    "sourceType": "trust",
    "confidence": "medium",
    "observedAt": null,
    "isPublic": true
  }
]

Change Events JSON

[
  {
    "eventType": "docs_update",
    "title": "Docs refreshed: Sign in to GitHub · GitHub",
    "description": "Fresh crawlable documentation was indexed for the official domain.",
    "href": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
    "sourceUrl": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
    "sourceType": "search_document",
    "confidence": "medium",
    "observedAt": "2026-04-15T05:03:46.393Z",
    "isPublic": true
  }
]

Sponsored

Ads related to prd-assessment and adjacent AI workflows.