Lesson 02

从想法到需求

如何与AI高效协作

把模糊想法翻译成 AI 能理解、能执行、能持续迭代的需求表达。

Lesson 01 Review

AI基础回顾——AI产品体系

01
陪你聊天、回答各种问题
AI Chat
对话式 AI / 大语言模型对话
你打字或说话问,它当场回答你。
能记住刚聊过的话,但不会主动给你安排任务。
ChatGPT、DeepSeek、豆包、文心一言、Claude
02
帮你画画、写歌、做视频
AIGC
AI 生成内容,含图像 / 音频 / 视频生成
你描述想要的画面、音乐或视频,它一次性生出来。
一次生成,不跟你多轮商量;不对就重画、重做。
Midjourney、Suno、Sora、可灵
03
帮你写代码、找 bug
AI Coding Assistant
AI 编程助手
在编程软件里自动补全,或按你的要求直接写一整个功能。
能看懂代码上下文,像一个懂项目的老同事一起协作。
GitHub Copilot、Codex、Claude Code、Cursor
04
你交代一整件事,它独立去完成
AI Agent
智能代理 / 自主执行体
你给它一个目标,它自己规划步骤,操作网页和各种工具。
能开网页、点按钮、复制粘贴、调软件,做完才停。
AutoGPT、OpenClaw、Deep Research、CrewAI
05
帮你写报告、做 PPT、改文档
AI Copilot
办公副驾驶
在 Word、PPT 或文档里点一下,它就按当前内容帮你写或润色。
能看懂当前文档语境,一边干活一边配合你。
Microsoft 365 Copilot、Notion AI、WPS AI
06
当法律、金融、医疗的专业顾问
Vertical AI
垂直领域 AI / 行业大模型
你问专业问题,它像行业专家一样按专业语境给建议。
用法律、金融、医疗等真实行业数据训练过,说话更内行。
Harvey、BloombergGPT、Med-PaLM
07
控制设备、开车或操作机器人
Embedded AI
嵌入式 AI / 物理 AI
你喊一声,或它感应到环境变化后,就直接去控制设备和动作。
能听见、看见物理世界,并且真的动手操作。
小爱同学、特斯拉自动驾驶、波士顿动力机器人
Course Outline

课程目录

Chapter 01

为什么 AI 经常看不懂我

Chapter 01

一个真实但无效的提问场景

提问者
“我想做一个帮老师快速出题的 AI 工具,你有什么建议?”
AI 助手
这是一个很有前景的方向。你可以考虑设计一个友好的界面,集成题库管理功能,支持多种题型,并利用大模型自动生成题目。建议先做用户调研……
Think Next
你觉得这个回答有用吗?接下来你该怎么追问?
Chapter 01

“想法”和“需求”的区别

Core Reminder
不是因为AI不够聪明,而是因为我们给它的是想法,不是需求。
Idea
想法
  • 更像一句方向判断
    我想做一个什么东西,我觉得它可能有价值。
  • 通常还不够具体
    对象、场景、目标、边界和约束,往往还没被说清楚。
  • 不能直接执行
    它适合拿来讨论,但还不能直接进入设计、开发和交付。
Need
需求
  • 更像一份任务说明
    为谁解决什么问题,在什么场景下,通过什么方式完成。
  • 必须能被继续拆解
    目标、流程、优先级、约束和交付边界都要能被说明。
  • 可以真正落地执行
    它能进入设计、开发、验证和上线,而不只是停留在一句话。
Key Point
想法是“我想做什么”,需求是“这件事到底该怎么被理解、拆解和执行”。
Chapter 02

