ClaudeSkills keqian-method方法论AI-Native产品开发铁律、概率乘原理与质量门禁闭环【免费下载链接】ClaudeSkills13 curated Agent Skills for research, product decisions, decks, publishing, audits, and more — portable across skills-compatible agents.项目地址: https://gitcode.com/gh_mirrors/cl/ClaudeSkillsClaudeSkills 是一个开源的 Agent Skills 合集项目其中的keqian-method是一门开箱即用的 AI-Native 产品开发方法论以概率乘原理把长链条任务拆成可验证的小环节用单 Agent、文档驱动SDD与质量门禁闭环帮新手以低 token 成本产出高质量的产品级代码。本文带你快速看懂 4 条核心铁律并学会如何在 30 秒内安装。先认识 keqian-method一份 AI 产品开发的操作手册keqian-method胥克谦式 AI-Native 产品开发方法论源自皮影客创始人胥克谦十几年、十几万行自建 skill 与脚本的实战经验适合使用 Claude Code、Cursor、Codex 等 AI Agent 写产品级代码的产品经理、开发者以及所有觉得agent 干活不够靠谱的人。它把复杂的方法论压缩成一个核心公式单 Agent 极致 × 文档驱动 × 质量门禁闭环方法论全文见 SKILL.md安装方式在文末。铁律一概率乘原理——别追求一次成型最终质量 ∏每个环节的成功率这是 keqian-method 的第一性原理算笔账很扎心单环节成功率10 个环节51 个环节0.990.904 ✅0.600 ❌0.950.599 ❌0.007 ❌也就是说每个环节 99% 可靠51 步的长链条最终也只是不及格。所以 keqian-method 不追求一次写对而是追求每个环节可验证、可修复、可迭代 把任务拆到足够简单单项任务才能收敛 每个 action 必须对应一个 eval自动化校验⚖️ 勤不能补拙——模型能力是底线harness 和 skill 只是加速器完整的概率推演与 threshold 参考表见 eval-patterns.md。铁律二单 Agent 极致别盲目上多 Agent很多新手听多 Agent 风潮一响就急着把项目拆成并行子任务。keqian-method 的立场相反不确定时选顺序执行慢但可靠。默认用单 Agent 的场景有先后依赖关系的任务需要上下文连贯的长程任务质量要求高、不容错的核心流程并行 SubAgent 需同时满足 3 个条件任务间明确无依赖关系并行结果合并时不易出问题你能精确控制每个 subagent 的上下文注入并行陷阱很真实SubAgent 上下文注入是坑、主 Agent 可能假装自己是 SubAgent、并行中一个环节出问题整个长任务可能报废。所以心法是——慢点就慢点但牢靠。铁律三文档驱动开发SDD——7 成精力给文档这是 keqian-method 最反直觉的一条7 成精力投入文档和 harness3 成精力写代码。为什么不写文档就没有架构观因为 AI 不可能每次都全量扫代码——零散的功能 零散的质量。SDD 的工作流是一个闭环需求文档 → 技术文档 → 代码实现质量门禁拦截→ 文档自动回写SDD 框架 把文档分为 5 个层次从产品愿景Why、PRDWhat、技术架构How、实现指南How exactly到质量定义How good。关键动作是让 AI 自己维护文档代码再对齐文档——文档与代码脱节就是文档驱动的死穴。两个实用细节PRD 里每个功能点至少准备 5 个用例一轮不够就多轮但也要防过度设计技术栈选择是套路化的事直接用带权重的决策矩阵把AI Agent 友好度作为新增维度铁律四质量门禁闭环多烧 ≠ 多花钱质量门禁是 keqian-method 的灵魂流程极简Action → Eval 检查 → 通过 / 不通过 ↓ 不通过 自动修复最多 N 轮→ 仍不通过 → 升级给人类方法论里最惊艳的是一个反直觉发现多烧 token ≠ 多花钱。原理是一条正向飞轮严格门禁逼着问题被反复修正 → 同一段上下文被反复访问 → 缓存命中率飙升缓存命中的 token 几乎不花钱实测命中率 99% 时每 1 亿 token ≈ 8.5 元约等于不要钱与此同时质量在收敛所以成本优化清单与直觉完全相反✅ 严格质量门禁、✅ 放开 token 使用量、✅ 自动化修正流程❌ 手动省 token——省 token 反而导致质量差、返工多、总成本更高。