agentleFS
imwyvernimwyvern/AIWorkFlowSkill/requirement-discovery/SKILL.md

需求调研与发现

Skill2 starsChanged 7 months agoMITView on GitHub

帮助识别、评估和验证需求,在开始设计之前确保方向正确

The file

Files
SKILL.md

需求调研与发现 Skill

做正确的事,比正确地做事更重要。本 Skill 帮助你在开始设计之前,确保需求方向正确。

速查表

我想...跳转到
评估需求优先级RICE 评分
评估 AI 可行性AI 能力边界评估
做用户调研快速用户调研
验证需求假设假设验证循环
生成调研报告调研报告模板

核心流程: 识别需求来源 -> 用户调研 -> 评估优先级 -> AI可行性 -> 输出调研报告


关联 Skill

Skill关系说明
doc-writing下一步调研完成后,撰写需求文档
doc-review后续需求文档完成后评审
development后续评审通过后开发
code-review后续开发完成后代码评审

完整工作流: requirement-discovery -> doc-writing -> doc-review -> development -> code-review


使用场景

  • "帮我调研一下这个需求"
  • "评估一下这个功能要不要做"
  • "这个 AI 功能技术上可行吗"
  • "帮我做一下用户调研"
  • "这几个需求哪个优先级更高"

调研流程

第一步: 识别需求来源

需求通常来自以下 4 个来源:

来源说明如何获取
用户反馈用户直接提出的需求客服记录、用户访谈、评论
竞品功能竞争对手有我们没有竞品分析 (见 doc-writing)
团队洞察团队发现的机会点头脑风暴、日常观察
市场趋势行业发展方向行业报告、技术趋势

需求来源记录模板:

## 需求来源记录

| 来源类型 | 需求描述 | 提出人/渠道 | 日期 |
|---------|---------|------------|------|
| 用户反馈 | [需求描述] | [来源] | YYYY-MM-DD |

第二步: 快速用户调研

不需要重型的调研,5 分钟用户访谈法足够

5 分钟用户访谈法

核心问题 (按顺序问):

#问题目的
1"你现在是怎么解决这个问题的?"了解现状
2"这个过程中最让你头疼的是什么?"挖掘痛点
3"如果有个工具能帮你 [解决痛点],你愿意用吗?"验证需求
4"你愿意为此付费吗? 大概多少?"验证价值
5"还有什么我没问到但你想说的?"开放收集

访谈记录模板:

## 用户访谈记录

**访谈对象**: [用户基本信息]
**访谈日期**: YYYY-MM-DD
**访谈时长**: X 分钟

### 现状
[用户目前如何解决问题]

### 痛点
[用户最大的痛点是什么]

### 需求验证
- 需求是否存在: [OK]/[X]
- 愿意使用: [OK]/[X]
- 愿意付费: [OK]/[X] [金额]

### 其他发现
[用户提到的其他有价值信息]

用户画像模板

## 目标用户画像

### 基本信息
| 项目 | 描述 |
|------|------|
| 用户类型 | [如: 产品经理/开发者/普通用户] |
| 年龄段 | [如: 25-35] |
| 技术水平 | [高/中/低] |

### 核心特征
- **目标**: [用户想要达成什么]
- **痛点**: [用户最大的困扰]
- **现有解决方案**: [目前怎么解决]
- **为什么不满意**: [现有方案的问题]

### 使用场景
[用户在什么情况下会使用我们的产品]

第三步: RICE 需求评分

量化评估需求优先级,避免主观判断

RICE 评分公式

RICE 分数 = (Reach x Impact x Confidence) / Effort
因素含义评分方式
Reach (触达)影响多少用户?预计用户数 / 时间周期
Impact (影响)对用户的影响程度?3=大 / 2=中 / 1=小 / 0.5=极小
Confidence (信心)对估算的信心?100%=高 / 80%=中 / 50%=低
Effort (投入)需要多少人力?人天数

RICE 评分表模板

## 需求 RICE 评分

| 需求 | R(触达) | I(影响) | C(信心) | E(投入) | RICE分数 | 优先级 |
|------|---------|---------|---------|---------|----------|--------|
| 需求A | 1000 | 3 | 80% | 5 | 480 | P0 |
| 需求B | 500 | 2 | 50% | 10 | 50 | P2 |
| 需求C | 2000 | 1 | 100% | 2 | 1000 | P0 |

### 优先级结论
1. **P0 (必做)**: 需求C (RICE=1000)、需求A (RICE=480)
2. **P1 (应做)**: ...
3. **P2 (可选)**: 需求B (RICE=50)

RICE 评分指南

Reach (触达) 估算:

  • 日活用户 x 使用比例
  • 例: 1000 DAU x 50% = 500

Impact (影响) 评分:

分数含义示例
3巨大影响核心功能,显著提升体验
2较大影响重要功能,明显改善
1一般影响有帮助,锦上添花
0.5微小影响可有可无

Confidence (信心) 评分:

