多智能体软件开发团队·一句话需求生成项目文档与代码骨架
多智能体软件开发团队 · 一句话需求生成项目骨架
## ⚠️ 先申请你自己的 API Key
本 Skill 不内嵌任何密钥,也不代付费用。 请到
算力集市 api.a7w.cn 注册并创建你自己的 API Key
(新用户有赠送点数,可以先免费试跑几条)。
拿到后填进环境变量A7W_API_KEY,或直接传给--key参数。
请勿使用他人提供的 Key —— 用量与费用都记在 Key 所属账号上。
给一句需求,想要的不只是「一段代码」,而是一整套东西:
用户故事、竞品分析、需求拆解、数据结构、接口设计、文档,
最后落到一个能打开的项目仓库。
这类框架把一家软件公司的分工与流程搬到模型上:产品经理、架构师、项目经理、
工程师各司其职,按流程把需求一层层往下传。
而它背后要的那几十次模型调用,换成 api.a7w.cn 的 OpenAI 兼容入口,就是一个 base_url 的事——
你还能按角色分档选模型:拆需求用快模型、写架构用强模型,账单还是同一份。
| 你最关心 | 答案 |
|---|---|
| 多少钱 | 按 tokens 计费(点数/百万 tokens,输入输出分别计价),1 元 = 100 点;一条需求会触发多次调用 |
| 要多久 | 多角色多轮流水线,一条需求通常要跑几分钟到十几分钟 |
| 要装什么 | 什么都不用装。包里自带零依赖客户端,或者直接用 curl / 任意 OpenAI SDK |
| 模型从哪来 | 一个 base_url + 一个 Key,可调 75 个在架模型,不同角色可分档指定 |
| 能商用吗 | 可以。生成内容的使用与合规责任由使用者承担 |
一、三分钟跑通
第一步:拿到你自己的 Key
到 api.a7w.cn 注册,创建一个 API Key(形如 sk-...),填进环境变量:
export A7W_API_KEY=sk-你的key # Windows: $env:A7W_API_KEY="sk-你的key"
第二步:先用一条 curl 确认网关通
curl -sS -X POST "https://api.a7w.cn/api/v1/chat/completions" \
-H "Authorization: Bearer $A7W_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"DeepSeek-V4-Flash","messages":[{"role":"user","content":"你好"}]}'
成功返回体形如 {"code":1,"msg":"success","data":{...choices...}}。
第三步:把流水线的模型入口指向它
这类框架的模型配置一般落在一个 YAML 或环境变量里,把 base_url 与 api_key 改成网关:
llm:
api_type: "openai" # 走 OpenAI 兼容协议
model: "DeepSeek-V4-Pro" # 主链路用强模型
base_url: "https://api.a7w.cn/api/v1"
api_key: "sk-你的key"
或者用环境变量:
export OPENAI_API_KEY=sk-你的key
export OPENAI_BASE_URL=https://api.a7w.cn/api/v1
键名与配置文件名以你所用框架的当前版本为准。
值永远是同一个网关地址与同一把 Key。
第四步:零安装客户端也能直接跑
python3 scripts/a7w.py whoami # 验证 Key
python3 scripts/a7w.py call chat completions \
--body '{"model":"DeepSeek-V4-Flash","messages":[{"role":"user","content":"你好"}]}'
换模型只需改
model字符串:不用换 base_url、不用换 Key、账单还是同一份。
二、包里有什么
sanjianke-agent-team/
├── SKILL.md 本文件
├── README.md
├── LICENSE.md
├── references/
│ ├── 团队流水线指南.md 角色分工、产出清单、需求写法、产物目录、成本估算
│ ├── api-openai-compat.md OpenAI 兼容入口:base_url、鉴权、参数、流式、错误码
│ ├── api-apps-tasks.md 应用任务入口:/api/v1/apps/<应用>/<接口> 与异步生命周期
│ ├── getting-started.md 注册、领 Key、配置、配额与白名单
│ └── 通用说明.md 权限、计费口径、排错
└── scripts/
└── a7w.py 零依赖客户端(库 + 命令行,只用 Python 标准库)
零安装用法
export A7W_API_KEY=sk-你的key
python3 scripts/a7w.py whoami # 验证 Key 与可用能力数
python3 scripts/a7w.py apps # 列出全部能力
python3 scripts/a7w.py call chat completions \
