BMAD-METHOD/docs/zh-cn/reference/core-tools.md

title	description	sidebar
核心工具	每个 BMad 安装都自带的内置任务和工作流参考。	order 2

每个 BMad 安装都包含一组核心技能，可以配合你正在做的任何事情使用——跨项目、跨模块、跨阶段的独立任务和工作流。无论安装了哪些可选模块，这些工具始终可用。

:::tip[快速上手] 在 IDE 中输入技能名称（如 bmad-help）即可运行任意核心工具，无需启动智能体会话。 :::

概览

工具	类型	用途
bmad-help	任务	根据上下文给出下一步建议
bmad-brainstorming	工作流	引导交互式头脑风暴
bmad-party-mode	工作流	编排多智能体群组讨论
bmad-distillator	任务	无损的 LLM 优化文档压缩
bmad-advanced-elicitation	任务	通过迭代精炼方法提升 LLM 输出质量
bmad-review-adversarial-general	任务	挑刺式审查——找出遗漏和问题
bmad-review-edge-case-hunter	任务	穷举分支路径分析，找出未处理的边界情况
bmad-editorial-review-prose	任务	临床式文案编辑，聚焦表达清晰度
bmad-editorial-review-structure	任务	结构编辑——裁剪、合并与重组
bmad-shard-doc	任务	将大型 Markdown 文件拆分为有序章节
bmad-index-docs	任务	生成或更新文件夹的文档索引

bmad-help

你的智能向导，告诉你下一步该做什么。 — 检查项目状态，识别已完成的内容，推荐下一个必需或可选步骤。

适用场景：

• 完成了一个工作流，想知道接下来做什么
• 刚接触 BMad，需要快速了解全貌
• 卡住了，想要根据当前上下文获取建议
• 安装了新模块，想看看有哪些可用功能

工作原理：

1. 扫描项目中已有的产出物（PRD、架构文档、用户故事等）
2. 检测已安装的模块及其可用工作流
3. 按优先级推荐下一步——必需步骤优先，可选步骤其次
4. 每条推荐都附带技能命令和简要说明

输入： 可选的自然语言查询（如 bmad-help I have a SaaS idea, where do I start?）

输出： 按优先级排列的下一步推荐列表，附带技能命令

bmad-brainstorming

通过交互式创意技法激发多样想法。 — 引导式头脑风暴会话，从技法库中加载经过验证的创意方法，引导你在整理之前先产出 100+ 个想法。

适用场景：

• 启动新项目，需要探索问题空间
• 想法枯竭，需要结构化的创意引导
• 想使用成熟的创意框架（SCAMPER、反向头脑风暴等）

工作原理：

1. 围绕你的主题建立头脑风暴会话
2. 从方法库中加载创意技法
3. 逐个技法引导你产出想法
4. 应用反偏差协议——每产出 10 个想法切换一次创意领域，防止想法扎堆
5. 生成一份只追加的会话文档，所有想法按技法分类整理

输入： 头脑风暴主题或问题陈述，可选上下文文件

输出： brainstorming-session-{date}.md，包含所有产出的想法

:::note[数量目标] 真正的好点子往往出现在第 50-100 个想法之间。工作流鼓励在整理之前先产出 100+ 个想法。 :::

bmad-party-mode

编排多智能体群组讨论。 — 加载所有已安装的 BMad 智能体，引导一场自然对话，每个智能体从各自的专业领域和角色特征出发发言。

适用场景：

• 需要多个专家视角来评估一个决策
• 希望智能体互相质疑彼此的假设
• 正在探索一个横跨多个领域的复杂话题

工作原理：

1. 加载智能体清单及所有已安装的智能体角色
2. 分析你的话题，选出 2-3 个最相关的智能体
3. 智能体轮流发言，自然地交叉讨论甚至争论
4. 轮换参与的智能体，确保随时间推移覆盖多样视角
5. 输入 goodbye、end party 或 quit 退出

输入： 讨论话题或问题，以及你希望参与的角色（可选）

输出： 实时多智能体对话，各智能体保持各自角色特征

bmad-distillator

无损的 LLM 优化文档压缩。 — 生成信息密度高、token 高效的精馏文档，保留全部信息供下游 LLM 消费。可通过往返重构验证无损性。

适用场景：

• 文档太大，超出 LLM 的上下文窗口
• 需要研究资料、规格或规划产出物的 token 高效版本
• 想验证压缩过程中没有丢失信息
• 智能体需要频繁引用和检索其中的信息

工作原理：

1. 分析 — 读取源文档，识别信息密度和结构
2. 压缩 — 将散文转为密集的要点格式，剥离装饰性排版
3. 校验 — 检查完整性，确保原始信息全部保留
4. 验证（可选）— 往返重构测试，证明压缩无损

输入：

• source_documents（必填）— 文件路径、文件夹路径或 glob 模式
• downstream_consumer（可选）— 消费方是什么（如 "PRD creation"）
• token_budget（可选）— 大致目标大小
• --validate（标志）— 运行往返重构测试

输出： 精馏 Markdown 文件，附带压缩比报告（如 "3.2:1"）

bmad-advanced-elicitation

通过迭代精炼方法提升 LLM 输出质量。 — 从启发技法库中选取合适的方法，通过多轮迭代系统性地改进内容。

适用场景：

• LLM 输出感觉浅薄或千篇一律
• 想从多个分析角度深挖一个话题
• 正在打磨关键文档，需要更深层的思考

工作原理：

1. 加载包含 5+ 种启发技法的方法注册表
2. 根据内容类型和复杂度选出 5 个最匹配的方法
3. 呈现交互菜单——选一个方法、重新洗牌或列出全部
4. 将选中的方法应用到内容上进行增强
5. 重新呈现选项，反复迭代改进，直到你选择"继续"

