真实场景：产品丢给你一个模糊的需求，你该怎么办？

一个真实的困境

周三下午，产品经理走过来：

“我们要做一个积分系统，用户可以通过消费获取积分，积分可以抵扣现金。”

然后就走了。

你心里可能有这些问题：

问题不是这个需求有多难，而是：需求本身就是模糊的。

传统的做法

  1. 找产品确认（但产品也不一定想清楚了）
  2. 自己猜规则（猜错了就要返工）
  3. 先做着，有问题再说（债务越积越多）
  4. 反复沟通（时间成本很高）

结果：要么返工，要么带着风险上线，要么花大量时间在沟通上。

AI 能帮你做什么

在你找任何人确认之前，先让 AI 帮你想清楚。

这不是替代沟通，而是帮你把问题想清楚，让后续的沟通更高效。

AI 需求分析的核心价值

第一：帮你发现你没考虑到的地方

你 → AI：
"我需要开发一个积分系统，用户消费获得积分，积分抵扣现金。
请帮我分析：实现这个功能，需要想清楚哪些问题？"

AI 会列出很多你可能没想到的问题：

第二：帮你整理混乱的思路

有时候你脑子里的想法是乱的，AI 可以帮你梳理成结构化的内容。

你 → AI：
"我整理了一下对这个积分系统的想法，比较乱：
[粘贴你整理的内容]
请帮我结构化成完整的需求文档"

第三：帮你评估技术方案

当你有两个方案不知道怎么选时，AI 帮你分析权衡。

你 → AI：
"积分存储我有两个方案：
1. 存在 MySQL，单用户单行，每次扣减加锁
2. 存在 Redis，原子扣减
请帮我分析这两个方案在 QPS=10000 的场景下各自的优劣"

关键原则：AI 是辅助，不是替代

AI 帮你想清楚，但最终判断要靠你自己。

因为：

所以 AI 的输出是”原材料”，不是”最终答案”。

一个完整的 AI 需求分析流程

第一步：把你的困惑全部说出来

不要润色，不要组织语言，把你脑子里的所有问题全部说出来。

你 → AI：
"我需要开发一个积分系统，但有很多地方不确定：
1. 产品说'消费获得积分'，但消费是指支付成功还是下单就算？
2. '积分抵扣现金'，抵扣比例是多少？100积分=1元？还是可配置？
3. 积分有效期多久？永不过期还是一年过期？
4. 取消订单积分怎么处理？自动扣回还是需要人工处理？
5. 积分能转赠吗？
6. ..."

→ AI 会帮你：分类整理这些问题，判断哪些是核心问题，哪些是细节

第二步：让 AI 帮你分析每个关键决策点

对于最重要的决策点，让 AI 帮你分析。

你 → AI：
"请帮我分析积分抵扣这个功能的核心设计决策点：

决策1：积分和现金的比例
- 固定比例 vs 可配置
- 配置在哪里（数据库/配置文件/管理后台）
- 变更后历史订单怎么处理

决策2：积分扣减的原子性
- Redis 原子扣减 vs MySQL 行锁
- 超扣的风险怎么控制
- 扣减失败怎么处理

每个决策点请分析：
- 不同方案的优劣
- 推荐的方案及理由
- 潜在的坑"

第三步：让 AI 发现你没问的问题

这是最有价值的部分。

你 → AI：
"基于我整理的积分系统需求，请检查：
1. 业务层面，我有没有遗漏重要的用户场景？
2. 技术层面，有哪些是我没想到的技术风险？
3. 产品层面，有哪些规则我需要找产品确认的？

重点关注：
- 并发场景
- 数据一致性
- 历史数据处理
- 边界条件"

第四步：整理成你要问产品的问题清单

你 → AI：
"请把以下问题整理成我需要和产品确认的问题清单：

【核心规则问题】
- 积分获取的计算方式（下单？支付？发货？）...

【边界场景问题】
- 取消订单积分怎么处理？...

【数据问题】
- 历史积分数据如何迁移？...