如何明确一个需求

Chapter 02

明确一个需求的3步

Logic Flow
Step 1 产生观点 Step 2 观点验证 Step 3 明确需求
Step 1

产生观点

- 5why 提问法
- 想法-实现-困境-许愿描述法
- 7种追问 AI 的方法
- 理解校验法

Step 2

观点验证

- 竞品调研
- 用户调研
- 数据分析

Step 3

明确需求

- 5W1H 描述法
- 需求文档基本框架
- 后续作用:对齐、执行、迭代

Chapter 02

产生观点的4个方法

不是 4 个方法一起上,而是看你卡在哪一步,再选最合适的一个方法。
Method 1

5why 提问法

适用场景

只有一个模糊想法,但说不清为什么要做,想继续往下挖真正目标、真实动机和底层问题。

Method 2

想法-实现-困境-许愿描述法

适用场景

脑中已经有方案雏形,但背景信息零散,想一次性交代清楚上下文,让 AI 快速进入你的问题现场。

Method 3

7种追问 AI 的方法

适用场景

AI 已经给出初始答案,但你还想继续发散、补边界、找反例、做比较,逼出更多可能性。

Method 4

理解校验法

适用场景

已经形成一个判断或方向,但担心自己和 AI 不在同一理解上,想先校验再继续推进。

Chapter 02

产生观点——5why 提问法

我总是忘记要做的事,想做一个提醒小工具。请帮我对这个想法执行 5why。
第 1 层 Why
为什么你想做一个提醒小工具?
因为我经常忘记要做的事,结果拖延或者错过时间。
第 2 层 Why
为什么会经常忘记?
因为事情一多,我不会马上记录,也不会主动回头看。
第 3 层 Why
为什么不记录或不回看?
因为现有工具打开太慢、步骤太多,用起来有负担。
第 4 层 Why
为什么“打开太慢、步骤太多”会造成放弃?
因为提醒这件事本来就很碎片化,操作一复杂,我就更不愿意坚持。
第 5 层 Why
为什么你需要坚持记录这件事足够轻?
因为我真正需要的不是一个功能很多的工具,而是一个能让我立刻记下、立刻被提醒的简单入口。
AI 结论

这个想法的核心,不是“做一个提醒工具”,而是“降低记录和提醒的使用门槛”。

所以后续需求重点应放在:快速记录、轻提醒、低打扰,而不是先堆很多复杂功能。

Chapter 02

产生观点——想法-实现-困境-许愿描述法

把一个模糊需求交给 AI 前,先按固定顺序把信息说清楚。这样 AI 更容易理解你的真实意图,也更容易给出有依据的建议。
Part 1
想法
描述方式

我想做一个什么东西?

用来干什么?

注意事项
  1. 减少概念词,多说具体信息。
  2. 补充隐形信息,例如使用场景、用户、约束条件等。
Part 2
实现
描述方式

第一步:先通过 xxx,执行 xxx,得到 xxx

第二步:再通过 xxx,执行 xxx,得到 xxx

依此类推,直到完整流程。

注意事项
  1. 避免只讲概念或只提供逻辑图。
  2. 必须想清楚并描述:输入 → 执行 → 输出,一步一步说清楚。
Part 3
困境
描述方式

按照现在的实现思路,存在几个明显的问题:

问题 1:……

问题 2:……

注意事项
  1. 避免问题抽象化。
  2. 要具体描述问题:哪个环节、出现什么现象、为什么算问题。
Part 4
许愿
描述方式

我希望你:

理解我的实现思路

分析可能产生这些问题的原因

提供解决这些问题的可能方案及依据(为什么这个方案可行)

