LogoClawIndex
案例技能关于
LogoClawIndex

ClawIndex

OpenClaw Skills 与 Use Case 索引

ClawIndex 是一个生态驱动的 OpenClaw Skills 与真实 Use Case 索引站。

索引

Skills·
Cases

Meta

关于·
声明·
邮箱·
GitHub
© 2026 ClawIndex 保留所有权利。

带有该标签的 Skills:澄清

浏览带有该标签的技能列表。

  • speckit-clarify - 澄清功能规范中的模糊点
    spec-kit规范澄清需求

    ★ 0 · 更新于 2026-09-23

    通过定向提问识别功能规范中的模糊项,并将澄清后的解答写入规范文件。

    ⚙ 检查项目前置条件⚙ 扫描规范中的模糊项⚙ 生成优先级澄清问题
  • speckit-clarify - 用于澄清规格说明的结构化提问工具
    规格说明需求澄清需求分析spec-kit

    ★ 0 · 更新于 2026-09-23

    在实施规划前通过交互式结构化提问检测并消除需求规格说明中的模糊性。

    ⚙ 检查项目前置条件⚙ 扫描规格说明模糊点⚙ 生成优先澄清问题
  • speckit-clarify - 通过针对性提问澄清功能规范
    speckit功能规范需求澄清需求分析

    ★ 0 · 更新于 2026-09-23

    通过提出最多5个针对性问题来识别功能规范中的未明确之处,并将答案记录回规范文件。

    ⚙ 检查特性分支前置条件⚙ 扫描功能规范模糊点⚙ 生成针对性澄清问题
  • clarifying-scenarios - 评估提示词完整性并澄清项目场景
    需求澄清提示词评估需求收集前端

    ★ 48 · 更新于 2026-09-20

    评估用户需求完整性,针对缺失场景提出结构化澄清问题,并生成规范的 clarification.md 产物。

    ⚙ 评估提示词完整性⚙ 计算确定性澄清得分⚙ 生成结构化澄清问题
  • gtkb-grill-me-for-clarification - 针对计划与设计的澄清面试工具
    澄清面试决策树规范录入

    ★ 2 · 更新于 2026-09-15

    开展按依赖排序的澄清面试,对计划或设计进行压力测试并将已解决的决策持久化为归档记录。

    ⚙ 探索作用域内产物⚙ 构建按依赖排序的决策树⚙ 通过 AskUserQuestion 进行面试提问
  • grilling - 通过逐一提问澄清需求并挑战计划假设。
    需求澄清访谈决策辅助openclaw

    ★ 0 · 更新于 2026-09-11

    通过一次提出一个问题,澄清请求并挑战计划的假设、需求与权衡。

    ⚙ 澄清用户请求⚙ 挑战计划假设⚙ 就各项决策逐一提问
  • intent - 在构建前将模糊的需求转化为结构化的工作单。
    需求分析需求澄清规格说明工作流

    ★ 602 · 更新于 2026-09-09

    通过多步骤澄清协议在执行前将模糊的用户需求转化为可执行的规格说明并进行就绪度评估。

    ⚙ 澄清模糊的用户需求⚙ 生成多选题格式的澄清选项⚙ 将需求转化为具体行动规范
  • clarify - 基于假设的需求澄清
    意图澄清模糊性需求

    ★ 3 · 更新于 2026-06-30

    通过假设驱动的多选问答将模糊的用户请求转化为精确的规格说明。

    ⚙ 分类模糊类型⚙ 生成假设驱动的多选澄清问题⚙ 展示前后对比转化
  • askme - 规划前的意图探索协议
    意图探索规划假设验证澄清

    ★ 27 · 更新于 2026-06-30

    规划前的言语采样意图探索协议,支持多种模式

    ⚙ 采样意图假设⚙ 分配概率权重⚙ 识别否证场景
  • intent - 意图澄清协议
    澄清需求规范工作流

    ★ 18 · 更新于 2026-03-19

    通过结构化澄清流程将模糊请求转化为精确工作订单。

    ⚙ 澄清模糊请求⚙ 定义任务规范⚙ 评分请求完整性
  • clarify - 解析规范文件中的澄清标记
    规范文档澄清工作流

    ★ 102 · 更新于 2026-03-19

    在规范文件中查找并解析澄清标记,提供结构化决策选项

    ⚙ 查找澄清标记⚙ 呈现决策选项⚙ 更新规范文件
  • clarify - 识别用户需求中的模糊性
    需求分析模糊性检测问题生成澄清

    ★ 57 · 更新于 2026-03-10

    识别用户需求中的模糊部分并生成澄清问题

    ⚙ 识别模糊性⚙ 生成问题⚙ 分类模糊性
  • ask-user-question - 通过用户界面提问并获取响应
    用户界面交互确认澄清

    ★ 10,890 · 更新于 2026-03-09

    通过用户界面向用户提问以获取澄清、偏好或确认信息

    ⚙ 显示问题模态框⚙ 呈现选择选项⚙ 捕获用户响应
  • ask-workflow - 通过对话明确化模糊的任务请求
    澄清对话工作流

    ★ 0 · 更新于 2026-02-23

    通过对话明确化模糊的任务请求,并引导至适当的操作。

    ⚙ 分类用户意图⚙ 询问缺失信息⚙ 确认任务详情
  • kata-discuss-phase - 规划前澄清实施细节
    规划澄清需求讨论

    ★ 1 · 更新于 2026-02-18

    通过适应性提问收集阶段上下文,澄清实施决策并探索灰色区域

    ⚙ 分析阶段的灰色区域⚙ 展示灰色区域供选择⚙ 深入探讨选定区域
  • clarifier - 使系统状态清晰可读,便于人类理解
    澄清文档解释可读性

    ★ 0 · 更新于 2026-02-14

    解释系统状态,使其对人类清晰可读

    ⚙ 读取组织文档⚙ 访问术语表⚙ 检查项目上下文
  • brainstorming - 苏格拉底式头脑风暴澄清需求
    需求澄清发现规划

    ★ 0 · 更新于 2026-02-12

    在实施前通过提问澄清隐藏需求

    ⚙ 提出澄清性问题⚙ 提出探索性问题⚙ 提出挑战性问题