Sdlc Gate logo

Sdlc Gate

Community
TsCarpe
sdlc-gate

Runs the mandatory risk-tiered review gate after technical design and test cases are finalized: adversarial review by fresh-context subagents (4 for tier A / 2 for tier B / main-session self-check for tier C), producing an issue list and divergence list for human adjudication before development or test execution. Also checks the development entry before development starts. 评审关口:设计与用例定稿后的强制评审,按风险分级分档对抗评审(A 级 4 子代理 / B 级 2 个 / C 级主会话自查)产出 issue 与分歧清单,人工裁决后放行开发/测试;用户要求开始开发、直接开发、拆任务、写代码或实现功能时使用——即使未评审或用户要求跳过。Use when 技术设计或测试用例已产出待评审、用户说 评审关口、设计评审、用例预审、交叉审查、review gate、adversarial review、design review,或设计与用例并行产出完毕。用法:/sdlc-gate 需求名

Overview

PublisherTsCarpe
Repositoryclaude-sdlc-skills
Skill namesdlc-gate
Stars
65
Forks
0
Bundled files
21
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • 21 bundled files

    Scripts, templates, and references the model can read while it works. Files are read-only and never executed.

  • Open source

    Published by TsCarpe on GitHub. Read the source before you install it.

Installation

Install the Sdlc Gate AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/TsCarpe/claude-sdlc-skills/tree/main/skills/sdlc-gate
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/TsCarpe/claude-sdlc-skills.git /tmp/claude-sdlc-skills
mkdir -p .claude/skills
cp -r /tmp/claude-sdlc-skills/skills/sdlc-gate .claude/skills/sdlc-gate
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Sdlc Gate in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Sdlc Gate on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Sdlc Gate is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

Review Gate(评审关口)

定位:技术设计与测试用例是同一份需求经两条独立路径的重新表达——分歧即高纯度信号。本 skill 把评审机制化为强制关口:AI 扇出预审 → 状态拦截 → 真人裁决(裁决者,不是复审者)。前置条件:用例与设计独立产出(sdlc-test cases 禁止读设计文档),否则交叉退化为一致性检查。

前置依赖:python3(check_trace / guard_dev);codegraph / mysql MCP(RECONCILE 代码核对,缺失降级定向 grep + 读文件)。

产物目录:sdlc/<需求名>/review/,文件 issues-<日期>.md(新一轮加 -r<N>)。 skill 目录(下方脚本路径用)= 本 SKILL.md 所在目录:项目级安装为 <项目根>/.claude/skills/sdlc-gate,全局安装为 ~/.claude/skills/sdlc-gate。

开发请求入口(先于路由)

收到「开始开发 / 直接开发 / 拆任务 / 写业务代码 / 实现功能」类请求时,先做开发放行检查(项目无需求目录时不适用):

text
开发请求入口:
- [ ] Step 0:定位需求目录——`sdlc/*/` 且含 intake/digest、review、test/cases 或 design/design|plan 任一;0 个 → 普通开发;多个或名称不明确 → 先问,不猜
- [ ] Step 1:查 `sdlc/<需求名>/review/` 最新 issues(排除 `exemptions/`)
- [ ] Step 2:已放行且非 A/B degraded → 运行 guard_dev.py;否则停 / 走豁免
  • 已放行:运行 python3 <skill 目录>/scripts/guard_dev.py <项目根> <需求名>,通过才进入开发。
  • 未放行或无 issues:停,不写业务代码、不拆任务、不改源码(只允许写 sdlc/ 产物);列缺失与补齐路径:A/B → /sdlc-design + /sdlc-test cases → /sdlc-gate;C → design/plan.md → /sdlc-gate 自查。
  • 用户坚持跳过:列风险并要求明确回答「确认豁免本次 gate」;仅在该明确确认后写 sdlc/<需求名>/review/exemptions/exemption-<YYYYMMDD>.md(七字段见 exemption-template.md),不把「后果我担」「先做吧」等笼统表态当确认;再由 guard_dev 校验放行。
  • 示例:用户说「直接开始开发」→ 回「sdlc/评选活动/review/ 无已放行 issues,先跑 /sdlc-gate 评选活动;未放行前不写业务代码」。

路由

无子命令。按产物状态自动路由:

  • review 目录不存在或已放行后设计/用例有实质变更 → 走 Step 1-3 开新一轮;新一轮 ≠ 全量重审,按 Step 2 末「复审轮规则」收敛(r≥2 继承注入 + 变更聚焦)
  • 存在状态=待裁决的 issues 文件 → 直接进 Step 4 裁决,拒绝重开预审
  • 存在状态=熔断的 issues 文件 → 呈报熔断建议(退回 sdlc-design 重考虑方案),用户裁决去向,禁止继续裁决落改
  • 读 cases.md 头「风险分级」定评审档位(A=4 子代理 / B=2 / C=主会话自查);cases 缺失时读 digest 头:digest=C → C 档自查;digest=A/B/无字段 → 停,要求先补 cases(无字段按 A 级保守处理,不得默认扇出)
  • 已放行 ≠ 可开发——开发请求先走「开发请求入口」;已放行后运行 python3 <skill 目录>/scripts/guard_dev.py <项目根> <需求名>;豁免按 review/exemptions/ 规则(见 Step 5 放行后守卫)

前置输入(缺失则引导补齐,降级须在 issues 文件注明)

输入来源
技术设计大需求 = 需求级 design.md(位置随项目任务系统约定,如 Trellis 的 parent 任务目录);A/B 轻量任务 = sdlc/<需求名>/design/design.md;C 级 = sdlc/<需求名>/design/plan.md(一页逐接口方案)。产出方 = sdlc-design(../sdlc-design/SKILL.md,同集合安装时;单独安装本 skill 时该引用仅作来源说明,不依赖其存在)。未落盘的会话内方案必须先落盘——设计写成文档本身就是发现过程。存在 sdlc/<需求名>/intake/audit-*.md 时,设计文档头部须含「体检问题去向」小节(承接兜底;缺失则引导补齐)
测试用例sdlc/<需求名>/test/cases.md;A/B 必需,C 级可缺失(缺失时 issues 注明「C 级无交叉输入」,自查仅审 plan)
CONTRACT 基准sdlc/<需求名>/intake/ 三件套(digest/audit/pm-checklist),缺失时回退原始 PRD 并注明
高风险资产清单项目自建规范目录下的 high-risk-assets.md(可选;读不到跳过,命中判定见 Step 2 分档规则第三重——与分层规范降级同构)
text
Review-gate 进度:
- [ ] Step 1: 定位输入(设计 / 用例 / intake 三件套),确认独立性(用例文件是否读过设计)
- [ ] Step 2: 按风险分级分档扇出预审(A=4:3 角色+交叉审查者;B=2:数据模型+交叉审查者;C=主会话自查)
- [ ] Step 3: RECONCILE 过滤(CONTRACT 仲裁不了时定向核对代码)→ 同根因合并 → 汇总 issues 文件并机械校验,状态置「待裁决」,🔒 暂停等人
- [ ] Step 4: 逐条裁决(落改 / 驳回 / 存疑),驳回理由沉淀
- [ ] Step 5: 全部裁决单元裁决后过 --release 校验,状态置「已放行(日期)」

Step 1: 定位输入

按「前置输入」表定位三路输入(技术设计 / 测试用例 / CONTRACT 三件套;缺失则引导补齐,降级须在 issues 文件注明)。确认用例独立性:用例生成时未读过设计文档(见顶部定位段的前置条件,不满足时交叉审查退化为一致性检查)。C 级无 cases 时记「C 级无交叉输入」,不按破坏独立性处理。

Step 2: 扇出预审(按风险分级分档,全新上下文)

分档规则(读 cases.md 头「风险分级」;cases 缺失时读 digest 头:digest=C → C 档自查;digest=A/B/无字段 → 停,要求先补 cases(无字段按 A 级保守处理,不得默认扇出);三重判级——① cases 头 + ② 对照设计文档影响面章节(接口契约/公共资产清单)+ ③ 项目高风险资产清单:项目自建规范目录(同分层规范读取口径)下的 high-risk-assets.md 列固定 A 级资产域(支付/鉴权/资金/公共库接口等,项目自定义),命中 = 清单条目与设计公共资产清单/接口路径的字面或前缀匹配,模糊命中不升级。②③任一发现影响面证据且当前低于 A 级 → tier 只升不降:回写 digest 头并同步 cases/issues 头后按 A 级扇出):