注意事项
  1. 不要只想要结果。
  2. 要求我给出:思路、思维链、原因分析(怎么想到的、依据是什么)。
Chapter 02

产生观点——7种追问类型

追问的价值,不只是“继续问”,而是换一个角度逼近问题。不同追问方法,会把你带向不同的信息维度。
具体化追问
把模糊变清晰
  • 你说的“X”具体指什么?能举个例子吗?
  • “X”这个描述,在什么情况下成立?什么情况下不成立?
  • 能用量化的方式描述“X”吗?
目的:把模糊变清晰
边界化追问
找适用范围
  • 这个结论成立的前提条件是什么?
  • 如果 X 变成现在的 10 倍 / 1/10,结论还成立吗?
  • 这个方案的边界在哪里?什么情况下它不适用?
目的:找适用范围
反例化追问
找反例证伪
  • 有没有反例?
  • 什么情况下这个结论不成立?
  • 你能举一个例子证明这个方案是错的吗?
  • 谁会用不同的方式看待这个问题?
目的:找反例证伪
假设化追问
暴露隐藏前提
  • 你这里的假设是什么?
  • 你的结论基于哪些前提?
  • 如果这个假设不成立,你的结论会怎么变?
  • 有没有可能这个假设是错的?
目的:暴露隐藏前提
Chapter 02

产生观点——7种追问类型

继续追问,不是重复同一个问题,而是切换思考角度。下面这 3 种更适合用来补细节、做比较和逼 AI 自我校验。
细化化追问
填补推理跳跃
  • 第三步我没理解,能再展开吗?
  • 从 A 到 B 的推理过程,你能拆成更细的步骤吗?
  • 你说的“X”包含哪些子项?
目的:填补推理跳跃
对比化追问
创造参照系
  • 方案 A 和方案 B 比,各自的优缺点是什么?
  • 如果不做这个,会怎样?
  • 这个结论和另一个常见观点有什么不同?
  • 在 X 维度上,A 和 B 哪个更好?
目的:创造参照系
元追问
让 AI 自我怀疑
  • 你对这个回答的置信度是多少?1-10 分?
  • 这个回答中,你最不确定的部分是什么?
  • 如果要推翻这个结论,最可能的原因是什么?
  • 你还需要什么信息才能更有把握?
  • 你的回答中,哪一部分最依赖假设?
目的:让 AI 自我怀疑
Chapter 02

产生观点——确认理解法

对 AI 采取一次“我说你听”的动作。这种方法有个名字,叫做理解校验法
Step 1
表达
AI 先输出一段解释、判断或方案。
Step 2
理解
你先判断自己到底理解了什么,而不是直接默认“听懂了”。
Step 3
复述
用你自己的话重新组织、翻译、表达一遍。
Step 4
确认
向 AI 追问:你说的是这个意思吗?让它肯定或纠偏。
理解校验的必要性
01 表达 ≠ 理解

AI 输出的内容逻辑通顺、用词专业,容易给人一种“它说得对,我也听明白了”的错觉。但这种感觉往往是语义的流畅性幻觉,你只是“读懂了字面”,未必抓住了概念之间的关系、隐含假设或边界条件。

02 推理会被自动跳过

AI 的回答中经常存在推理的省略,例如从 A 到 C,跳过了 B。当你没有主动复述时,大脑会下意识地用自己的假设填补这些跳跃,导致你理解的 B 和 AI 原本的 B 不是同一个东西。

03 错误共识成本极高

如果你带着一个“自以为正确但实际上有偏差”的理解继续讨论,后续所有方案、判断、行动都会在这个偏差上层层叠加,最终导致方向性错误。而这个问题在最开始用 30 秒复述一下就能发现。

Chapter 02

产生观点——确认理解法

AI 助手
“要自动生成课程视频,核心难点在于教学逻辑的自主规划。AI 需要先拆解知识点,然后为每个知识点选择最合适的讲解策略,比如类比、案例或问题驱动,再生成对应分镜脚本和素材。”
“我理解你的意思是:AI 不能直接把文本转成视频,而是要先像老师备课一样,把知识拆成小块,每一块单独决定用什么教学方法,然后再为每个方法生成视频片段。你说的是这个意思吗?”
AI 助手
“是的,你的理解完全正确。补充一点:教学方法的选择也需要根据前后知识点关系动态调整,不是独立决定的。”
你因此获得了更精准的认知,而且没有跳过“教学方法并非独立决定”这个隐含细节。
Chapter 02