输入： 待增强的内容段落

输出： 应用改进后的增强版内容

bmad-review-adversarial-general

预设问题存在，然后去找出来的挑刺式审查。 — 以怀疑、挑剔的审查者视角，对粗糙工作零容忍。重点找遗漏，而不只是找错误。

适用场景：

• 在交付物定稿前需要质量保证
• 想对规格、用户故事或文档进行压力测试
• 想找到乐观审查容易忽略的覆盖盲区

工作原理：

1. 以挑剔、批判的视角阅读内容
2. 从完整性、正确性和质量三个维度识别问题
3. 专门寻找遗漏的内容——不只是已有内容中的错误
4. 至少找出 10 个问题，否则进行更深层分析

输入：

• content（必填）— diff、规格、用户故事、文档或任意产出物
• also_consider（可选）— 需要额外关注的领域

输出： 包含 10+ 条发现及描述的 Markdown 列表

bmad-review-edge-case-hunter

遍历每条分支路径和边界条件，只报告未处理的情况。 — 纯路径追踪方法论，机械地推导边界类别。与对抗式审查正交——靠方法驱动，而非靠态度驱动。

适用场景：

• 想对代码或逻辑做穷举式边界覆盖
• 需要与对抗式审查互补（不同方法论，不同发现）
• 正在审查 diff 或函数的边界条件

工作原理：

1. 枚举内容中所有分支路径
2. 机械推导边界类别：缺失的 else/default、未防护的输入、差一错误、算术溢出、隐式类型转换、竞态条件、超时间隙
3. 逐条路径检查现有防护
4. 只报告未处理的路径——已处理的静默丢弃

输入：

• content（必填）— diff、完整文件或函数
• also_consider（可选）— 需要额外关注的领域

输出： JSON 数组，每条发现包含 location、trigger_condition、guard_snippet 和 potential_consequence

:::note[互补审查] 同时运行 bmad-review-adversarial-general 和 bmad-review-edge-case-hunter 可获得正交覆盖。对抗式审查捕捉质量和完整性问题；边界猎手捕捉未处理的路径。 :::

bmad-editorial-review-prose

聚焦表达清晰度的临床式文案编辑。 — 审查文本中阻碍理解的问题，以 Microsoft 写作风格指南为基准，保留作者个人风格。

适用场景：

• 写完初稿想打磨文字
• 需要确保内容对特定受众足够清晰
• 只想修表达问题，不想改写风格偏好

工作原理：

1. 阅读内容，跳过代码块和 frontmatter
2. 识别表达问题（不是风格偏好）
3. 对多处出现的相同问题去重
4. 生成三列修改表

输入：

• content（必填）— Markdown、纯文本或 XML
• style_guide（可选）— 项目特定的写作风格指南
• reader_type（可选）— humans（默认）注重清晰流畅，llm 注重精确一致

输出： 三列 Markdown 表格：原文 | 修改后 | 变更说明

bmad-editorial-review-structure

结构编辑——提出裁剪、合并、移动和精简建议。 — 审查文档组织结构，在文案编辑之前提出实质性调整建议，以改善清晰度和阅读流畅性。

适用场景：

• 文档由多个子流程产出，需要结构上的连贯性
• 想在保持可读性的前提下缩减文档篇幅
• 需要识别范围越界或关键信息被埋没的情况

工作原理：

1. 将文档与 5 种结构模型对照分析（教程、参考、解释、提示词、战略）
2. 识别冗余、范围越界和被埋没的信息
3. 生成优先级排序的建议：裁剪、合并、移动、精简、质疑、保留
4. 估算总缩减字数和百分比

输入：

• content（必填）— 待审查的文档
• purpose（可选）— 预期用途（如 "quickstart tutorial"）
• target_audience（可选）— 目标读者
• reader_type（可选）— humans 或 llm
• length_target（可选）— 目标缩减量（如 "30% shorter"）

输出： 文档摘要、优先级排序的建议列表，以及预估缩减量

bmad-shard-doc

将大型 Markdown 文件拆分为有序的章节文件。 — 以二级标题为分割点，创建一个包含独立章节文件和索引的文件夹。

适用场景：

• Markdown 文档过大，难以有效管理（500+ 行）
• 想把单体文档拆分成可导航的章节
• 需要独立文件以支持并行编辑或 LLM 上下文管理

工作原理：

1. 验证源文件存在且是 Markdown 格式
2. 按二级（##）标题分割为编号章节文件
3. 创建 index.md，包含章节清单和链接
4. 提示你选择删除、归档还是保留原文件

输入： 源 Markdown 文件路径，可选目标文件夹

输出： 包含 index.md 和 01-{section}.md、02-{section}.md 等文件的文件夹

bmad-index-docs

生成或更新文件夹中所有文档的索引。 — 扫描目录，读取每个文件以理解其用途，生成一份带链接和描述的有序 index.md。

适用场景：

• 需要一个轻量索引供 LLM 快速扫描可用文档
• 文档文件夹不断增长，需要一个有序的目录
• 想要一份自动生成、能持续保持最新的概览

工作原理：

1. 扫描目标目录中所有非隐藏文件
2. 读取每个文件以理解其实际用途
3. 按类型、用途或子目录分组
4. 生成简洁描述（每条 3-10 个词）

输入： 目标文件夹路径

输出： index.md，包含有序的文件列表、相对链接和简要描述