前言¶
在 DSH「一切皆插件」的思路下，讓 agent 起草一份 PRD 並不難，難的是起草之後的環節：AI 的推斷容易混進事實、沒有人明確拍板、上游需求一變下游產物無從感知。常見的做法是讓模型一次性輸出完整文檔，寫完即交付，中間沒有狀態記錄，也沒有確認動作。下面介紹的 dsh-ai-pm 針對的就是這個問題：它把上游 pm-scaffold 的 PRD 工作流接入 DeepSeek Harness，agent 負責起草，確認權留給真實評審人。
這是什麼¶
dsh-ai-pm 由 konwait12 維護，MIT 許可，package.json 版本 0.1.0。一句話定位：把 pm-scaffold 的 PRD 工作流接入 DeepSeek Harness——agent 側提供 ai_pm_* 模型工具（init/status/entry/gate/reflow/skill/artifact），GUI 側（設置 → 插件 → AI-PM）提供需求看板與不可繞過的人工確認閘門。
插件對上游的改動集中在殼層：殼只包含 package.json、cordis.patch.yml 和 lib/，上游 pm-scaffold 的 src/、skills/、docs/、test/、AGENTS.md 原樣保留，升級上游時直接替換即可。它是一個 web 平臺客戶端（package.json 中 dsh.client.platform 爲 web），通過 cordis.patch.yml 打補丁接入。
核心功能¶
Agent 側：ai_pm_* 模型工具¶
安裝後，agent 獲得 init、status、entry、gate、reflow、skill、artifact 七個 ai_pm_* 模型工具，覆蓋初始化、狀態查看、入口判定、機器閘門、變更迴流等動作，對應命令見下文典型用法。review 不在這組工具裏——確認動作不暴露給模型。
GUI 側：需求看板與人工確認閘門¶
GUI 入口在設置 → 插件 → AI-PM，提供需求看板。閘門規則是硬性的：機器閘門只能產出 ready_for_human_review，confirmed 只能由 GUI 中真實評審人產生，AI 不得產生 confirmed。
來自上游 pm-scaffold 的工作流機制¶
插件原樣接入上游的幾項核心機制：
- 六態知識標註：每條聲明標註 FACT（事實）/ DECISION（人類拍板）/ ASSUMPTION（假設）/ AI_INFERENCE（AI 推斷）/ UNKNOWN（未知）/ CONFLICT（衝突）。
- 雙向可追溯與變更閉環：reflow 在上游變更時級聯失效下游並回流重跑。
- B3 每階段強制收口與入口探索：entry 按材料內容做 L0-L4 判定。
- 19 個 Skill（5 主 + 9 子 + 4 分支產物 + 1 能力），每個工作項走 8 步循環：Preflight → Intake → Think → Clarify → Generate → Audit → Human Gate → Commit/Reflow。
安裝與啓用¶
環境要求：Node >= 20.18（package.json 的 engines 字段），peerDependencies 爲 @deepseek-ai/dsh-tools ^0.1.0-rc.6；上游核心腳本要求 Python 3.10+，僅依賴標準庫。
先從 GitHub 倉庫取下源碼到本地，再執行官方安裝命令（它接收本地目錄路徑）：
dsh plugin --profile web add ./ai-pm
備選方式是把插件複製到 ~/.dsh/profiles/web/node_modules/。兩種方式裝完後，重啓 dsh web，或點 dsh-quick-refresh ⟳ 熱應用。
典型用法¶
從骨架到人工確認¶
先做初始化，再逐級推進：init 建需求骨架，原始材料放進 00-input/，之後用 status 看進度、entry 做入口判定、gate 跑機器閘門，最後由真實評審人執行 review。
# 初始化需求骨架
python3 src/scripts/pipeline.py init REQ-NNN-my-feature
# 查看狀態
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
# 機器閘門
python3 src/scripts/pipeline.py requirements/REQ-NNN-my-feature gate --work-item project-background-goal
# 人工確認（review 不暴露爲模型工具，由真實評審人執行）
python3 src/scripts/pipeline.py requirements/REQ-NNN-my-feature review \
--work-item project-background-goal --decision approve \
--reviewer "評審人姓名" --reviewer-id "飛書或組織穩定用戶ID" \
--reviewer-role "business_owner"
review 的 –reviewer、–reviewer-id、–reviewer-role 缺一不可，且必須與 00-input/authorized-reviewers.json 裏的登記逐項匹配。機器閘門到 ready_for_human_review 爲止，confirmed 只能由這一步產生。
變更迴流¶
上游材料變化後，先跑 reflow 做預演，確認影響範圍再加 –apply 執行級聯失效迴流：
python3 src/scripts/pipeline.py requirements/REQ-NNN-my-feature reflow
加 –apply 後才真正寫入，失效的下游產物會迴流重跑。
入門材料與迴歸驗證¶
open src/toolkit/visualization/scaffold-flow.html
bash run_tests_mac.sh
第一條打開上游的可視化駕駛艙，作爲項目入門材料；第二條做全量回歸驗證，適合在接入或改動後跑一遍。
適用場景與注意¶
適合在 DSH web profile 上做產品需求工作的開發者或產品團隊，尤其是需要「AI 起草、人拍板」有硬約束、PRD 條目可追溯、上游變更能級聯處理的場景。
幾點注意：
1、插件以當前 dsh 進程的權限運行，安裝前應自行檢查源碼與許可證（本項目爲 MIT）。
2、requirements/ 目錄運行時生成且被 gitignore——每個用戶的需求是自己的，用 init 隨時重建。
3、agent 側工具命名存在兩處表述：README 稱 ai_pm_* 模型工具，package.json 描述稱 pipeline 模型工具，以實際實現爲準。
4、人工閘門是有意設計：agent 無法代替評審人完成確認，接入前先在 00-input/authorized-reviewers.json 登記評審人。
小結¶
dsh-ai-pm 做的事情不復雜：把一套帶六態標註、人工閘門與變更迴流的 PRD 工作流裝進 DSH，agent 負責起草與檢查，確認權留在真實評審人手裏。如果你的 PRD 流程同樣需要這層約束，建議先讀源碼再決定是否接入。
- 插件目錄頁：https://www.skillhub.cn/plugins/konwait12/dsh-ai-pm （第三方社區目錄，與 DeepSeek / 幻方無官方從屬關係，目錄將其歸入「工作流」分類）
- GitHub 倉庫：https://github.com/konwait12/dsh-ai-pm