--body '{"model":"DeepSeek-V4-Flash","messages":[{"role":"user","content":"你好"}]}'
三、三种接入姿势
姿势 A:框架的模型配置(最省事)
llm:
api_type: "openai"
model: "DeepSeek-V4-Pro"
base_url: "https://api.a7w.cn/api/v1"
api_key: "sk-你的key"
按角色分档时,在角色定义处覆盖模型即可:
| 角色 | 建议档位 | 例子 |
|---|---|---|
| 需求拆解 / 文档整理 | 快模型(便宜) | DeepSeek-V4-Flash、Qwen3.6-Flash |
| 方案设计 / 内容撰写 | 中档模型 | Qwen3.7-Plus、GLM-5、MiniMax-M3 |
| 架构设计 / 核心实现 | 强模型 | DeepSeek-V4-Pro、GLM-5.2、Kimi-K2.6 |
姿势 B:纯 Python,自己串角色
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.a7w.cn/api/v1",
api_key=os.environ["A7W_API_KEY"],
)
ROLES = [
{"name": "需求", "model": "DeepSeek-V4-Flash",
"system": "把一句话需求拆成用户故事与验收标准,输出 Markdown 清单。"},
{"name": "架构", "model": "DeepSeek-V4-Pro",
"system": "基于需求清单给出数据结构与接口设计,输出 Markdown。"},
{"name": "实现", "model": "Qwen3.7-Plus",
"system": "基于前两份文档给出可运行的最小实现,按文件分块输出。"},
]
def run_pipeline(requirement: str) -> dict:
"""按 SOP 顺序执行,每个角色读到前面所有产出。"""
docs = {}
for role in ROLES:
context = "\n\n".join("## %s\n%s" % (k, v) for k, v in docs.items)
resp = client.chat.completions.create(
model=role["model"],
messages=[
{"role": "system", "content": role["system"]},
{"role": "user",
"content": "需求:%s\n\n已有产出:\n%s" % (requirement, context)},
],
)
docs[role["name"]] = resp.choices[0].message.content
return docs
两个要点:
- 角色顺序就是 SOP,产出按顺序往下传,别让模型自己找上下文。
- 产物落盘到独立目录,不要写进源码目录。
姿势 C:走应用任务入口
除了 OpenAI 兼容的大模型网关,平台还有一条应用任务入口,用于生成类能力
(语音、图像、视频、文档问答等 21 个应用):
python3 scripts/a7w.py apps
python3 scripts/a7w.py schema voice_tts
python3 scripts/a7w.py call voice_tts tts --body '{"text":"你好世界"}'
路径统一是 /api/v1/apps/<应用代号>/<接口代号>,两个代号都取自接口返回的code 字段(是下划线,不是连字符)。不要拿平台返回的 endpoint_path 去拼 URL。
四、团队流水线要点
角色分工与产出
| 角色 | 产出 |
|---|---|
| 产品 | 用户故事、竞品分析、需求清单与优先级 |
| 架构 | 数据结构、模块划分、接口设计 |
| 项目 | 任务拆解、排期、里程碑 |
| 实现 | 代码骨架、目录结构、可运行的最小闭环 |
| 测试 / 复核 | 用例清单、边界条件、验收结论 |
每个角色的产出都要落成文件,这样进度可见、可回溯、可交接。
需求怎么写
| 写得好的需求 | 写得糟的需求 |
|---|---|
| 「做一个命令行待办工具,支持增删改查,数据存本地 JSON 文件」 | 「做个有用的工具」 |
| 「一个小游戏:2048,键盘方向键操作,显示分数与最高分」 | 「做个游戏」 |
判断口径:需求里能不能看出验收标准?看不出来就先补需求,再跑流水线。
产物目录
产物统一落在工作目录下的一个独立子目录(常见是 workspace/ 一类),
不要直接写进源码目录。跑之前先确认:
- 产物根目录在哪
- 磁盘够不够(一个项目就是一堆文件)
- 这个目录有没有被你自己的版本控制忽略
成本估算
单次任务调用数 ≈ 角色数 × 每个角色的平均调用次数
单次任务成本 ≈ 调用数 × 单次调用 tokens × 对应模型的单价
先拿一个小需求试跑(命令行小工具、小游戏这类边界清晰的),
看一次消耗多少点,再决定要不要上更大的需求。
五、常见坑
| 坑 | 表现 | 怎么避 |