分数含义
100%有数据支撑,非常确定
80%有用户反馈,比较确定
50%直觉判断,不太确定

Effort (投入) 估算:

  • 单位: 人天
  • 包含: 设计 + 开发 + 测试

第四步: AI 能力边界评估

AI 不是万能的,提前评估技术可行性

AI 可行性检查清单

检查项问题评估
效果预期AI 能达到用户期望的效果吗?[OK] 能 / [!] 部分能 / [X] 不能
数据依赖需要什么数据? 我们有吗?[OK] 有 / [!] 需获取 / [X] 无法获取
模型能力现有模型能支持吗?[OK] 能 / [!] 需调优 / [X] 不能
响应时间能在用户可接受的时间内响应吗?[OK] 能 / [!] 边界 / [X] 太慢
成本可控Token 成本在预算内吗?[OK] 可控 / [!] 边界 / [X] 太贵
内容安全有内容安全风险吗?[OK] 安全 / [!] 需审核 / [X] 高风险

AI 功能可行性评估模板

## AI 功能可行性评估

### 功能描述
[描述 AI 功能的目标]

### 评估结果

| 维度 | 评估 | 说明 |
|------|------|------|
| 效果预期 | [OK]/[!]/[X] | [说明] |
| 数据依赖 | [OK]/[!]/[X] | [说明] |
| 模型能力 | [OK]/[!]/[X] | [说明] |
| 响应时间 | [OK]/[!]/[X] | [说明] |
| 成本可控 | [OK]/[!]/[X] | [说明] |
| 内容安全 | [OK]/[!]/[X] | [说明] |

### 可行性结论
- [OK] **可行**: 可以开始设计
- [!] **有条件可行**: 需要 [条件]
- [X] **不可行**: 原因 [原因]

### 建议方案
[如果有条件可行或不可行,替代方案是什么]

常见 AI 能力边界

场景AI 能力注意事项
对话/问答[OK] 擅长可能产生幻觉
文本生成[OK] 擅长需要审核
翻译[OK] 擅长专业领域需调优
代码生成[!] 中等需要人工审核
图像识别[!] 中等准确率有限
实时数据[X] 不擅长需要外部数据源
100%准确[X] 无法保证必须接受误差

第五步: 假设验证循环

创业的本质是验证假设

假设验证循环

构建假设 -> 设计 MVP -> 收集数据 -> 验证/推翻 -> 迭代

需求假设模板

## 需求假设

### 假设陈述
我们相信 [目标用户] 在 [场景] 下,
有 [痛点/需求],
如果我们提供 [解决方案],
他们会 [期望行为]。

### 验证指标
- 成功指标: [如何判断假设成立]
- 失败指标: [如何判断假设不成立]

### 验证方式
- [ ] 用户访谈 (N=?)
- [ ] 问卷调查 (N=?)
- [ ] MVP 测试
- [ ] A/B 测试

### 验证结果
- 状态: [OK] 验证通过 / [X] 推翻 / [~] 需要更多数据
- 结论: [基于数据的结论]
- 下一步: [行动计划]

MVP 思维

原则说明
最小只实现验证假设所需的最小功能
可行必须是可用的,不是 Demo
产品为真实用户解决真实问题

调研报告输出

完成调研后,输出以下格式的报告:

# [需求名称] 调研报告

## 报告信息
| 项目 | 内容 |
|------|------|
| 需求来源 | [用户反馈/竞品/团队洞察/市场趋势] |
| 调研日期 | YYYY-MM-DD |
| 调研结论 | [OK] 建议推进 / [!] 需要更多验证 / [X] 不建议推进 |

## 需求概述
[一句话描述需求]

## 目标用户
[用户画像简述]

## RICE 评分
| R(触达) | I(影响) | C(信心) | E(投入) | RICE分数 |
|---------|---------|---------|---------|----------|
| X | X | X% | X人天 | X |

## AI 可行性 (如适用)
| 维度 | 评估 |
|------|------|
| 效果预期 | [OK]/[!]/[X] |
| 技术可行 | [OK]/[!]/[X] |
| 成本可控 | [OK]/[!]/[X] |

## 验证情况
- 用户访谈: [X] 人,[结论]
- 竞品对比: [结论]
- 技术评估: [结论]

## 结论与建议
### 结论
[是否建议推进,理由]

### 建议的下一步
1. [行动项1]
2. [行动项2]

### 风险提示
- [风险1]
- [风险2]

调研原则

1. 速度优先

  • 不要追求完美调研
  • 快速验证,快速迭代
  • 80% 的信心足够开始

2. 数据说话

  • 用数据支撑决策
  • 避免"我觉得"
  • 小样本也比没有强

3. 用户视角

  • 从用户痛点出发
  • 不是"我们能做什么"
  • 而是"用户需要什么"

4. 接受失败

  • 推翻假设也是成功
  • 早发现比晚发现好
  • 不要为沉没成本坚持

下一步

调研完成后,使用 doc-writing skill 撰写需求文档:

"帮我写一个需求文档"

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.