在线产品
SRSInsight
专业的在线需求分析工作台。素材散落、版本对不齐、变更说不清时，用它把需求从收集做到基线发布。
- 智能提取，结构化需求规格
- 多人协作，变更可追踪
- 一键报告，覆盖率看得见
北京丁四科技
SRSInsight 把需求在线管起来，design-doc 让 AI 按规范设计实现。KeepLocal 管的是另一道门槛：数据一旦被复制进输入框，就很难再只把它当作一次普通提问——个人的私密困扰、企业的客户与财务与内部业务信息，不该为了用上 AI 就交给第三方。
需求在线管理，设计有据可依，个人隐私与业务信息各有边界
在线产品
专业的在线需求分析工作台。素材散落、版本对不齐、变更说不清时，用它把需求从收集做到基线发布。
开源 · MIT
开源工具，帮你编制规范化的设计文档。氛围编程很快，但代码不可靠、不可用、过两周就没人敢动。先有能拍板的设计，AI 写出来的才接得住。
自托管 AI 工作台 · 开源 MIT
个人可用，企业可控。部署在你自己控制的机器或内网里，接你的 Ollama 或你批准的推理端，业务能力通过受控 MCP Server 按需接入，而不是把敏感信息整份搬到 AI 平台。
SRSInsight
专为产品经理、商业分析师和架构师打造的需求分析工作台
利用自然语言处理技术，自动识别需求文档中的关键要素，生成结构化需求规格
支持多人在线协作编辑，实时同步变更，告别版本混乱
完整的需求变更历史记录，轻松追踪每个需求的演变过程
一键生成需求分析报告，可视化展示需求覆盖率和质量指标
细粒度的权限控制系统，确保需求文档的安全性和完整性
无缝对接主流开发工具，实现需求到代码的无缝衔接
遵循 IEEE 标准的完整需求生命周期管理
收集会议记录、用户故事等原始素材
从素材中分析提取结构化需求项
与涉众共同评审确认需求
形成正式版本的需求基线
SRSInsight 自举案例 — 用自己分析自己
SRSInsight 助力专业人士提升需求分析效率与质量
帮助敏捷团队高效管理用户故事和需求变更，保持开发节奏
规范需求文档编写，提高需求质量，减少后期变更
清晰记录需求细节，减少沟通误解，保障项目交付质量
完全免费的在线需求分析平台
design-doc · 开源
聊两句就开写，当天能跑；过两周说不清承诺、改一处崩一片、换个人就没人敢动。解决办法不是少用 AI，而是先把设计写成能依据的规范文档。design-doc 帮你编制这种文档，让 AI 按设计实现，而不是按气氛实现。
design-doc 帮你把「感觉能跑」变成「设计说了算」
不让 AI 直接凭气氛写业务。先把要做成什么样写清楚，再动手，速度还在，方向不再漂
帮你编制人能看懂、能拍板的设计文档。文档站得住，实现才接得住
AI 按已确认的设计来写，而不是每次重新猜你要什么。同一份依据，换一次会话也不跑偏
需求变了知道该动哪里。不再改一处崩一片，也不再靠「上周好像说过」
设计留在仓库里，不锁在聊天记录中。人一换、会话一关，后来者仍有依据
开源装进自己的项目即可。Cursor、Claude Code、VS Code 等日常工具都能用来写设计、写代码
开源工具跟着项目走，人和 AI 共用同一份设计依据
把开源工具放进仓库，设计跟代码在一起
对 AI 说要做成什么样，写出能审、能拍板的文档
哪些设计可以当作依据，由人确认，不让 AI 擅自定论
代码跟着已确认的设计走，改需求也有据可依
已经在用 AI 写代码，但不能接受「能跑就算交付」
演示很好看，接到真实业务就翻车。需要一份说得清承诺的设计，再让 AI 实现
会话一关、人一换，项目就腐烂。设计留在仓库里，后来者才有依据
AI 每次重新猜你要什么。先把设计拍板，代码才有同一份依据
KeepLocal · 自托管 AI 工作台
AI 能从告警、日志、工单、报表和知识库里很快找出线索。「很快给出答案」与「数据始终在你可控的边界内」，是两件事。
用站点登录凭据进入自己的工作台。凭据写在数据目录的凭据文件里，权限 600，不出现在配置文件和日志中；一枚凭据自带一组权限范围。
运行在你控制的服务器、内网或专有云里，组织对话、记录过程与结果，把聊天历史写进你自己的数据目录。
推理接本地 Ollama 或你批准的推理端；业务能力通过你配置且允许的 MCP Server 接入，能查什么、返回多少，由业务侧授权决定。
它不是「把所有系统接到 AI 上」。恰恰相反：只在需要时，通过受控接口，向 AI 提供完成任务所必需的数据和能力。
KeepLocal · 目标场景
企业已有的网络、权限与审计制度照常运转，KeepLocal 只把 AI 放进能负责的位置；个人自托管用法相同，只是接入的模型与工具规模更小
值班人员要的是关联线索、影响范围和下一步建议，不是把整段生产日志粘进不可控的平台。通过受控工具，AI 只请求所需时间窗、指标或已脱敏摘要，原始证据留在监控系统内。
「这个月哪个客户欠款最多」「库存异常在哪里」「项目还有什么阻塞」，本质是受权限约束的查询或操作。能力作为最小化工具提供给 AI，而不是为一次临时分析再做一份数据副本。
制度、工单、项目资料和技术文档需要被理解，也常含内部信息。模型与资料访问都放在自己环境里，访问、留存与退出策略由你定，不再依赖「上传后再想办法删除」。
KeepLocal · 数据边界
模型、工具、数据和凭据分别去向何处，由你清楚地决定，而不是由某个默认设置替你做决定
| 内容 | 去向 | 由谁负责 |
|---|---|---|
| 对话与上下文 | 配置的模型服务，默认接本地 Ollama | 你：模型选择、数据分级与传输策略 |
| 业务查询或操作 | 配置且允许的 MCP Server | 业务侧：工具权限、脱敏、审批与审计 |
| 上游凭据 | 只发送给其对应的那一个服务 | 你：凭据保管、轮换与最小权限 |
| 站点登录凭据 | 浏览器与你的服务器之间 | 你：数据目录中的凭据文件，权限 600 |
| 聊天记录与运行日志 | 你指定的工作目录 | 你：留存、备份、访问控制与删除 |
| 外部访问 | 你自己的反向代理与网络入口 | 你：TLS、网络分区与身份控制 |
KeepLocal · 用起来是什么样
不只是问完就走的输入框，而是一个留在自己机器上、随时可以回来的工作台
感情里的困扰、体检报告上的那行字、还没成形的念头，可以先说出来，再让 AI 帮你梳理来龙去脉、整理成草稿。
自动带上有限的最近上下文，聊天历史写进自己的数据目录，可分页回看。记录是能直接读的 JSONL 文件。
界面分开反馈对话进度、回答是否完整、数据是否确认保存。模型说了什么，与系统实际做了什么，分开看清楚。