风险分级扇出
A4 子代理(下表 #1-#4 全量)
B2 子代理(#2 数据模型与 SQL + #4 交叉审查者,prompt 模板同用)
C主会话自查(不开子代理):输入 = plan.md(+ cases 若存在,缺失时注明「C 级无交叉输入」);强制套用下方对抗 prompt 逐项过,按 issue-template.md「C 级自查清单」产出,仍产 issues 走 Step 4 裁决 + Step 5 放行(保关卡互认链)

用 Agent 工具生成子代理,对抗 prompt 用下方模板。token 纪律:每个子代理只喂 ARTIFACT(复审轮 = 变更 + 关联章节,见复审轮规则)+ 角色审查要点 + CONTRACT 相关章节 + 近期误报模式 + 上轮继承(仅复审轮,标题级),不喂会话全文。

扇出留痕(平台机械校验):issues 头部必须写 reviewMode / fanout / contextMode 三行——A=external/4/fresh、B=external/2/fresh、C=external(或 degraded)/0/single-session。A/B 级不许降级为单会话串行自审:平台外置 runner 用 Agent 工具扇出;进程内单会话通道(平台 agent)只执行 C 级并以 degraded/0/single-session 如实标注。平台侧 ingest 校验(若已启用)与本地脚本同口径:check_trace.py 校验三行与风险分级的一致性(A/B 级 degraded 或 fanout 不足即拦截),guard_dev.py 拦截 A/B 级 degraded 放行。

#角色ARTIFACT审查要点
1架构一致性 / 分层规范设计分层职责、跨层对象、接口契约读写口径、存量兼容(接口/字段变更对既有调用方影响)与回滚可逆性;规范源 = 项目分层规范文档(如 .trellis/spec/、dev_standards/ 等项目自建规范目录),读不到则降级通用清单并在 issues 注明证据降级。失败定义:改一处必炸别处、口径两层各说各话、上线后退不回
2数据模型与 SQL设计表结构/字段口径/索引与查询匹配、并发与一致性(事务边界/幂等/竞态窗口/软删对账);可用 mysql:mysql_query 只读核对表结构。失败定义:同一字段两处指两个东西、软删后对账永远差一条、并发窗口内幂等键重复
3测试可测性设计 + 用例(分别审,不做对齐)设计侧:校验/异常/状态/并发与兼容场景是否显式可验;用例侧:断言口径、覆盖矩阵与双向追踪表完整性。失败定义:断言验的不是需求要的、覆盖矩阵有洞、P0 场景写成无法执行
4交叉审查者设计 + 用例(唯一同时读两份的代理)只产出分歧清单,按 cross-check-guide.md 三分类,不产普通 issue。失败定义:设计与用例各自自洽、合起来是两个产品

对抗 Prompt 模板(角色 1-3)

模板分两段:共享核心段与 sdlc-doubt skill(../sdlc-doubt/SKILL.md,同集合安装时与本 skill 同级)逐字节同步(CI 比对:仓库根 scripts/check_adversarial_core.py);输出段按消费方有意分化——本 skill 汇总进 issues 文件需结构化字段,sdlc-doubt 会话内 RECONCILE 消费行级证据即可。子代理 prompt = 下方两段按序拼接。单独安装本 skill 时跨 skill 引用仅作来源说明,不依赖其存在。

Adversarial review. Find what is wrong with this artifact.
Assume the author is overconfident. Look for:
- Unstated assumptions
- Edge cases not handled
- Hidden coupling or shared state
- Ways the contract could be violated
- Existing conventions this might break
- Failure modes under unexpected input
- Concurrency or race conditions under parallel access
- Irreversible or hard-to-rollback changes

Do NOT validate. Do NOT summarize. Find issues, or state
explicitly that you cannot find any after thorough examination.