keqian-method 30 秒安装步骤安装命令非常简单git clone --depth 1 https://gitcode.com/gh_mirrors/cl/ClaudeSkills python3 scripts/install_skill.py keqian-method第二行会把技能安装到~/.claude/skills/keqian-method之后可以直接用/keqian-method调用也可以自然地说怎么提高 AI 编码质量帮我设计开发流程它会按描述自动触发。加--project参数则安装到项目级别。安装逻辑见 install_skill.py。交付自查清单keqian-method 的 5 项验收标准执行完一个任务后可对照以下验收标准自查写代码之前存在对应的规格文档文档先行不是事后补每个交付环节过了质量门禁测试/断言/eval没有看起来没问题式放行长链条任务拆成了可独立验证的小环节而不是一把梭用单 Agent 主导的流程引入并行前能说明为什么单 Agent 不够Token 成本有意识复用缓存、避免重复喂上下文相关模块与资料资料路径方法论正文skills/Geek-skills-keqian-method/SKILL.mdSDD 文档驱动框架references/sdd-framework.md质量门禁与 Eval 模式库references/eval-patterns.md触发边界回归用例evals/routing-evals.json技能安装脚本scripts/install_skill.py路由评测校验脚本scripts/run_routing_evals.py 适用边界提示keqian-method 适合场景明确、边界可定义的产品。如果你的产品用户行为高度不可预测如 AI 陪聊项目中的姊妹技能 xuefeng-method 更合适混合型产品可按模块两者结合使用。【免费下载链接】ClaudeSkills13 curated Agent Skills for research, product decisions, decks, publishing, audits, and more — portable across skills-compatible agents.项目地址: https://gitcode.com/gh_mirrors/cl/ClaudeSkills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ClaudeSkills keqian-method方法论：AI-Native产品开发铁律、概率乘原理与质量门禁闭环
ClaudeSkills keqian-method方法论AI-Native产品开发铁律、概率乘原理与质量门禁闭环【免费下载链接】ClaudeSkills13 curated Agent Skills for research, product decisions, decks, publishing, audits, and more — portable across skills-compatible agents.项目地址: https://gitcode.com/gh_mirrors/cl/ClaudeSkillsClaudeSkills 是一个开源的 Agent Skills 合集项目其中的keqian-method是一门开箱即用的 AI-Native 产品开发方法论以概率乘原理把长链条任务拆成可验证的小环节用单 Agent、文档驱动SDD与质量门禁闭环帮新手以低 token 成本产出高质量的产品级代码。本文带你快速看懂 4 条核心铁律并学会如何在 30 秒内安装。先认识 keqian-method一份 AI 产品开发的操作手册keqian-method胥克谦式 AI-Native 产品开发方法论源自皮影客创始人胥克谦十几年、十几万行自建 skill 与脚本的实战经验适合使用 Claude Code、Cursor、Codex 等 AI Agent 写产品级代码的产品经理、开发者以及所有觉得agent 干活不够靠谱的人。它把复杂的方法论压缩成一个核心公式单 Agent 极致 × 文档驱动 × 质量门禁闭环方法论全文见 SKILL.md安装方式在文末。铁律一概率乘原理——别追求一次成型最终质量 ∏每个环节的成功率这是 keqian-method 的第一性原理算笔账很扎心单环节成功率10 个环节51 个环节0.990.904 ✅0.600 ❌0.950.599 ❌0.007 ❌也就是说每个环节 99% 可靠51 步的长链条最终也只是不及格。所以 keqian-method 不追求一次写对而是追求每个环节可验证、可修复、可迭代 把任务拆到足够简单单项任务才能收敛 每个 action 必须对应一个 eval自动化校验⚖️ 勤不能补拙——模型能力是底线harness 和 skill 只是加速器完整的概率推演与 threshold 参考表见 eval-patterns.md。