前言¶
项目还没动工的时候，往往是最容易出现空谈的阶段：需求没拆完就开始聊技术栈，方案聊了一堆没有落点，选完架构才发现风险没人评估。这类前置决策决定了后面几个月的方向，但大多数团队靠开会和聊天记录推进，产出难以追溯。
下面介绍的 SkillHub Skill「自我进化脑力风暴执行」（坐标 @user_7d1579ca/wrj-warehouse-brainstorm-skill，版本 1.0.1，来源 community，分类 dev-programming），把软件项目前置决策阶段的脑力风暴固化成一套流程：从需求出发发现问题，发散候选方案，再收敛成带风险评估和产物定义的决策输出。
这是什么¶
「自我进化脑力风暴执行」是面向软件项目脑力风暴与可行性分析的执行型 Skill，由发布者 user_7d1579ca 维护，开源地址在 https://github.com/chronowrj/wrj_warehouse。
它解决的问题是：让 AI 在项目前置决策阶段有章法地工作，而不是开放式闲聊。官方定位是”产出有实际价值的方案论证而非空谈”，包含三部分：问题发现方法论、方案探索框架、可行性预筛流程。
触发场景包括：项目脑力风暴、方案讨论、技术选型、需求分析。它可以与同仓库的 self-evolution Skill 配合使用——后者负责把每次决策中的经验沉淀下来，本 Skill 执行时可以检索过往经验来指导当前决策。
开源仓库的定位说明里提到，软件项目失败大多集中在前置决策阶段，这个 Skill 就是针对该阶段设计的实验性框架。
核心功能¶
根据开源仓库中该 Skill 的定义（brainstorm，v5），执行流程分为四个阶段，每个阶段都带一个质量门（Quality Gate），必须通过检查清单才能进入下一阶段。
- Step 0：价值拷问 —— 追问为什么要做、核心价值是什么、与现有方案相比有什么差异。
- Step 1：问题发现 —— 需求拆解、五类场景枚举、输出问题清单。配套的参考文档是六层追问法（
references/question-framework.md）。 - Step 2：方案探索 —— 产出 3 个以上候选方案，用八维度对比矩阵比较。配套模板是决策矩阵（
references/decision-matrix-template.md）。 - Step 3：收敛 —— 风险评估、产物定义（6 类产物，按 P0/P1/P2 分级）、决策输出、产品概念验证。
除流程本身，该 Skill 还要求三层可视化输出：
- 第一层：概念图（架构、流程图、模型）；
- 第二层：关键页面的界面线框预览；
- 第三层：2–3 个设计风格方向参考。
配套的 self-evolution Skill 作为主调度器，按六阶段循环工作：监控工作 → 检查收益 → 总结经验 → 分类存储 → 检索复用 → 记录进化日志。经验以结构化 YAML 条目存储，字段包括 experience_id、date、task_type、project_context、scene、problem、solution、outcome、applicable_conditions、source。仓库内预置了风险、校准、模式三类经验库，条目数量分别为 7、3、1 条。
安装与启用¶
该 Skill 的安装方式来自开源仓库说明，针对 WorkBuddy 用户：
1. 下载或克隆 https://github.com/chronowrj/wrj_warehouse
2. 将 skills/ 目录内容复制到 ~/.workbuddy/skills/
3. 重启 WorkBuddy，Skill 会在下次脑力风暴任务时自动激活
其他 AI 助手：Skill 定义是带 YAML frontmatter 的 Markdown 文件，仓库说明指出，流程逻辑和经验格式可以适配任何支持自定义指令或技能系统的 AI 助手。官方 Skill 页标签为 requires_api_key=false，说明该 Skill 不需要额外的 API key 配置。
在 Claude Code / Cursor / Codex CLI 等环境中的具体安装路径，官方资料没有给出说明，本文不推测。
典型用法¶
仓库提供的方法是在 AI 助手中触发脑力风暴任务，Skill 按四个阶段依次执行。以官方实验使用的测试项目”员工计划管理系统”为例，流程推进方式如下：
1. 提出项目脑力风暴需求（如：为"员工计划管理系统"做方案讨论）
2. Skill 执行 Step 0：追问项目的核心价值与"计划"的落点
3. 进入 Step 1：拆解需求、枚举场景，输出问题清单
4. 进入 Step 2：给出 3 个以上候选方案并做八维度对比
5. 进入 Step 3：风险评估 + 产物定义（标注 P0/P1/P2）+ 决策输出
6. 每阶段通过质量门后才会进入下一步
其中 Step 0 的价值拷问有实际作用：实验记录显示，最初的方案把重点放在了”管理”审批流程上，而项目名强调的其实是”计划”——AI 协助撰写计划才是核心价值。这类偏差正是靠前置的结构化追问暴露出来的。
配合 self-evolution 使用时，决策结束后可以总结经验条目，存入对应分类的经验库；下次同类决策中，Skill 会先检索相关经验再进入流程。
适用场景与注意¶
适合的人群：需要在项目立项、方案选型、需求分析阶段获得结构化引导的开发者和团队；希望前置决策过程可追溯、可复用的使用者；以及愿意维护经验库、做 AI 自我进化实验的研究者。
需要注意的限制：
- 这是一个实验性项目。官方 README 自我定位为 AI 自我进化实验的一部分，brainstorm Skill 曾在单日内经历 5 次迭代，稳定性仍在演进中。
- 流程质量依赖质量门的执行。实验记录显示，早期版本把”走完步骤”等同于”做得好”，输出得分只有 20/100，说明步骤齐全不等于结论可靠。
- 经验库的条目数量目前很少（风险 7 条、校准 3 条、模式 1 条），检索复用的效果取决于你自己积累的经验量。
- 三层可视化输出对输出成本有要求，轻量讨论场景可能用不上完整流程，可按需裁剪。
- 安装说明只覆盖 WorkBuddy，其他环境需要自行适配 Markdown Skill 定义。
结尾¶
「自我进化脑力风暴执行」的价值在于把项目前置决策从聊天变成论证：问题先被发现，方案先被发散，决策最后被收敛，每一步都有质量门把关。配合 self-evolution 的经验沉淀，决策质量可以随使用次数累积。
官方地址：https://api.skillhub.cn/user_7d1579ca/wrj-warehouse-brainstorm-skill ，开源仓库：https://github.com/chronowrj/wrj_warehouse 。当前版本 1.0.1，SkillHub 评分 100000，下载 932 次（以 SkillHub 页面抓取数据为准）。
