需求三层模型自动拆解

核心原则

1. 表层是症状不是病因——用户说出的需求是冰山一角，三层模型要穿透表层直达本质动机，每一层都必须比上一层更接近"为什么"
2. 推断必须可追溯——行为需求和本质需求都是推断结果，inference_basis字段必须明确记录推断逻辑和数据来源，拒绝无依据猜测
3. 置信度逐层递减——表层需求置信度1.0（直接引用），行为需求0.7-0.9（场景推断），本质需求0.4-0.7（深层推断），每层置信度下降是正常的，关键是标注清楚
4. 验证标记不可省略——本质需求置信度<0.5必须标记validation_needed=true，行为需求置信度<0.7必须标记validation_needed=true，低置信度不是错误而是待验证假设

交互模式

🤖→👤 AI建议人类审批

输入

Input JSON 示例结构

{
  "requirements": [
    {
      "id": "REQ-001",
      "source": "用户反馈",
      "content": "希望增加批量导出功能",
      "context": "运营人员日常报表处理",
      "frequency": 8,
      "sentiment": "negative"
    },
    {
      "id": "REQ-002",
      "source": "业务方",
      "content": "需要支持多语言界面",
      "context": "海外业务拓展",
      "frequency": 3,
      "sentiment": "neutral"
    }
  ]
}

执行步骤

Step 1: 表层需求提取

直接提取用户或业务方明确表达的需求内容。

• 逐条读取原始需求列表，提取用户/业务方直接说出的内容
• 保留原始表述，不做推断和改写
• 置信度 = 1.0（因为是直接引用，无需推断）
• 输出格式：{ surface: "原始表述", confidence: 1.0 }

Step 2: 行为需求推断

从表层需求推断用户在什么场景下、实际会产生什么行为。

• 推断规则：
• 分析表层需求 → 识别用户所处的使用场景
• 推断用户在该场景下的实际行为模式
• 关联behavior-analysis.json中的行为数据作为佐证
• 推断模式：
• "希望增加XX功能" → 场景：XX场景下需要完成YY → 行为：当前通过ZZ方式替代
• "需要支持XX" → 场景：XX条件下无法完成YY → 行为：转向竞品或手动处理
• "XX太慢/太卡" → 场景：高频操作XX时体验受阻 → 行为：减少使用频率或寻找替代方案
• "找不到XX" → 场景：信息架构不清晰导致迷失 → 行为：反复搜索或求助他人
• "XX操作太复杂" → 场景：任务流程步骤过多 → 行为：跳过非必要步骤或放弃使用
• "希望XX能自动" → 场景：重复性操作消耗精力 → 行为：手动执行但产生挫败感
• "XX数据不准" → 场景：决策依赖数据但数据不可靠 → 行为：交叉验证或延迟决策
• 置信度范围：0.7-0.9（基于推断逻辑的合理性和数据佐证程度）
• 输出格式：{ behavioral: "场景+行为描述", confidence: 0.7-0.9, inference_basis: "推断依据" }

Step 3: 本质需求推断

从行为需求推断为什么用户需要这样做，挖掘底层动机。

• 推断规则：
• 行为需求 → 用户为什么需要这样做 → 底层动机/价值观
• 使用5Whys思维框架进行单步深挖
• 参考JTBD分析中的Emotional/Social Job作为交叉验证
• 推断模式：
• "批量导出" → 减少重复劳动 → 追求效率和成就感
• "多语言支持" → 服务海外客户 → 追求业务拓展和竞争力
• "实时通知" → 不想错过信息 → 追求掌控感和安全感
• "操作简化" → 降低认知负荷 → 追求轻松体验和自主感
• "数据准确性" → 避免决策失误 → 追求确定性和信任感
• "个性化定制" → 适配自身工作流 → 追求自主性和归属感
• "协作功能" → 减少沟通成本 → 追求社交连接和团队认同
• "权限管理" → 保护敏感信息 → 追求安全感和控制权
• "移动端支持" → 随时随地处理事务 → 追求灵活性和自由度
• "数据可视化" → 快速理解复杂信息 → 追求认知确定性和决策信心
• 置信度范围：0.4-0.7（本质需求推断不确定性较高，需标注验证状态）
• 输出格式：{ essential: "底层动机描述", confidence: 0.4-0.7, inference_basis: "推断依据" }

