技能使用指南

ddd-glossary-gen(DDD术语表生成器)Skill 是什么?怎么用?

ddd-glossary-gen(DDD术语表生成器)Skill 能从对话中自动提取领域术语、识别歧义与同义词冗余,生成统一的 UBIQUITOUS_LANGUAGE.md 术语表,并支持增量更新。本文详解其安装方式、使用步骤、竞品对比与典型场景,帮你低成本落地 DDD 统一语言。

DDD术语表生成器Skillddd-glossary-gen
18 个章节 约 15 分钟阅读 AI 智能生成

DDD术语表生成器Skill:把散落在对话里的领域术语,一键沉淀成统一语言

  • 一句话定位:这不是一个"写文档"的工具,而是一个"听懂你们在聊什么、并帮你们把词统一起来"的领域语言治理技能。
  • 核心动作:扫描当前对话 → 提取领域名词/动词/概念 → 识别歧义与同义词冗余 → 给出有主见的规范术语建议 → 落盘为 UBIQUITOUS_LANGUAGE.md → 在对话中回一份摘要。
  • 最大差异点:它敢下判断。同一个概念有多种叫法时,它会替你选一个"最佳术语",其余列为"应避免的别名",而不是给你一堆选项让你自己纠结。
  • 产物形态:一份结构化的 Markdown 术语表,包含分组术语表格、术语关系、示例对话、已标记的歧义四大部分,可直接进仓库、进文档库、进 Code Review。
  • 适合谁用:正在做领域建模的开发团队、需要和业务方反复对齐口径的产品经理、负责梳理遗留系统概念的技术负责人,以及任何被"这个词到底指什么"折磨过的协作团队。

1. 该技能叫什么?如何下载安装 AI 技能提升开发效率?

技能基本信息

项目 内容
中文名 DDD术语表生成器Skill
英文名 ddd-glossary-gen
技能ID 14293
产物文件 工作目录下的 UBIQUITOUS_LANGUAGE.md
触发方式 用户需要定义领域术语、构建术语表、统一词汇规范、创建统一语言,或对话中出现"领域模型"“DDD”"统一语言"等关键词时触发

它到底解决什么问题

在真实的软件项目里,最贵的成本往往不是代码写不出来,而是同一个东西被叫成了三个名字。业务方说"账户",开发理解成"用户";需求文档写"订单",测试以为是"交易";"发票"在财务眼里是收款凭证,在研发的代码里却是一个发货单号字段。这类歧义不会在编译期报错,只会在上线后、在跨团队评审时、在交接文档里集中爆发。

DDD(领域驱动设计)给出的解法是"统一语言(Ubiquitous Language)"——让业务专家和开发者用同一套词汇、同一个含义来描述同一个领域。问题是,手工维护术语表几乎没人能坚持下来:会议开完就散了,术语表建在 Confluence 里三个月没人更新,新人来了还是靠口口相传。

这个技能把这件事变成了"对话的副产品":你正常讨论需求,它在旁边把术语捞出来、去重、消歧、定标准,最后落成一个文件。

如何"一键安装"并验证生效

该技能以技能(Skill)形式分发,安装逻辑与常见 AI 技能一致,具体入口与命令请以官方说明为准:

  1. 确认前提:你使用的 AI 客户端/IDE 插件支持技能(Skill)扩展机制,且已登录可用账号。
  2. 找到技能:在技能市场或技能库中,通过英文名 ddd-glossary-gen、中文名"DDD术语表生成器"或技能ID 14293 检索定位。
  3. 执行安装:点击安装/添加,将技能装入当前工作区或全局技能列表(不同客户端的安装入口名称不同,以官方说明为准)。
  4. 确认工作目录:由于技能会向工作目录写入 UBIQUITOUS_LANGUAGE.md,请确保当前项目目录有写权限。
  5. 验证是否生效:新建一段对话,直接说一句"我们用 DDD 的方式梳理一下这个项目的统一语言",或聊几句业务需求后说"帮我生成术语表"。若技能被正确加载,它应当开始扫描对话内容,并最终产出术语表文件与摘要;若没有任何反应,通常是技能未启用或当前会话未加载该技能,可在技能列表中检查启用状态。

