前言¶
在 DSH「一切皆插件」的思路下，让 agent 起草一份 PRD 并不难，难的是起草之后的环节：AI 的推断容易混进事实、没有人明确拍板、上游需求一变下游产物无从感知。常见的做法是让模型一次性输出完整文档，写完即交付，中间没有状态记录，也没有确认动作。下面介绍的 dsh-ai-pm 针对的就是这个问题：它把上游 pm-scaffold 的 PRD 工作流接入 DeepSeek Harness，agent 负责起草，确认权留给真实评审人。
这是什么¶
dsh-ai-pm 由 konwait12 维护，MIT 许可，package.json 版本 0.1.0。一句话定位：把 pm-scaffold 的 PRD 工作流接入 DeepSeek Harness——agent 侧提供 ai_pm_* 模型工具（init/status/entry/gate/reflow/skill/artifact），GUI 侧（设置 → 插件 → AI-PM）提供需求看板与不可绕过的人工确认闸门。
插件对上游的改动集中在壳层：壳只包含 package.json、cordis.patch.yml 和 lib/，上游 pm-scaffold 的 src/、skills/、docs/、test/、AGENTS.md 原样保留，升级上游时直接替换即可。它是一个 web 平台客户端（package.json 中 dsh.client.platform 为 web），通过 cordis.patch.yml 打补丁接入。
核心功能¶
Agent 侧：ai_pm_* 模型工具¶
安装后，agent 获得 init、status、entry、gate、reflow、skill、artifact 七个 ai_pm_* 模型工具，覆盖初始化、状态查看、入口判定、机器闸门、变更回流等动作，对应命令见下文典型用法。review 不在这组工具里——确认动作不暴露给模型。
GUI 侧：需求看板与人工确认闸门¶
GUI 入口在设置 → 插件 → AI-PM，提供需求看板。闸门规则是硬性的：机器闸门只能产出 ready_for_human_review，confirmed 只能由 GUI 中真实评审人产生，AI 不得产生 confirmed。
来自上游 pm-scaffold 的工作流机制¶
插件原样接入上游的几项核心机制：
- 六态知识标注：每条声明标注 FACT（事实）/ DECISION（人类拍板）/ ASSUMPTION（假设）/ AI_INFERENCE（AI 推断）/ UNKNOWN（未知）/ CONFLICT（冲突）。
- 双向可追溯与变更闭环：reflow 在上游变更时级联失效下游并回流重跑。
- B3 每阶段强制收口与入口探索：entry 按材料内容做 L0-L4 判定。
- 19 个 Skill（5 主 + 9 子 + 4 分支产物 + 1 能力），每个工作项走 8 步循环：Preflight → Intake → Think → Clarify → Generate → Audit → Human Gate → Commit/Reflow。
安装与启用¶
环境要求：Node >= 20.18（package.json 的 engines 字段），peerDependencies 为 @deepseek-ai/dsh-tools ^0.1.0-rc.6；上游核心脚本要求 Python 3.10+，仅依赖标准库。
先从 GitHub 仓库取下源码到本地，再执行官方安装命令（它接收本地目录路径）：
dsh plugin --profile web add ./ai-pm
备选方式是把插件复制到 ~/.dsh/profiles/web/node_modules/。两种方式装完后，重启 dsh web，或点 dsh-quick-refresh ⟳ 热应用。
典型用法¶
从骨架到人工确认¶
先做初始化，再逐级推进：init 建需求骨架，原始材料放进 00-input/，之后用 status 看进度、entry 做入口判定、gate 跑机器闸门，最后由真实评审人执行 review。
# 初始化需求骨架
python3 src/scripts/pipeline.py init REQ-NNN-my-feature
# 查看状态
python3 src/scripts/pipeline.py requirements/REQ-NNN-my-feature status
# 入口判定（L0-L4）
python3 src/scripts/pipeline.py requirements/REQ-NNN-my-feature entry
# 机器闸门
python3 src/scripts/pipeline.py requirements/REQ-NNN-my-feature gate --work-item project-background-goal
# 人工确认（review 不暴露为模型工具，由真实评审人执行）
python3 src/scripts/pipeline.py requirements/REQ-NNN-my-feature review \
--work-item project-background-goal --decision approve \
--reviewer "评审人姓名" --reviewer-id "飞书或组织稳定用户ID" \
--reviewer-role "business_owner"
review 的 –reviewer、–reviewer-id、–reviewer-role 缺一不可，且必须与 00-input/authorized-reviewers.json 里的登记逐项匹配。机器闸门到 ready_for_human_review 为止，confirmed 只能由这一步产生。
变更回流¶
上游材料变化后，先跑 reflow 做预演，确认影响范围再加 –apply 执行级联失效回流：
python3 src/scripts/pipeline.py requirements/REQ-NNN-my-feature reflow
加 –apply 后才真正写入，失效的下游产物会回流重跑。
入门材料与回归验证¶
open src/toolkit/visualization/scaffold-flow.html
bash run_tests_mac.sh
第一条打开上游的可视化驾驶舱，作为项目入门材料；第二条做全量回归验证，适合在接入或改动后跑一遍。
适用场景与注意¶
适合在 DSH web profile 上做产品需求工作的开发者或产品团队，尤其是需要「AI 起草、人拍板」有硬约束、PRD 条目可追溯、上游变更能级联处理的场景。
几点注意：
1、插件以当前 dsh 进程的权限运行，安装前应自行检查源码与许可证（本项目为 MIT）。
2、requirements/ 目录运行时生成且被 gitignore——每个用户的需求是自己的，用 init 随时重建。
3、agent 侧工具命名存在两处表述：README 称 ai_pm_* 模型工具，package.json 描述称 pipeline 模型工具，以实际实现为准。
4、人工闸门是有意设计：agent 无法代替评审人完成确认，接入前先在 00-input/authorized-reviewers.json 登记评审人。
小结¶
dsh-ai-pm 做的事情不复杂：把一套带六态标注、人工闸门与变更回流的 PRD 工作流装进 DSH，agent 负责起草与检查，确认权留在真实评审人手里。如果你的 PRD 流程同样需要这层约束，建议先读源码再决定是否接入。
- 插件目录页：https://www.skillhub.cn/plugins/konwait12/dsh-ai-pm （第三方社区目录，与 DeepSeek / 幻方无官方从属关系，目录将其归入「工作流」分类）
- GitHub 仓库：https://github.com/konwait12/dsh-ai-pm