观点验证的2个方向

当你已经有了一个判断,接下来要先分清楚:你缺的是外部事实,还是已有数据里的证据。
Direction 1
调研
适用场景
你还不知道用户是否真有这个痛点,也不清楚市场上别人怎么做,需要补外部事实。
典型问题
用户真的在意吗?竞品已经怎么解决了?还有没有更常见的替代方案?
Direction 2
数据分析
适用场景
你手里已经有行为数据、业务数据或实验结果,需要从数据里判断问题到底发生在哪、差异有多大。
典型问题
流失发生在哪一步?哪类用户差异最大?某次改动之后指标到底变好了还是变差了?
Chapter 02

观点验证——调研

方式 01

竞品调研

竞品调研五维法

  • 功能
    做了什么?没做什么?
  • 入口
    如何找到?主动 / 被动触达?
  • 交互
    操作几步?操作是否顺畅?
  • 数据
    怎么衡量效果?有公开数据?
  • 用户评价
    喜欢什么?吐槽什么?
方式 02

用户调研

用户调研四问法

  • 问行为
    你现在遇到这个问题,通常会怎么做?
  • 问场景
    上次遇到这个问题是什么时候?当时在干嘛?
  • 问痛点
    这个过程中,你最烦的是什么?
  • 问替代
    如果这个功能没了,你会用什么代替?
方式 03

无资源调研

没有预算,也能先拿到一手信号

客服聊天记录
应用商店评论
内部员工访谈
自己扮演用户
Chapter 02

观点验证——数据分析

方法 / 做什么
不是所有数据都用同一种看法。关键是先判断:你要看的是流失、差异、变化,还是背后的原因。
漏斗分析
看用户从哪一步到哪一步流失
漏斗图 桑基图 路径流转图
分布分析
看数据集中在哪个区间
直方图 箱线图 密度图
对比分析
比 A 组和 B 组的差异
柱状图 分组条形图 雷达图
趋势分析
看数据随时间的变化
折线图 面积图 时间序列图
归因分析
找哪个因素导致了结果
散点图 回归图 贡献度瀑布图
用户分群
把用户切成不同组来看
聚类散点图 热力图 分群气泡图
Chapter 02

明确需求——5W1H 法

提问者
用 5W1H 法分析一下这个需求:“我想做一个帮公考考生刷题的产品”。
AI 助手
好的,以下是用 5W1H 法对这个需求进行梳理的结果。
What
要做什么

一款面向公考考生的刷题工具,覆盖行测和申论,支持章节练习、历年真题模考、错题本、薄弱点智能推荐等功能。

Why
为什么要做
  • 解析质量参差不齐,很多题只有答案没有讲解。
  • 缺少个性化推荐,考生会重复刷已掌握题目。
  • 申论主观题难自动批改,答题水平缺少反馈。
  • 碎片化刷题体验差,很多 APP 太重、广告太多。

目标是做一款题目质量高、推荐精准、申论可辅助批改的轻量级工具。

Who
谁使用、谁受益
  • 核心用户:备考国考、省考、事业单位的考生。
  • 次要用户:公考培训机构、独立备考者。
  • 受益者:考生提效,机构提升学员粘性。
Where
在什么场景下使用
  • 日常刷题:通勤、午休、排队时,用手机快速刷 5-15 分钟。
  • 深度练习:晚上或周末在家完成模考、复盘错题。
  • 冲刺阶段:考前两周高强度刷真题,模拟考试环境。
  • 申论练习:安静环境下打字作答,查看 AI 批改反馈。
When
什么时候用
  • 备考周期通常在考前 3-6 个月,每天使用 1-2 小时。
  • 高频时段是晚间 20:00-22:00 和周末全天。
  • 关键节点集中在报名后、模考前后、考前冲刺期。
Chapter 02