整个过程不需要写配置文件、不需要接 API Key,安装完成即可通过自然语言调用。

2. 该技能的主要功能和特点

  • 对话内容扫描与术语抽取:自动识别对话中与领域相关的名词、动词和概念,而不是简单做词频统计。
  • 三类语言问题自动诊断:精准指向团队沟通中最常见的三类病灶——同一个词被用于不同概念(歧义)、不同的词指代同一个概念(同义词冗余)、含义模糊或过度泛化(术语失焦)。
  • "有主见"的规范建议:当同一概念存在多个词汇时,它会选定一个最佳术语,其余统一归入"应避免的别名"列,直接给出可执行结论,避免"都对,你们自己选"的无效输出。
  • 分组表格化输出:按自然类别(如订单生命周期、人员、角色、子域)分表呈现,每组独立标题;若所有术语同属一个内聚领域,则只用一个表,不强行凑分组。
  • 术语关系与基数标注:用加粗术语名标注概念之间的关系与基数,例如"发票 属于恰好一个 客户"“订单 产生一个或多个 发票”,让术语表不只是词典,而是一张轻量领域模型草图。
  • 示例对话生成:自动编写 3-5 轮"开发者 vs 领域专家"的对话,用自然语境把易混概念的边界讲清楚——这是大多数人手工维护术语表时最容易漏掉、也最有价值的部分。
  • 歧义专区:单独输出"已标记的歧义"章节,明确指出某个词在对话中被模糊使用,并给出判断依据与建议。
  • 增量重跑能力:再次调用时先读取已有的 UBIQUITOUS_LANGUAGE.md,把新讨论出现的术语补进去,理解变化时更新定义,重新标记新歧义,并重写示例对话融入新术语——这意味着术语表可以随项目一起"长大"。
  • 克制的收录原则:跳过数组、函数、接口这类通用编程概念,也跳过模块名、类名,除非它们在领域语言里有实际意义;定义控制在一句话以内,只回答"它是什么",不写"它能做什么"。

和"让大模型随便写个术语表"相比强在哪:它有一套明确的规则约束(有主见、标冲突、只收领域术语、定义精炼、展示关系、必须给示例对话),输出结构稳定可复用;同时它是增量式的,同一个文件持续演进,而不是每次生成一份互不相干的新文档。

3. 如何使用该技能?

基础用法:先聊,再生成

第 1 步:在对话中正常展开业务讨论。 不需要刻意"喂"结构化输入,像平时开需求会一样描述业务即可。例如:

“客户下单之后,我们不会立刻开票。只有当履约确认、货物实际发出后,才会给客户生成发票。如果订单里的商品分批发货,一个订单可能会对应多张发票。”

第 2 步:触发技能。 可以直接说需求,也可以只提关键词:

  • “帮我生成一份统一语言术语表”
  • “用 DDD 的方式梳理一下刚才聊到的领域概念”
  • “我们团队的用词太乱了,帮我定义一下领域术语”

第 3 步:阅读对话内的摘要。 技能会先在对话中输出摘要,告诉你它收录了哪些术语、选了哪些作为规范用语、标记了哪些歧义。此时如果发现理解有偏差,当场在对话里纠正,比事后改文件高效得多。

第 4 步:检查产物文件。 打开工作目录下的 UBIQUITOUS_LANGUAGE.md,其结构大致如下(以技能内置的输出格式为准):

# 统一语言

## 订单生命周期

| 术语 | 定义 | 应避免的别名 |
| ---- | ---- | ------------ |
| **订单** | 客户购买一件或多件商品的请求 | 购买、交易 |
| **发票** | 在交付后发送给客户的付款请求 | 账单、付款请求 |

