AIAgent自动生成可追溯PRD，代码即规则的实现路径

在企业级软件开发中，产品经理常常面临一个棘手的问题：当被问及某个功能的具体实现细节时，开发人员往往只能模糊地回答‘按优先级排序’或‘过滤掉无效数据’。这种依赖口头记忆和零散注释的做法，不仅容易导致需求理解偏差，还可能引发线上生产环境的严重问题。

为了解决这一痛点，开发者 xsoway 提出了一个创新方案：让 AI Agent 直接从代码中提取业务规则，并生成可追溯的 PRD（产品需求文档）。该项目的核心成果是 codebase-graph-prd-rules，它包含两个互补的 AI Skill，分别用于全项目和单模块级别的业务规则提取。

这两个 Skill 的工作原理可以概括为“图谱导航，源码确认”。首先，系统会构建代码的调用图谱，定位关键的入口点和候选调用链路；然后，每一条业务规则都会被追溯到其对应的源码位置、SQL 查询或配置文件。这种方法确保了生成的文档不仅全面，而且具有高度的可信度。

为了保证文档的严谨性，项目采用了三层规则模型：资格过滤（判断候选是否合格）、候选排序（确定处理顺序）和运行时控制（包括限制条件、去重机制等）。例如，在排序规则中，文档必须明确字段名称、排序方向、空值处理方式以及并列情况下的具体行为，这些都必须与实际的比较器或 SQL ORDER BY 语句完全对应。

此外，文档中的每条信息都标注了证据等级，从源码/SQL 配置直接确认，到图谱推断但需要人工验证，再到外部系统的最终结果，清晰地区分了不同信息的可靠性。这种设计有效避免了 AI 生成文档时常见的“看起来很确定但其实是在猜”的问题。

值得注意的是，这两个 Skill 遵循了严格的安全边界：它们只负责分析和生成文档，绝不执行任何生产操作。所有敏感信息仅存在于进程环境中，不会写入源码、文档或 Skill 文件。未运行的集成行为会被明确报告为“未执行”，确保不会产生误判。

从技术架构来看，codebase-graph-prd-rules 采用了图谱导航的方法论，结合源码确认的两步法，既保证了分析的广度，又确保了结论的准确性。这种设计思路为 AI 在软件工程领域的应用提供了一个新的范式，即让代码本身成为规则的载体，而不是依赖人的记忆或过时的文档。

对于 B 端产品团队而言，这套工具的意义在于：它能够显著降低因需求理解偏差导致的返工成本，提高开发效率，同时为 QA 和测试团队提供了更准确的测试依据。更重要的是，它实现了业务规则的数字化存档，解决了长期困扰 B 端产品的‘规则失传’问题。

总的来说，codebase-graph-prd-rules 不仅仅是一个工具，更是一种全新的软件开发和管理理念。它通过将代码转化为可追溯的业务规则，为 B 端产品的持续迭代和质量保障提供了坚实的基础。