明确需求——5W1H 法

AI 助手
下面只展开 1H,也就是“怎么实现”。
实现方案
How
怎么实现
核心功能
题库:行测近 5 年真题 + 模拟题 申论真题 + 范文 智能练习:按正确率推荐薄弱题型 模考系统:计时 / 交卷 / 排名 / 解析 错题本:自动收录 + 变式题推荐 申论 AI 批改:关键词 / 结构 / 范文对比
技术方案
服务模式:题库服务 + AI 批改服务 产品形态:小程序为主,APP 为辅 技术栈:前端应用 + 后端服务 + 大模型能力 技术架构:题库层、推荐层、批改层、数据层
交付边界
本期实现
实现试题筛选 实现章节练习 实现错题本 实现模考与基础批改反馈
本期不实现
不实现试题搜索 不实现试题上传 不实现复杂社区互动 不实现机构端教学后台
提示
单独存储为 md 文档:作为项目落地的唯一真相
Chapter 02

明确需求——需求文档的基本框架

5W1H 的作用,是把模糊需求压缩成一份团队可以共享、可以拆解、可以执行的需求文档。
Part 1
背景与目标
  • 为什么要做
    项目背景、用户痛点、业务目标,以及这次要解决的核心问题。
  • 做到什么算成功
    明确阶段目标、验收标准和优先级,避免团队各自理解不同。
Part 2
用户与场景
  • 谁在什么场景下使用
    核心用户、次级用户、使用频次、关键场景和触发时机。
  • 用户想完成什么任务
    用户任务链路、关键动作和当前替代方案。
Part 3
功能与流程
  • 功能清单
    要做什么、不做什么、先做什么,明确功能边界。
  • 关键流程
    页面流转、输入输出、状态变化、异常分支和核心交互。
Part 4
约束与边界
  • 项目约束
    技术栈、数据来源、时间排期、合规限制、资源条件。
  • 范围边界
    这次具体做什么、不做什么,优先解决哪部分问题,先做到什么程度。
Chapter 02

明确需求——需求文档的后续用途

一份好的需求文档,不只是“写给产品自己看”,而是后续所有执行角色的对齐底稿。
Frontend
前端开发
  • 确定页面和状态
    哪些页面要做、每个页面有哪些状态、用户在页面间如何流转。
  • 明确交互优先级
    哪些先做 MVP,哪些先用占位方案,避免前端盲目铺功能。
Backend
后端开发
  • 拆接口和业务规则
    输入输出、权限控制、流程节点、异常处理,都能从文档里反推接口设计。
  • 稳定协作边界
    前后端对接口口径一致,减少“你以为我会返回这个字段”的沟通损耗。
Database
数据库应用
  • 确定数据对象
    需要哪些表、哪些字段、对象之间是什么关系、哪些字段要被追踪。
  • 支持分析和迭代
    如果文档提前写清指标和埋点,后续数据分析、AB 实验和运营复盘都会更顺。
Go To Market
产品包装与运营
  • 提炼卖点和话术
    运营、销售、内容团队可以直接从文档里抽核心价值、目标人群和使用场景。
  • 设计上线动作
    冷启动策略、用户分层、活动方案、转化漏斗,都依赖文档中写清的目标和边界。
Chapter 03

如何约束AI输出格式

Chapter 03

如何约束AI输出格式

关于 AI 提供信息的格式,我们通常说的是 2 层格式:外层是容器格式,决定内容怎么包;内层是内容格式,决定信息怎么排。
容器格式
定义
决定内容怎么包、怎么展示,主要影响阅读体验和复制便利性。
包含类型
纯文本、Markdown、代码块
示例
## 本周进展 - 已完成竞品调研 - 待确认接口字段
内容格式
定义
决定信息怎么组织、怎么排列,主要影响表达是否清晰。
包含类型
列表、表格、标题层级、引用、JSON、Mermaid
示例
任务清单 → 列表 方案对比 → 表格 流程步骤 → Mermaid
指令示例
请以列表方式对比 A 和 B 在定义、适用场景的区别,最终结果以 md / markdown 方式输出。
Chapter 03

