Eine Experten-Skill zur Anforderungsanalyse, die Benutzer durch ein strukturiertes sokratisches Interview führt, um mehrdeutige Ideen in präzise, ausführungsbereite Systemspezifikationen zu verwandeln.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install tvs-deep-interview
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, tvs-deep-interview über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist tvs-deep-interview?
Die tvs-deep-interview-Skill ist ein spezialisiertes Framework für KI-Coding-Agenten innerhalb von Openclaw Skills, das eine grundlegende Herausforderung der Softwareentwicklung adressiert: genau zu bestimmen, was zu bauen ist, bevor eine einzige Zeile Code geschrieben wird. Durch den Einsatz von sokratischen Einzelfragen-Recherchen, Mehrdeutigkeits-Scoring und expliziten Freigabe-Gateways stellt die Skill sicher, dass vage Benutzervorstellungen systematisch in präzise und testbare Blaupausen kristallisiert werden.
Als beabsichtigte Ausführungsschranke beschränkt diese Skill die Agentenaktivität streng auf die Klärung von Anforderungen und die Erstellung von Spezifikationen. Sie verbietet vorzeitige Codeänderungen, Repository-Commits oder Deployments, bis ein quantifizierbarer Klarheitsschwellenwert erreicht und eine explizite Benutzerautorisierung erteilt wurde, wodurch kostspielige Entwicklungsnacharbeiten verhindert werden.
tvs-deep-interview Anwendungsfälle
- Wenn ein Entwickler oder Produktmanager eine vage, unausgereifte Idee hat, die eine umfassende Eruierung erfordert, bevor mit der Implementierung begonnen wird.
- Szenarien, in denen der Benutzer explizit eine strukturierte Anleitung unter Verwendung von Phrasen wie deep interview, clarify first oder do not assume anfordert.
- Komplexe technische Aufgaben, bei denen ein direktes Einstürzen in das Coding das Risiko birgt, Zeit mit einer falschen Bereichserkundung zu verschwenden.
- Hochrisikoprojekte, bei denen vor der Ausführung klare Abnahmekriterien, Einschränkungen und eine explizite Risikominderung erforderlich sind.
So funktioniert tvs-deep-interview
- Initialisierung: Die Skill analysiert den ersten Prompt des Benutzers und klassifiziert das Projekt als Greenfield (neues Produkt/Funktion) oder Brownfield (Änderung einer bestehenden Codebasis).
- Faktenbeschaffung (nur Brownfield): Der Agent scannt Verzeichnisse und liest Konfigurationsdateien mit Tools wie rg oder SemanticSearch, um den Kontext zu verstehen, bevor Fragen gestellt werden.
- Topologie-Bestätigung (Runde 0): Die Skill listet bis zu 6 übergeordnete Komponenten/Workflows auf und bittet den Benutzer, die strukturelle Form der Anforderungen zu bestätigen.
- Interview-Schleife: Der Agent berechnet Mehrdeutigkeits-Scores und zielt auf die schwächste Dimension (Ziele, Einschränkungen, Abnahmekriterien oder Systemkontext) ab, wobei er pro Runde genau eine präzise Frage stellt.
- Herausforderungsmodi: Ab späteren Runden wendet die Skill strategisch fortgeschrittene Ansätze wie den Reverse-Modus (Herausfordern von Annahmen) oder den Vereinfachungsmodus (Suche nach dem MVP-Umfang) an.
- Spezifikationsgenerierung: Sobald die Mehrdeutigkeit unter den konfigurierten Schwellenwert fällt (z. B. <= 20% für den Standardmodus) oder ein Rundenlimit erreicht ist, wird ein formales Spezifikations-Markdown mit dem Status 'Genehmigung ausstehend' generiert.
- Ausführungsbrücke: Die Skill präsentiert ein explizites Freigabe-Gateway, an dem der Benutzer wählen muss, ob er weitere Verfeinerungen vornehmen, die Architektur überprüfen oder die Blaupause für nachgelagerte Implementierungsskills offiziell genehmigen möchte.
tvs-deep-interview Einrichtung
Um die tvs-deep-interview-Skill innerhalb Ihrer lokalen Openclaw Skills-Einrichtung zu aktivieren und zu integrieren, konfigurieren Sie Ihr KI-Coding-Agenten-Profil (SKILLS.md oder Workspace-Einstellungen), um diese Definition zu indizieren.