## 已标记的歧义

- "账户" 被同时用来指代 **客户** 和 **用户** —— 这是不同的概念。

第 5 步:把文件纳入版本管理。 将 UBIQUITOUS_LANGUAGE.md 提交进仓库,作为需求评审、Code Review、新人入职的共同参照物。

进阶用法:增量迭代

当讨论继续深入,在同一对话中再次调用该技能即可:它会读取已有文件,把后续出现的新术语纳入,理解发生变化时更新定义,重新标记新发现的歧义,并重写示例对话把新术语融进去。建议的节奏是——每次领域讨论结束后跑一次,让术语表跟着项目一起演进。

输入输出速查

环节 说明
输入 自然语言对话内容(需求讨论、评审记录、问答往来)
处理 术语抽取 → 问题诊断 → 规范化建议
输出 对话内的摘要 + 工作目录下的 UBIQUITOUS_LANGUAGE.md
复用 同对话内二次调用,自动读取旧文件做增量更新

4. 同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
ddd-glossary-gen(本技能) 对话内生的领域语言治理器 术语抽取、歧义诊断、规范建议、关系建模、示例对话、增量重跑、落盘 Markdown 低:安装技能后自然语言触发,无需配置 DDD 建模、需求对齐、遗留系统概念梳理、新人 onboarding 优势:有主见、结构稳定、可增量演进、零格式负担;不足:依赖已有对话内容,缺乏讨论时"无米下锅"
手工维护术语表(Confluence / Notion / Wiki) 传统文档协作 人工录入、表格排版、权限与评论 低:人人会写 长期沉淀、对外发布 优势:灵活、可协作、可做权限管理;不足:靠自觉维护,极易过期;歧义与同义词全靠人肉发现,没有诊断能力
通用大模型直接提问 一次性内容生成 让模型"写一份术语表" 低:打开对话框即可 临时应急、快速草稿 优势:上手最快、无学习成本;不足:输出结构不稳定、缺少规则约束,容易混入编程通用概念,且每次生成一份新文档,不增量、不消歧
事件风暴/建模协作工具(如在线白板类工具) 可视化领域建模 贴纸事件流、聚合边界、上下文划分 中高:需要组织工作坊、有方法论学习成本 大型领域建模启动会、跨部门对齐 优势:可视化强、适合团队共创;不足:重流程、重组织成本,无法直接从日常对话里低成本沉淀语言资产

选型建议:如果你要的是"把已经聊过的东西固化下来",本技能是成本最低的路径;如果你要的是"把一群人关进会议室共创一张业务全景图",事件风暴类工具更合适;而手工文档适合作为最终发布载体,但不应作为发现问题的第一现场。

5. 该技能的典型应用场景与实际体验情况

场景一:研发与业务方需求对齐会之后

角色:后端开发 + 业务产品经理。 痛点:会上聊得很顺,会后就"开票时机到底跟订单走还是跟履约走"吵起来,谁也说不清当时是怎么定的。 使用方式:会后在同一对话里说一句"把刚才讨论的术语整理成统一语言术语表"。技能会输出"订单—履约—发票"的关系与基数,并用一段开发者与领域专家的示例对话把边界钉死。 实际体验:上手难度几乎为零,真正的门槛是"你得先聊过"。效果上,示例对话这一节往往是团队反馈最有用的部分——因为它用的是人话,而不是定义体。

场景二:遗留系统的概念考古

角色:接手老系统的技术负责人。 痛点:代码里 account、user、customer 混用,没人知道哪个才是业务实体。 使用方式:把系统说明、接口文档片段、老同事的口述整理成对话内容,再触发技能。技能会在"已标记的歧义"中明确指出某个词被同时用于两个不同概念,并给出建议。 实际体验:这一步的价值在于"它敢下判断",会直接给出"保留哪个、弃用哪个"的建议,省掉大量扯皮。注意事项:结论仍需领域专家确认,技能给的是高质量初稿,不是最终裁决。