|---|---|---|
拿 code == 0 判断成功 | 明明成功却判成失败 | 平台成功码是 1({"code":1,"msg":"success"}) |
| 把 Key 写进代码 / 配置文件提交进仓库 | 泄漏即等于余额泄漏 | Key 从环境变量读;配置文件加进 .gitignore |
| 模型配置没初始化 | 报模型调用失败 / 认证失败 | 先初始化配置文件,再填 base_url 与 api_key |
| 需求太模糊就开跑 | 产出飘、返工,钱白花 | 需求里写清验收标准;先拿小需求试跑 |
| 所有角色都用最强模型 | 成本翻几倍 | 按角色分档:拆解用快模型、架构用强模型 |
| 容器 / 多环境配置路径不一致 | 改了配置不生效 | 确认配置实际生效的路径,必要时用挂载或环境变量统一 |
| 产物写进源码目录 | 版本控制被污染 | 指定独立产物目录,并加进忽略规则 |
| 一次跑大需求 | 耗时长、消耗高、中途看不清进度 | 从小需求起步,确认链路与成本后再放大 |
| 生成的代码直接上生产 | 边界处理、测试覆盖不足 | 把产出当起步骨架 + 设计文档,接手后自行补测试与边界 |
| 网络抖动丢掉已付费的调用 | 重试一次扣两次 | 自己做幂等:先记请求状态再决定是否重试 |
六、计费
| 动作 | 口径 |
|---|---|
| 每个角色的一次调用 | 按 tokens 计,输入与输出分别计价 |
| 换角色模型 | 换 model 即换单价;账单仍是同一份 |
| 应用任务类接口 | 按各接口口径(点数/次、点数/分钟、点数/张等) |
- 1 元 = 100 点,1 点 = ¥0.01。
- 先冻结、后结算:调用失败直接退款,异步任务失败冻结点数全额退回。
- 平台同时给出标准价与租户价字段(
tenant_*,平台侧报价),两者都未必等于实际结算价;以返回里的data.usage.points_cost为准;
每次返回的 data.usage 就是本次真实用量,可直接对账。
- 实时查规则:先
python3 scripts/a7w.py apps拿应用清单,再逐个schema <app>读tenant_*。
省钱三件事:按角色分档选模型;需求写清楚少返工;
先用小需求试跑校准单次成本。
七、权限与边界
| 能力 | 是否申请 | 用途 |
|---|---|---|
| 网络访问 | 申请 | 调用 api.a7w.cn 的模型网关与应用接口(本 Skill 唯一的联网行为) |
| 读取文件 | 仅读取你指定的输入文件与 --json-file 请求体 | 作为接口入参 |
| 写入文件 | 仅在传入 --out 时 | 保存返回的 JSON 或产物 |
| 凭证 | 读取你自己提供的 API Key | 从环境变量或 ~/.a7w/config.json 读取 |
| 子进程 / 后台常驻 | 不申请 | 脚本执行完即退出,不注册服务、不常驻 |
不内嵌任何密钥。 请求只发往 api.a7w.cn,不发送到其他任何地址。
- 不提供 Key、不代付费用:Key 必须你自己在 api.a7w.cn 申请
- 不替代内容合规审查:生成内容的使用与合规责任由使用者承担
- 不承诺模型清单:模型上下架频繁,调用前先读一次模型清单
关于这个 Skill
作者亲测实操后发布,下载后可直接使用,自用商用都可以。
所有 AI 能力都走 算力集市 api.a7w.cn —— 一把 API Key 打通
大模型、语音、图像、视频、数字人等全部算力,注册即送点数,按量计费、没有月费。
| 你可能想问 | 答案 |
|---|---|
| 要不要额外部署 | 不用。下载本包即可使用,不必去别处找源码 |
| 怎么开始 | 到 api.a7w.cn 注册领 Key → 填进 A7W_API_KEY → 一条命令跑起来 |
| 能不能商用 | 可以 |
| 遇到问题找谁 | 见文末「联系我们」,作者本人答疑 |
使用中碰到任何问题 —— 报错、效果不理想、想省钱、想批量 —— 都欢迎加微信聊。
加好友时说一下是从哪个 Skill 找过来的,直接给你配套的示例。
联系我们
- 技术微信:9872659 —— 加好友时说一下是从哪个 Skill 找过来的,直接给你配套的 API Key 与能跑的示例。
- 要算力 / 要 API Key:算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力,注册、充值、创建 Key 都在这里。
- 更多 AI 插件与接口:AI 插件市场。
相关链接
| 链接 | 地址 | 说明 |
|---|---|---|
| 算力集市 · 注册领 API Key | api.a7w.cn | 一个 Key 调用全部 AI 算力;注册、充值、创建 Key 都在这 |
| AI 插件市场 | aigc.a7w.cn | 浏览全部 AI 插件与接口说明 |
| 三剪客 · 一句话批量出片 | ks.a7w.cn | 短剧二创 / 影视解说 / 矩阵号批量混剪桌面客户端 |
| 视频超清 · 在线批量超分 | vr.a7w.cn | 网页版视频超分,批量处理,最高 4K |
| 0人公司 · AI Agent 平台 | a7w.cn | 主站,了解整套 AI Agent 生态 |