Wenn Sie Cursor, Claude Code oder ein IDE-Agent-Tool verwenden, das Openclaw Skills-Erweiterungen unterstützt, initialisieren Sie die Umgebung über Ihr CLI:
bash# Überprüfen Sie Ihre openclaw-Umgebung und aktiven Agenten-Toolsclaw skills list# Injizieren und triggern Sie die deep interview-Pipeline mit einem vagen Promptclaw run tvs-deep-interview --prompt "I want to build a real-time task manager app"
tvs-deep-interview Datenschema & Taxonomie
Die Skill verwaltet Informationen durch kontinuierliche Aktualisierung eines Zustandsschemas in jeder Interviewrunde, was in einer standardisierten Markdown-Spezifikationsdatei gipfelt.
Metriken zur Mehrdeutigkeitsbewertung
| Dimension | Greenfield-Gewichtung | Brownfield-Gewichtung | Messfokus |
|---|---|---|---|
| Zielklarheit | 40% | 35% | Stabilität von Kerneinheiten und Aktionen |
| Einschränkungsklarheit | 30% | 25% | Definition von Grenzen, Limitierungen und Nicht-Zielen |
| Erfolgskriterien | 30% | 25% | Vorhandensein von testbaren und verifizierbaren Abnahmekriterien |
| Kontextklarheit | N/A | 15% | Verständnis bestehender Legacy-Codebasisstrukturen |
Spezifikationsschema (Ausgabedokumentstruktur)
- Metainformationen: Verfolgt die endgültige Rundenzahl, den Projekttyp, den Basisschwellenwert und den endgültigen Mehrdeutigkeitsprozentsatz.
- Klarheitsaufschlüsselungstabelle: Zeigt gewichtete Dimensions-Scores an.
- Topologie-Definition: Statusliste aktiver vs. zurückgestellter Module.
- Ziele- & Einschränkungslisten: Klare Aussagen zu technischen Grenzen und explizit definierten Nicht-Zielen.
- Abnahmekriterien-Checkliste: Eine Markdown-Checkliste (
- [ ]), bereit für die automatisierte Evaluierung. - Schlüsseleinheiten-Taxonomie: Datenmodellstrukturen, die Namen, Domänentypen, Attribute und strukturelle Beziehungen auflisten.
tvs-deep-interview Erweiterte Funktionen
- Kontextkompression: Automatische Verdichtung von zu langen Gesprächsprotokollen in eine sicherheitsrelevante Zusammenfassung, die Einschränkungen und unbekannte Parameter enthält, um die Effizienz des Prompt-Fensters zu wahren.
- Ontologische Stabilitätsverfolgung: Berechnet ein konzeptionelles Stabilitätsverhältnis zwischen Interviewrunden, um sich ändernde Definitionen zu erkennen und den Gesprächsfokus auf die Kernontologie-Validierung umzulenken.
- Multi-Agenten-Anpassungsfähigkeit: Ändert automatisch die Interaktionsmodi basierend auf den Fähigkeiten der Zielumgebung; verwendet native strukturierte UI-Tools wie AskQuestion von Cursor, wenn verfügbar, und greift bei einfachen Terminals auf das Text-Frage-Protokoll zurück.
- Hard-Stop-Sicherheitsvorkehrungen: Erzwingt strikte Grenzen (Warnung in Runde 10, Hard-Stop in Runde 20), um Gesprächssackgassen zu verhindern und eine Ausgangsspezifikation zu garantieren.
SKILL.md
Laden
Verwandte Openclaw-Skills
AIDSO Xiasou GEO Inhaltsgenerator
Ein KI-gestütztes Generative Engine Optimization (GEO)-Tool, das entwickelt wurde, um die Markensichtbarkeit und Antworten auf wichtigen dialogorientierten KI-Plattformen und Suchmaschinen zu optimieren.
tvs-verify
Eine rigorose Verifizierungs-Skill, die Benutzeranfragen in konkrete Akzeptanzkriterien übersetzt, um nachzuweisen, dass AI-generierte Änderungen das Grundproblem tatsächlich gelöst haben.
ClawSec Monitor
Ein lokaler transparenter Proxy zum Abfangen, Prüfen und Sichern des ausgehenden und eingehenden Netzwerkverkehrs Ihrer autonomen AI agents.
Dolmetscher für bildgebende Diagnoseberichte
Ein KI-gestützter Dolmetscher für bildgebende Diagnoseberichte, der entwickelt wurde, um häufige klinische Befunde in X-rays, ECGs und CT-Scans schnell zu identifizieren und zu erklären.
tvs-architect
Eine KI-Architekten-Skill, die für evidenzbasierte Codebasis-Analyse, Diagnose der Grundursachen komplexer Fehler und technische Kompromissbewertungen entwickelt wurde.
SFSymbolsKit
Eine High-Fidelity-Grounding-Skill, die verhindert, dass KI-Modelle Apple SF Symbol-Namen halluzinieren, und so eine typsichere Kompilierung für iOS-, iPadOS- und macOS-Apps gewährleistet.
Hervorgehoben*