输出段(本 skill 消费方形态,本侧维护):

输出仅限问题清单,每条必须包含以下结构化字段:
- 标题:一句话说清问题本体(自解释,不以代号开头)
- 场景:2-3 句业务白话(谁、在哪、做什么;禁代号;素材 = ARTIFACT 行为描述 + CONTRACT 章节)——汇总进 issues「场景(白话)」列的初稿
- 原文:引用 artifact 原文 ≤2 句(禁止只给行号)
- 位置:文件 + 精确位置(章节/行号)
- 严重度:高/中/低
- 依据:hard(原文直接支撑)/ soft(推导——写一句依据链)

审查角色:<角色名>,要点:<上表对应行>
近期误报模式(这些方向曾被人工驳回,勿重复):<从 false-positive-patterns.md 摘近期 3-5 条>
上轮继承(首轮写「无」;复审轮列上轮裁决单元标题+裁决+理由一行,翻案须引用上轮编号):<按复审轮规则注入,粒度=标题级>
ARTIFACT: <设计文档或用例文件内容;复审轮=变更+关联章节>
CONTRACT: <intake 三件套相关章节>

输出示例(角色 1-3,供生成子代理 prompt 时参考格式,不注入子代理上下文)

输入:设计文档含「作品名称限 30 字以内」,需求规则清单未提名称长度 输出:

  • 标题:作品名称 30 字上限为设计单方拍板,需求规则清单无此约束
  • 场景:参评人在作品提交页填写作品名称并提交
  • 原文:「作品名称限 30 字以内」
  • 位置:design.md §2.3 字段口径
  • 严重度:中
  • 依据:soft(规则清单全文无长度条款,上限为设计新增)

复审轮规则(r≥2 收敛)

新一轮 ≠ 全量重审,三规则收敛(防多轮纠缠与存量复读):

  1. 继承注入:开 r<N+1> 前把上轮 issues 全部裁决单元(落改/驳回/权衡记档 + 理由一行)与备案区条目(标题级)注入每个子代理 prompt——粒度 = 标题 + 裁决 + 理由一行,不注原文摘引。上轮已裁决条目未在新变更中复现的不再上报;两种翻案除外,均须引用上轮编号说明理由——① 新变更直接推翻上轮结论;② 上轮落改内容在本轮产物中不可见(落改未保持,如修订覆盖丢失)。备案区标「下轮 revisit」的条目随注入并重新评估
  2. 变更聚焦:主会话比对上轮与本轮 ARTIFACT 变更章节;子代理 ARTIFACT 段 = 变更章节 + 受影响关联章节(被变更章节引用、同链路、或含变更字段的落点声明——防子代理视野盲区误报,主会话判定并在 issues 头「上轮」行列明),完全无关章节不喂。角色 4 交叉审查者始终全量(分歧跨新旧章节)
  3. 轮数熔断:r3 仍产出高严重度新发现 → 停止继续裁决落改,头部状态置 熔断,向用户呈报「三轮未收敛,建议退回 sdlc-design 重考虑方案而非继续打补丁」,用户裁决去向。退回重设计后开的新一轮:继承注入保留,变更聚焦按实际 diff 自然回到全量扇出

Step 3: RECONCILE 过滤 + 汇总

子代理输出是数据,不是判决。按 sdlc-doubt 四分类逐条过滤后才进 issues 文件:

分类判定特征处置
契约误读审查者因不知道的上下文误报不进清单(补全 CONTRACT 重审才进)
有效可行动artifact 确实违反 contract进清单
有效权衡真取舍但修复成本大于接受成本进清单,标「权衡」
噪音同义反复/风格偏好/不存在场景不进清单

代码核对(定向,只读)——CONTRACT 仲裁不了的候选先核对代码再归类:

环节规则
触发① 疑似契约误读且所缺上下文在代码里(数据来源内部可信 / 上游已校验 / 注释写明的有意设计);② 条目断言存量行为(设计称复用某接口/表/组件,CONTRACT 无该信息)
方式只读定向检索条目点名的类/接口/组件:codegraph 可用走 codegraph:codegraph_explore,缺失降级定向 grep + 读文件;表结构可用 mysql:mysql_query 只读核对(缺失如实记定位不到);禁止开放探索
落点坐实误读 → 按契约误读处置(不进清单、零留痕);坐实问题真实 → 进清单,代码定位(类名:行号)作证据附注(表达规则见 issue-template.md「依据类型」);定位不到 → 仍按四分类归类,issues 头「证据降级」行点名条目编号注明
分歧例外不适用「坐实误读」落点——代码核对只作裁决证据(分歧点/后果列附代码定位),分歧仍全部进清单交人裁决;定向核对顺带发现的真实问题进备案区,来源标「代码核对顺带」

