openai-compatible-task-master/build/llm/llm_parse_prd.js

使用MCP解析PRD文档并生成任务列表

import * as path from 'path';
import { callOpenAIAPI, cleanJsonContent, normalizeTaskData } from './llm_utils.js';
import chalk from 'chalk';
// 解析任务JSON响应
export function parseJsonResponse(jsonContent) {
    const cleanedContent = cleanJsonContent(jsonContent);
    try {
        // 尝试将内容解析为JSON
        const data = JSON.parse(cleanedContent);
        if (!data.tasks || !Array.isArray(data.tasks)) {
            throw new Error('JSON响应格式不正确，无法找到任务列表');
        }
        if (!data.metadata) {
            throw new Error('JSON响应格式不正确，无法找到元数据');
        }
        // 验证和处理任务数据
        const tasks = data.tasks.map((task) => {
            // 验证优先级
            if (!['high', 'medium', 'low'].includes(task.priority)) {
                console.warn(chalk.yellow(`任务 ${task.id} 的优先级 "${task.priority}" 无效，将默认为 "medium"`));
                task.priority = 'medium';
            }
            return normalizeTaskData(task);
        });
        const metadata = {
            projectName: data.metadata.projectName,
            totalTasks: typeof data.metadata.totalTasks === 'number'
                ? data.metadata.totalTasks
                : parseInt(data.metadata.totalTasks),
            sourceFile: data.metadata.sourceFile,
            generatedAt: data.metadata.generatedAt,
        };
        return {
            tasks,
            metadata,
        };
    }
    catch (error) {
        const err = error;
        console.debug(chalk.blue("原始JSON内容:"), cleanedContent); // 记录清理后的JSON以供调试
        throw new Error(`LLM返回的内容无法解析为JSON: ${err.message}`);
    }
}
// 调用OpenAI Compatible API生成任务
export async function parsePRDWithLLM(prdContent, prdPath, numTasks, openaiUrl, apiKey, model, streamMode, additionalPrompts // 添加可选的额外提示参数
) {
    if (!apiKey) {
        throw new Error('API密钥未提供，请使用 --api-key 参数提供有效的API密钥');
    }
    const projectName = path.basename(path.dirname(prdPath));
    const systemPrompt = `你是一个AI助手，帮助将产品需求文档(PRD)分解为一系列开发任务。
你的目标是根据提供的PRD创建${numTasks}个结构良好、可执行的开发任务。请使用简体中文回复。

每个任务应包含以下字段:
{
  "id": "字符串形式的ID（如 '1' 或 '1.2'）",
  "title": "标题",
  "description": "描述",
  "status": "pending",
  "dependencies": [依赖任务ID数组，如 ["1", "2"]，若无依赖则为空数组 []],
  "priority": "high|medium|low",
  "details": "实现细节",
  "testStrategy": "验证方法"
}

指南:
1. 创建恰好${numTasks}个任务，编号从1到${numTasks}。
2. 每个任务应当是原子性的，专注于单一职责。
3. 逻辑排序任务 - 考虑依赖关系和实现顺序。
4. 早期任务应关注环境搭建，优先实现核心功能，然后是高级功能。
5. 为每个任务包含清晰的验证/测试方法。
6. 设置适当的依赖ID（任务只能依赖于ID较小的任务）。如果任务没有依赖，则为空数组 []。
7. 根据关键性和依赖顺序分配优先级（high/medium|low）。
8. 在"details"字段中包含详细的实现指导。

期望的输出格式:
{
  "tasks": [
    {
      "id": 1,
      "title": "...",
      "description": "...",
      "status": "pending",
      "dependencies": [],
      "priority": "high",
      "details": "...",
      "testStrategy": "..."
    },
    ...  // 其他任务
  ],
  "metadata": {
    "projectName": "${projectName}",
    "totalTasks": ${numTasks},
    "sourceFile": "${prdPath}",
    "generatedAt": "${new Date().toISOString()}"
  }
}

重要: 你的回复必须仅包含有效的JSON，不要添加任何额外的解释、评论或代码块标记。必须使用简体中文回复。`;
    const messages = [
        {
            role: 'system',
            content: systemPrompt,
        },
        {
            role: 'user',
            content: `${additionalPrompts ? `用户额外提示（优先级高于其他冲突指令）：\n${additionalPrompts}\n\n` : ''}这是需要分解为${numTasks}个任务的产品需求文档(PRD):

${prdContent}`,
        },
    ];
    try {
        const jsonContent = await callOpenAIAPI(messages, openaiUrl, apiKey, model, streamMode);
        return parseJsonResponse(jsonContent);
    }
    catch (error) {
        const err = error;
        throw new Error(`解析PRD失败: ${err.message}`);
    }
}
//# sourceMappingURL=llm_parse_prd.js.map