需求澄清助手

📌一句话简介

这不是一个"一键生成 PRD"的模板填充器，而是一套迭代式需求澄清流程——先把你已说的信息结构化整理，再识别缺口、提 2~4 个最高优先级的问题，多轮对话逐步把完整度推到 85 分以上，最后输出可交付的需求规格文档。

🎯适用场景

这个 Skill 在以下情况最能发挥价值：

不适合：需求已经完全明确只需写代码、只改一句话的轻量文本任务、或用户明确要求"别追问直接做"的场景。

💡使用心得

实际用下来，这个 Skill 的设计有几处让我印象深刻：

1. 三阶段流程非常克制。阶段 1 接收整理、阶段 2 迭代追问、阶段 3 输出文档。最关键的是每轮最多只问 4 个问题，按"战略层→范围层→执行层"优先级排列。这避免了把用户拖进问卷式审问，我回答起来毫无负担。

2. 启动引导语很暖心。第一次接收需求时它会先说一句"你现在可以随意描述，不需要任何格式——口语化没关系，我来帮你归纳整理"。这句话让人放松，反而愿意把背景信息一股脑倒出来，而不是担心"描述不够专业"。

3. 完整度评分让进度可视化。每轮都给一个 100 分制的评分，明确告诉你还差什么。评分维度很合理：

4. 领域专项追问很专业。它会根据需求类型自动切换追问重点——AI 产品会问模型来源和幻觉兜底，业务流程会问审批权限和工具集成，设计项目会问品牌规范。不是一套通用问题问到底。

5. MoSCoW 优先级让范围清晰。功能按 Must Have / Should Have / Won't Have 三档分类，Won't Have 这档特别有用——明确写出"不做"什么，比列一堆"要做"更能防止范围蔓延。

⚙️核心工作流程

它的完整流程是这样的：

1. 接收 & 初步整理：把你已说的信息按模板分类，不确定的标 [待确认]，同时识别缺口提 2~4 个高优先级问题。
2. 迭代追问 & 合并：你每次回复后，把新信息合并进完整文档（不是只显示变化），更新完整度评分，如仍有缺口继续追问。
3. 输出最终文档：完整度 ≥85 分或你说"够了"时，输出含一句话描述、背景、目标、用户、功能、非功能需求、资源约束、风险假设、开放问题的完整规格文档。

⚠️踩坑记录

• 第一轮别一次倒太多：我曾把公司背景、历史方案、各方意见全贴进去，结果第一轮被问了一堆基础问题。建议先给核心目标 + 目标用户，让它先聚焦战略层，再逐步补战术细节。
• 评分是参考不是 KPI：完整度评分有一定主观性，别为了冲 85 分硬凑信息。有些维度（如预算）确实还没定，标 [待确认] 比瞎填一个数更负责。
• 推翻答案时要主动说：如果你中途改主意（比如不要钉钉推送了），明确告诉它"这个改了"。否则它可能仍按原记录整理。好在它有"需求变更记录"机制，主动说会被显式标注。
• "直接输出"不等于信息齐全：提前说"够了"会让它停止追问直接出文档，但未确认项会保留为开放问题，不会伪造。这是优点，但拿到文档后要记得检查开放问题清单，别当 everything 都搞定了。

🚀进阶技巧

• 开头就点明领域：第一句加一句"这是个 AI 产品"或"这是个内部审批流程"，会立即触发对应的领域专项追问，效率显著提升。
• 用 A/B/C 选项回答：遇到复杂问题（比如"用户怎么提供输入"），直接给 A 上传旧简历 / B 填表 / C 对话，它会把选项合并进文档，比开放回答快得多。
• 第 2~3 轮主动要 MVP 建议：当 Must Have 列表变长时，主动说"帮我建议 MVP 边界"，它会基于资源约束提出哪些功能推迟到 v2，并给出原因。
• 把待确认项集中处理：每轮结束把所有 [待确认] 项集中确认一次，比逐条问更高效。可以这样说："这轮把所有待确认项一起过一遍。"
• 导出后再做一次风险检查：拿到最终文档后，再让它"检查这份需求有没有缺口、矛盾和风险，并给出下一轮应追问的问题"，相当于一次免费的二次评审。

💬调用示例

几种典型调用方式：

• req-clarifier 帮我整理这个需求：我想做一个 AI 简历生成工具，主要面向国内用户
• req-clarifier 我们想做一个内部审批系统，先不要写代码，帮我澄清需求、拆出 MVP 范围，并列出还需要确认的问题
• req-clarifier 把下面这段想法整理成一份 PRD，并标出所有待确认项：……
• req-clarifier 检查这份需求说明有没有缺口、矛盾和风险，并给出下一轮应该追问的问题

🏆推荐度总结