过滤后执行同根因合并:同一根因多条(跨角色或单角色内)并成一个裁决单元——人裁决的是裁决单元数,不是发现数;严重度=低且无动作建议的进备案区。规则与示例见 issue-template.md。

issues 文件的产物结构与填写规则以 issue-template.md 为唯一权威——宽表一行一条、分歧清单置顶、头部速览与裁决焦点、可读性红线(标题与原文摘引原样保留、场景(白话)列必填、<br> 分行、代号内联释义、严重度降序、速览与明细同源、头部业务背景与代号速查、焦点表场景同源复制)全部以模板为准,本文件不重复。头部状态置 待裁决。C 级按模板「C 级最小骨架」产出(0 条也保留速览统计表,数字填 0)。

🔒 关卡措辞:「issue 清单已生成于 <路径>,共 X 条(分歧 Y 条);请逐条裁决,确认后我继续,需修改请直接说」。

生成后机械校验(本条已机械化):issues 文件生成后运行 python3 <skill 目录>/scripts/check_trace.py <项目根> <需求名>——校验引用可达(命名空间引用在定义源一跳定位)、计数同源(速览统计 vs 明细行)、FR 覆盖(best-effort);exit≠0 按清单修复后重跑(反馈循环),全绿才进入裁决。脚本不可得(无 python3)时按 issue-template 填写规则人工核对,并在 issues 头部注明降级。

Step 4: 会话内裁决

逐条呈现(分歧清单优先),用户裁决三选一。

呈现纪律(两段式自包含,解释责任在正文)

  • 两段式:每批裁决先在会话正文逐条展开,再用问答工具收裁决——问答题面只含「编号+短标题」并指向正文第 N 条,解释不塞进题面

  • 四段结构(正文每条齐备):

    1. 场景:2-3 句业务白话——谁、在哪、做什么;禁止代号(issues 明细行「场景(白话)」列即素材)
    2. 问题:哪里会出错/什么没定义——白话为主,代码事实(类名:行号)作证据附注
    3. 不修的后果:具体到会发生的坏事(「用户 B 永远无法提交」优于「功能阻断」)
    4. 方案:每个选项用白话+具体动作描述
  • 代号首现释义:FR-xx/接口名/字段名首次出现必须跟一句白话释义(如「功能.F02=参评人报名与提交校验那条链路」),不翻 design/cases 可读懂

  • 批首共享背景:同批条目共用的业务链路(如「运营配置评选规则→用户端报名供给」)在批开头讲一遍,批内各条只讲增量;文件级锚点 = issues 头部「业务背景」行与「代号速查」小节(一次落盘,见 issue-template),裁决阶段不向文件追加

  • 复核通道:用户对已裁决条目可随时要求按四段结构重述并改判

  • 禁止只报编号依赖用户记忆;批量裁决须按主题分组、列出组内成员及各自标题,每批 ≤4 题

  • 落改:修改设计/用例,改动回写后在明细表该行「裁决|理由」列记「落改(改动摘要)」,并必填「落点/状态」列:落点 = 文件 + 位置(如 cases TC-69 / design §4 接口契约),初始标 待执行,修订实际执行后改 已执行

  • 驳回:必填理由,记「驳回:<理由>」

  • 存疑:记「存疑:<去向>」(拉 PM / 留到下轮)

C 级 0 条:仍按 🔒 呈报「自查 0 条,是否确认放行?」,不得跳过人工确认直接置已放行。

默认裁决模式:高优逐条 + 其余批量预填

  • 高优逐条:三类分歧全部 + 严重度=高的角色条目,按主题分组(同改动对象合并)逐批裁决,每批 ≤4 题
  • 其余批量:中/低/权衡条目由 sdlc-gate 预填建议裁决——落改组(写明改动对象与方向)与权衡记档组(写明记档去向),汇总成一张处置清单一次性让用户确认;用户可对任何一条单独改判
  • 护栏:①条目 <15 条时全部逐条,不开批量;②需边界确认或存在多个技术方案的条目不得进批量,必须逐条;③用户显式要求「全部逐条」「线下看文件」时切换;④备案区条目不裁决;soft 依据的中/低严重度条目不得进高优逐条组(严重度=高除外)