Step 4: 置信度标注

对每条需求的三层拆解结果进行置信度标注和验证标记。

• 置信度规则：
• 表层需求：1.0（直接引用）
• 行为需求：0.7-0.9（有场景推断，可能存在偏差）
• 本质需求：0.4-0.7（深层推断，不确定性高）
• 验证标记规则：
• 本质需求置信度 < 0.5 → validation_needed: true
• 行为需求置信度 < 0.7 → validation_needed: true
• 其他 → validation_needed: false

输出

输出文件：output/pm-discovery/insight-requirement-layers/requirement-layers.json

输出Schema：

{
  "type": "object",
  "required": ["analysis_metadata", "requirement_layers", "summary"],
  "properties": {
    "analysis_metadata": {"type": "object", "description": "分析元数据，包含来源、需求数量和时间戳"},
    "requirement_layers": {"type": "array", "description": "需求三层拆解结果列表"},
    "summary": {"type": "object", "description": "拆解统计摘要"}
  }
}

输出校验规则

Output JSON 格式

{
  "analysis_metadata": {
    "source": "原始需求列表",
    "total_requirements": 0,
    "analysis_timestamp": "ISO8601"
  },
  "requirement_layers": [
    {
      "id": "REQ-001",
      "source": "用户反馈",
      "surface": {
        "content": "希望增加批量导出功能",
        "confidence": 1.0
      },
      "behavioral": {
        "content": "运营人员在月度报表场景下，需要一次性导出多份报表，当前只能逐个导出",
        "confidence": 0.85,
        "inference_basis": "用户反馈频率8次+行为数据：报表导出页面平均停留时长异常"
      },
      "essential": {
        "content": "追求工作效率，减少重复性劳动，获得工作成就感",
        "confidence": 0.6,
        "inference_basis": "从行为需求推断+JTBD情感Job交叉验证"
      },
      "validation_needed": true,
      "validation_reason": "本质需求置信度0.6<0.7，建议通过用户访谈验证"
    },
    {
      "id": "REQ-002",
      "source": "业务方",
      "surface": {
        "content": "需要支持多语言界面",
        "confidence": 1.0
      },
      "behavioral": {
        "content": "海外团队在使用系统时因语言障碍导致操作效率低，需借助翻译工具",
        "confidence": 0.75,
        "inference_basis": "业务方需求描述+海外团队反馈"
      },
      "essential": {
        "content": "降低跨文化协作成本，提升全球化业务竞争力",
        "confidence": 0.45,
        "inference_basis": "从行为需求推断，缺乏直接数据佐证"
      },
      "validation_needed": true,
      "validation_reason": "本质需求置信度0.45<0.5，必须标记需人类验证"
    }
  ],
  "summary": {
    "total": 0,
    "needs_validation": 0,
    "high_confidence": 0
  }
}

决策规则

质量检查

• [ ] 每条需求三层（surface/behavioral/essential）均已拆解
• [ ] 每层均有置信度标注
• [ ] 本质需求已标记验证状态（validation_needed字段）
• [ ] 低置信度项已列入验证清单
• [ ] 推断依据（inference_basis）非空

降级策略

当上游文件不存在时，本Skill仍可独立执行：

数据获取说明：

• 本Skill需要需求列表数据，请通过以下方式之一提供：

1. 直接粘贴需求文本
2. 上传需求列表JSON/CSV文件
3. 提供数据文件路径

• AI不负责外部数据采集，仅负责分析

上游变更响应

上游变更影响

下游通知机制