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:

  1. 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。
  2. 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 Keyapi.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

同类文章