场景三:新成员入职与知识传递

角色:新入职开发、外包协作方。 痛点:看不懂需求文档里的"履约"“发货”"出库"到底是不是一回事。 使用方式:直接读仓库里的 UBIQUITOUS_LANGUAGE.md,先看分组术语表,再看示例对话。 实际体验:分组表格 + 一句话定义 + 示例对话这三件套,比通读几十页 PRD 速度快得多。长期维护的关键是把它纳入 Code Review 清单,改了业务概念就顺手重跑一次技能。

场景四:多轮迭代中的术语漂移

角色:长期迭代的产品团队。 痛点:三个月前叫"客户",三个月后新同事开始叫"账号",术语表慢慢失效。 使用方式:每次领域讨论后在同一对话里重跑技能,让它读取旧文件、纳入新术语、更新定义、补充新歧义。 实际体验:增量能力是这个技能最被低估的点——术语表不是一次性交付物,而是活的资产。注意事项:如果跨了很久、换了对话窗口,建议把旧文件内容一并提供给模型,避免从零开始。

6. 该技能能为用户带来的价值

效率层面:把"整理术语表"从一件需要专门排期、动辄半天的工作,压缩成一次对话后的顺手操作。按常见团队的节奏,一次领域讨论后的整理与消歧工作通常需要 1-3 小时,现在基本可以在几秒内拿到一份结构完整、可直接评审的初稿。

门槛层面:DDD 的统一语言概念本身不难,难在"没人愿意做枯燥的整理工作"。这个技能把方法论沉淀成了规则,使用者不需要读过《领域驱动设计》,只要会聊业务,就能得到符合 DDD 思路的产出——方法论被工具化了。

质量层面:三类语言问题(歧义、同义词冗余、过度泛化)由技能主动扫描,而不是等上线后踩坑才发现。问题的发现成本从"事后返工"前移到"讨论当下"。

长期层面:UBIQUITOUS_LANGUAGE.md 作为纯文本资产进入版本库,可 diff、可追溯、可 review。它同时是一份领域模型速写、一份新人入门手册、一份需求评审的对照基准。随着每次增量重跑,这份资产只会越滚越厚,而不会像散落在聊天记录里的口头约定那样蒸发。

7. 常见问题 FAQ

Q1:这个技能怎么安装?需要配置 API Key 或写配置文件吗? 不需要写配置。它的分发形式是 AI 技能(Skill),在支持该机制的客户端中按英文名 ddd-glossary-gen、中文名"DDD术语表生成器"或技能ID 14293 检索并安装即可,安装后通过自然语言触发。具体安装入口、是否支持全局安装等细节,请以官方说明为准。

Q2:收费吗? 技能本身的定价与计费方式由提供方决定,请以官方说明为准。使用它产生的模型调用量通常计入你所使用的 AI 客户端的额度。

Q3:它需要我先准备好需求文档吗? 不需要。它的设计前提就是从当前对话中提取——你和业务方怎么聊,它就怎么抽。当然,你也可以把已有的需求描述、接口说明整理成对话内容再触发,效果会更完整。但要注意:如果对话里根本没有讨论过业务概念,它也就无米下锅。

Q4:它生成的内容可以直接当最终规范用吗? 建议把它当作高质量初稿。技能本身是"有主见"的,会明确给出术语取舍建议并标记歧义,但领域知识的最终裁决权仍在领域专家手里。推荐流程是:技能生成 → 团队评审 → 修正后提交入库。

Q5:和"直接让大模型写一份术语表"有什么区别?怎么选? 如果你只需要一次性的临时草稿,直接提问就够了。如果你希望术语表结构稳定、规则明确、能持续增量演进,并且需要它主动发现歧义而不是简单罗列词汇,就该用这个技能——它的规则里明确要求跳过通用编程概念、定义控制在一句话内、必须给出关系与示例对话,这些约束是普通提问很难稳定复现的。