要求：
1. 按优先级排序
2. 每问题标注：如果不确认会有什么风险
3. 标注哪些问题是"必须确认"，哪些是"可以先做再做""

当你不知道该怎么做时

有时候问题不是需求不清晰，而是你不知道该怎么做。

场景一：不知道该用什么技术

你 → AI：
"我们的场景是：
- 日活用户 100 万
- 积分查询 QPS 约 5000
- 积分扣减 QPS 约 500
- 需要支持事务

请帮我分析：
1. 积分数据存 MySQL 还是 Redis，还是混合？
2. 如果用 MySQL，表结构大概是什么样的？
3. 如果用 Redis，数据结构怎么设计？
4. 如果用混合，数据一致性怎么保证？

我没有倾向，你帮我分析各个方案的优劣。"

场景二：在多个方案之间犹豫

你 → AI：
"我在积分扣减这里有两个方案：

方案A：MySQL 乐观锁
- 每次扣减先查余额，再更新
- 版本号控制并发

方案B：Redis 原子扣减
- DECRBY 原子扣减
- Lua 脚本保证扣减不超余额

请帮我分析：
1. 两个方案在 QPS=500 的场景下性能差异大吗？
2. 超扣（扣减数量 > 实际余额）的风险哪个更高？
3. 数据持久化方面哪个更安全？
4. 如果让你选，你选哪个？为什么？"

场景三：需求太复杂，不知道从哪下手

你 → AI：
"这个积分系统产品给了很多需求：
1. 积分获取（消费、活动、签到）
2. 积分扣减（抵扣、退款、过期）
3. 积分查询
4. 积分明细
5. 风控
6. 历史数据迁移
7. 运营后台

请帮我：
1. 按依赖关系排优先级（哪些必须先做，哪些可以后做）
2. 识别 MVP 版本（第一期最少要做什么）
3. 哪些可以并行开发？
4. 哪些是独立模块，可以单独测试？"

一个重要的提醒

不要把 AI 生成的方案当作最终方案。

AI 的输出是帮你思考的起点，不是终点。

你需要做的：

  1. 理解 AI 给的分析（不是照搬）
  2. 结合你的实际情况判断（技术栈、团队、时间）
  3. 和相关人确认关键决策
  4. 在实践中验证和调整

AI 是你的思维伙伴，不是你的外包。

Prompt 模板库

模板一：需求不清晰时

我需要开发【系统/功能名称】，需求如下：
【粘贴原始需求描述，或者描述你知道的】

请帮我：
1. 识别核心实体和数据
2. 列出需要确认的关键问题
3. 指出明显遗漏的场景
4. 识别技术风险点

我的困惑是：【描述你具体困惑的地方】

模板二：在多个方案之间犹豫

我在【某个功能】上有两个方案：

方案A：【描述方案A】

方案B：【描述方案B】

场景是：【描述你的具体场景，包括QPS、数据量等】

请帮我分析：
1. 两个方案各自的优劣
2. 在我的场景下，哪个更合适？
3. 各自可能的坑是什么？

模板三：需要 AI 帮你发现遗漏

我整理了【系统名称】的需求如下：
【粘贴你的需求文档】

请帮我检查：
1. 有没有遗漏重要的业务场景？
2. 有没有没考虑到的边界情况？
3. 有没有我没意识到的技术风险？

重点检查：
- 并发场景
- 数据一致性
- 异常处理
- 历史数据

模板四：不知道从哪下手

我需要开发【系统名称】，包含以下功能：
【列出所有功能点】

请帮我：
1. 按依赖关系排序
2. 识别 MVP（最少可运行版本）
3. 指出哪些可以并行开发
4. 指出哪些风险最高，需要早做

总结

AI 需求分析的核心价值不是给你一个完美的方案，而是：

1. 帮你发现没想到的问题 2. 帮你整理混乱的思路 3. 帮你评估方案之间的权衡 4. 帮你找到从哪下手

最终判断，永远靠你自己。

相关资源