铁律二单 Agent 极致别盲目上多 Agent很多新手听多 Agent 风潮一响就急着把项目拆成并行子任务。keqian-method 的立场相反不确定时选顺序执行慢但可靠。默认用单 Agent 的场景有先后依赖关系的任务需要上下文连贯的长程任务质量要求高、不容错的核心流程并行 SubAgent 需同时满足 3 个条件任务间明确无依赖关系并行结果合并时不易出问题你能精确控制每个 subagent 的上下文注入并行陷阱很真实SubAgent 上下文注入是坑、主 Agent 可能假装自己是 SubAgent、并行中一个环节出问题整个长任务可能报废。所以心法是——慢点就慢点但牢靠。铁律三文档驱动开发SDD——7 成精力给文档这是 keqian-method 最反直觉的一条7 成精力投入文档和 harness3 成精力写代码。为什么不写文档就没有架构观因为 AI 不可能每次都全量扫代码——零散的功能 零散的质量。SDD 的工作流是一个闭环需求文档 → 技术文档 → 代码实现质量门禁拦截→ 文档自动回写SDD 框架 把文档分为 5 个层次从产品愿景Why、PRDWhat、技术架构How、实现指南How exactly到质量定义How good。关键动作是让 AI 自己维护文档代码再对齐文档——文档与代码脱节就是文档驱动的死穴。两个实用细节PRD 里每个功能点至少准备 5 个用例一轮不够就多轮但也要防过度设计技术栈选择是套路化的事直接用带权重的决策矩阵把AI Agent 友好度作为新增维度铁律四质量门禁闭环多烧 ≠ 多花钱质量门禁是 keqian-method 的灵魂流程极简Action → Eval 检查 → 通过 / 不通过 ↓ 不通过 自动修复最多 N 轮→ 仍不通过 → 升级给人类方法论里最惊艳的是一个反直觉发现多烧 token ≠ 多花钱。原理是一条正向飞轮严格门禁逼着问题被反复修正 → 同一段上下文被反复访问 → 缓存命中率飙升缓存命中的 token 几乎不花钱实测命中率 99% 时每 1 亿 token ≈ 8.5 元约等于不要钱与此同时质量在收敛所以成本优化清单与直觉完全相反✅ 严格质量门禁、✅ 放开 token 使用量、✅ 自动化修正流程❌ 手动省 token——省 token 反而导致质量差、返工多、总成本更高。keqian-method 30 秒安装步骤安装命令非常简单git clone --depth 1 https://gitcode.com/gh_mirrors/cl/ClaudeSkills python3 scripts/install_skill.py keqian-method第二行会把技能安装到~/.claude/skills/keqian-method之后可以直接用/keqian-method调用也可以自然地说怎么提高 AI 编码质量帮我设计开发流程它会按描述自动触发。加--project参数则安装到项目级别。安装逻辑见 install_skill.py。交付自查清单keqian-method 的 5 项验收标准执行完一个任务后可对照以下验收标准自查写代码之前存在对应的规格文档文档先行不是事后补每个交付环节过了质量门禁测试/断言/eval没有看起来没问题式放行长链条任务拆成了可独立验证的小环节而不是一把梭用单 Agent 主导的流程引入并行前能说明为什么单 Agent 不够Token 成本有意识复用缓存、避免重复喂上下文相关模块与资料资料路径方法论正文skills/Geek-skills-keqian-method/SKILL.mdSDD 文档驱动框架references/sdd-framework.md质量门禁与 Eval 模式库references/eval-patterns.md触发边界回归用例evals/routing-evals.json技能安装脚本scripts/install_skill.py路由评测校验脚本scripts/run_routing_evals.py 适用边界提示keqian-method 适合场景明确、边界可定义的产品。如果你的产品用户行为高度不可预测如 AI 陪聊项目中的姊妹技能 xuefeng-method 更合适混合型产品可按模块两者结合使用。【免费下载链接】ClaudeSkills13 curated Agent Skills for research, product decisions, decks, publishing, audits, and more — portable across skills-compatible agents.项目地址: https://gitcode.com/gh_mirrors/cl/ClaudeSkills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考