如何约束AI输出格式——容器格式

选择逻辑:简单回复用纯文本;给人或 AI 工具继续看、继续改用 Markdown;需要完全原样复制时用代码块。
纯文本
类型
不加任何额外包装,直接把内容发出来。
示例
已完成竞品调研。下一步整理需求文档。当前风险是接口字段还没对齐。
适用:一句话回复、即时沟通、简单状态同步。
触发关键词:简单回复、直接说、简短一点、不要排版。
Markdown
类型
带结构化排版,方便人看,也方便继续交给 AI 工具处理。
示例
## 本周进展 - 完成竞品调研 - 整理用户痛点 - 待确认接口字段
适用:周报、需求整理、知识总结、给 AI 二次加工。
触发关键词:用 Markdown、整理成文档、加标题、分点输出。
代码块
类型
把内容完整包起来,方便原样复制,不让格式跑掉。
示例
```markdown ## 本周进展 - 完成竞品调研 - 整理用户痛点 ```
适用:Prompt、配置、模板、需要原样保留的内容。
触发关键词:放代码块、方便复制、原样输出、不要改缩进。
Chapter 03

如何约束AI输出格式——内容格式

基础选择:清单用列表;对比用表格;长文或复杂说明用标题层级。它们都可以放在纯文本、Markdown 或代码块里。
列表
类型
把信息逐条列出来,适合清单式表达。
示例
- 用户是谁 - 痛点是什么 - 本期先做什么
适用:任务清单、步骤说明、风险项罗列。
关键词:列一下、分点、清单、逐条、步骤。
表格
类型
把信息按列排开,适合横向比较。
示例
| 方案 | 优点 | 风险 | | A | 快 | 一般 | | B | 稳 | 慢 |
适用:方案对比、角色差异、产品优劣比较。
关键词:对比、表格、维度、横向看、优缺点。
标题层级
类型
按章节结构组织内容,适合长文、大纲和文档。
示例
# 需求背景 ## 用户场景 ## 功能范围 ## 约束与边界
适用:报告、方案、需求文档、知识整理。
关键词:大纲、分章节、按层级、结构化长文。
Chapter 03

如何约束AI输出格式——内容格式进阶

进阶选择:原话、结论摘录用引用;程序解析、结构化传参用 JSON;流程图、时序图、链路说明用 Mermaid。
引用
类型
把原话单独拎出来,强调“这句话不是总结,是原文”。
示例
> 这期先做试题筛选,不做社区互动。
适用:用户原话、会议结论、政策原文摘录。
关键词:原话、引用、摘录、原文、保留口径。
JSON
类型
用固定字段把信息写成结构化数据,方便程序解析。
示例
{ "role": "teacher", "goal": "快速出题", "scope": ["题库", "组卷"] }
适用:接口返回、配置文件、Agent 参数传递。
关键词:JSON、结构化、字段、程序读取、机器解析。
Mermaid
类型
用文本描述流程图或关系图,再交给工具渲染成图。
示例
flowchart LR 想法 --> 验证 验证 --> 需求 需求 --> 执行
适用:流程图、时序图、链路说明、系统关系图。
关键词:流程图、时序图、画图、链路、节点关系。
Chapter 03

本期作业

作业任务
选择一个真实工作需求,完成一次“从想法到需求”的完整转化。
作业主题
把一个真实工作需求,整理成一份可理解、可验证、可执行的需求文档。
作业内容
  • 先选一个真实工作需求,写出你的初始想法。
  • 用至少 2 种“产生观点”方法,把想法补充成更清晰的判断。
  • 用“调研”或“数据分析”完成一次观点验证。
  • 最后用 5W1H 方式整理成一份明确需求文档。
交付物
按需求文档的基本框架提交,包含背景与目标、用户与场景、功能与流程、约束与边界。
交付时间
6 月 7 日前
Closing
THANKS
下一节:前端基础知识 + 前端 Coding