你真的知道自己要什么吗？

导读

Agent 无法感知你内在的真实意图，只能基于提示信息推测目标；所以「你要什么」必须由你说清楚。需求澄清，就是把脑海里模糊的想法，转化成一份可供 Agent 稳定执行的约定，避免它努力地做错事。

我的实践结论：启动复杂任务前，先和 AI 完成一轮需求澄清，对范围边界和潜在风险与 AI 达成共识，可以极大提升效率，极大减少返工，极大减少不必要的询问，极大减少对话轮次，极大……

总之好处多得数不清，坏处一个都找不到！

人与 AI 是一套新的软件生产关系

成熟组织把这对角色设计成两种相反的思维逻辑：

• 一个负责天马行空，不被现有资产束缚，是迭代的动力源；
• 一个扎根现有资产，负责把对方拉回现实。

在软件公司，技术人员天然拥有一个无法反驳且难以替代的职能：用现实的成本结构向管理层提供反馈。

• 「这个能做，但要两周」；
• 「这个改动会牵连三个模块的重构」；
• 「这个数据我们没有」；
• 「这个迭代，会导致稳定性下降」。

这些反馈往往是需求校准的唯一真实信号。

与此同时，产品经理的角色一般背负截然相反的 KPI。

PRD（产品需求文档）、评审、估时、Code Review、验收测试——这些繁琐的流程其实都是刻意设计的，专门为两套对立的思维留出博弈的机会。博弈只要不滑向互相敌对，也不滑向一方彻底失声，产品就会时刻迸发旺盛的生命力。

但在人与 AI 协作时，这套分工会彻底失效。

AI 特别擅长给出一个「看起来完整」的方案。而且极其顺从，几乎从不反驳。于是，原本存在于两套思维之间的对抗张力，立刻坍缩为 0。

AI 的反馈是没有成本概念的。机器幻觉会不知不觉地从代码层上移到需求层：你以为自己在迭代一个清晰的目标，实际上是在一轮轮顺从中，把自己的模糊不断放大成一套完整但错位的怪胎。

所以，非编程人员比专业团队更需要一套挖掘真实需求的工具。