驳回理由沉淀:每条驳回追加到 false-positive-patterns.md 对应角色分组——这是下轮预审 prompt 注入的校准材料。

Step 5: 放行

全部裁决单元裁决完毕(备案区除外)→ 头部状态改 已放行(日期),裁决记录区块补齐汇总。C 级即使 0 条,也须取得用户明确确认后才进入放行。

放行前闭环校验(硬规则,已机械化):置「已放行」前运行 python3 <skill 目录>/scripts/check_trace.py <项目根> <需求名> --release——逐条核对裁决=落改的条目「落点/状态」非空且=已执行,不满足时拦截并列出未执行项(标题+落点+当前值),完成修订后才可放行。防批量裁决组吞条目/漏执行。脚本不可得时按本规则人工逐条核对。

sdlc-test 关卡互认:已放行后,可将 sdlc/<需求名>/test/cases.md 头部 审核状态 代改为 已确认(日期,sdlc-gate 已放行)——sdlc-gate 裁决已覆盖人工用例审核。放行后才允许进入开发 / sdlc-test static、exec。

放行后:开发放行守卫(调用即机械校验,未调用不生效):开发会话启动前运行 python3 <skill 目录>/scripts/guard_dev.py <项目根> <需求名>——校验 review/ 最新一份 issues(文件名日期+轮号取最大,与 check_trace 同口径)头部「评审状态」= 已放行;exit≠0 时停止并向用户呈现缺失清单,禁止绕过;脚本不可得(无 python3)时人工核对最新 issues 头部。措辞红线:任务框架或协作文档对设计的 ack(确认点③、飞书技术文档确认等)是流程性定稿信号,不构成质量放行——本守卫拦截的正是「ack 被当成放行信号直接开码」。

豁免(用户明确确认跳过):用户明确回答「确认豁免本次 gate」后,写 sdlc/<需求名>/review/exemptions/exemption-<YYYYMMDD>.md(七字段见 exemption-template.md);笼统的「后果我担」不构成确认。守卫判定顺序:① A/B 级 degraded → 拒绝(不接受豁免);② 最新 issues 已放行 → 通过;③ 否则看最新豁免 → 基线匹配最新 issues 文件名(无 issues 时=「无」)且七字段齐全才放行。豁免只解锁开发,sdlc-test static/exec 仍需关卡1。

通用纪律

  • 源码与数据库只读;写操作仅限 sdlc/ 目录与本 skill 目录
  • 分歧三类动作:一→补用例;二→回查设计;三→升级用户回溯需求假设清单 / PM 澄清,不得自行裁决口径
  • 术语统一:issue / 分歧 / 裁决 / 放行;角色名、状态名沿用 digest 口径

Bundled files

The model reads these on demand while the skill is loaded. They are exposed as readable files and are never executed.

Frequently asked questions

What does the Sdlc Gate AI skill do?

Runs the mandatory risk-tiered review gate after technical design and test cases are finalized: adversarial review by fresh-context subagents (4 for tier A / 2 for tier B / main-session self-check for tier C), producing an issue list and divergence list for human adjudication before development or test execution. Also checks the development entry before development starts. 评审关口:设计与用例定稿后的强制评审,按风险分级分档对抗评审(A 级 4 子代理 / B 级 2 个 / C 级主会话自查)产出 issue 与分歧清单,人工裁决后放行开发/测试;用户要求开始开发、直接开发、拆任务、写代码或实现功能时使用——即使未评审或用户要求跳过。Use when 技术设计或测试用例已产出待评审、用户说 评审关口、设计评审、用例预审、交叉审查、review gate、adversarial review、design...

Why use Sdlc Gate on TypingMind?

Because you install it once and use it with any model. Sdlc Gate is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Sdlc Gate in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/TsCarpe/claude-sdlc-skills/tree/main/skills/sdlc-gate. TypingMind reads its SKILL.md and bundles its files and installs it as a skill you can enable per chat.

Which AI models can use Sdlc Gate?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Sdlc Gate?

As many as you like. As long as a model supports skills, you can use Sdlc Gate with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Sdlc Gate AI skill free?

Yes. It is published on GitHub by TsCarpe under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