让AI反过来问你：AI采访式需求梳理法，让需求文档不再反复返工

先说个尴尬事：上个月需求评审，我拿着改了六版的需求文档进会议室，开发看了一眼，开口就问：“审核不通过退回后，流程到底是从节点重走，还是直接作废重提？”我当时心里咯噔一下——文档里确实没写。已经是第六版了，还是漏了最基础的异常分支。更扎心的是，这个需求本身并不复杂，就是内部系统加一个审批环节，结果文档来回改，核心原因不是我不努力，而是我在写之前压根没想透。

后来我换了一个很反直觉的做法：不让AI直接帮我写答案，而是让AI反过来“采访”我。它问，我答；它再追，我再补；最后让它把对话整理成正式的需求文档。一套下来，文档返工次数几乎降为零。今天我把自己搭的这套“AI采访式需求梳理法”完整拆开讲，包括提示词底稿、提问框架、实操流程和踩坑记录，适合经常被需求文档反复折磨的产品经理、项目负责人，也适合想用AI Agent帮自己理清思路的任何人。

1. 为什么“让AI直接写”容易翻车，反过来问反而靠谱

1.1 不交代上下文就让AI写，等于让新人闭眼干活

很多人用过AI写需求文档，第一句话往往是这样的：“帮我写一份会员系统的需求文档”。AI确实能在一分钟里吐出积分、等级、优惠券、签到、分享得奖励……看起来什么都有，但这份文档大概率不能用。因为你没告诉它：这个会员系统是给谁用的？要解决什么业务问题？现有系统是什么？哪些功能这期必须做、哪些这期根本不做？

打个比方，这就像你让一个刚入职的实习生去设计报销流程，只跟他说“做个报销功能”，然后怪他设计得太复杂。问题的根源不是AI能力不行，而是需求上下文完全没有传导给它。普通对话模型本质上是一个“极强的新同事”，它懂得很多常识，但不了解你公司内部的特殊情况，所以一旦你跳过信息输入，它只能靠“行业通识”来脑补，脑补出来的方案自然是又全又空、无法落地。

1.2 采访式做法的本质：把需求评审前置到动笔之前

我试过很多办法去填这个信息差，比如把所有资料喂给AI，让它“分析一下再写”；或者给它一个复杂的提示词模板，让它按模板输出。效果有好有坏，好的是结构规整，不好的地方在于——它把我没想清楚的东西，用看起来很专业的句子掩盖过去了。

后来我才想明白一个问题：需求文档返工，最关键的瓶颈往往不是“写不清楚”，而是“没想清楚”。于是我想，能不能让AI像记者一样采访我？由它来一步步问，我负责回答。如果某个问题我答不上来，那恰恰说明这个点我还没想清楚，晚点它就会在开发阶段变成返工。把这些问题在访谈阶段全部曝出来，等于提前做了一次无死角的需求评审，比写完文档再评审要高效太多。

这个思路之所以能落地，还得多亏了现在的AI Agent特性。普通搜索工具只能给答案，但大语言模型天然擅长多轮对话，能记住你前面说过什么，还能在你语焉不详的时候反复追问。你只要给它定好角色和追问规则，它就像个较真的产品同事。这类工具的载体很多：在Cursor里、在各类AI Agent工作台里、在在线对话工具里都能用，区别只在于你愿不愿意把流程固化下来。

2. 整体玩法设计：先定角色，再定一套提问框架

2.1 给AI一个角色，比给AI一堆命令更好用

从一开始我就没有用“帮我问问题”这种大白话提示词，因为效果不稳定，它会问几个就停下来，或者开始自问自答。折腾了几轮后，我把角色设定固定下来了，让它扮演一个“资深产品访谈员”，不是帮我写文档的人，而是靠提问帮我把需求逼出来的人。

为什么角色设定很重要？因为大语言模型会根据用户给的指令调整行为模式。当你说“你是访谈员”的时候，它的提问意愿、追问逻辑、信息整理方式，都会向一个访谈者靠拢，而不是急着给出方案。试过几次以后发现，给AI设定一个明确角色，比单纯命令它“不要给建议”要管用得多。角色本身会带着一套天然的会话规则。

2.2 需求文档必答的九类问题，一个都不能少

光有角色还不够，还得让AI知道该问哪些方面。我把平时写需求文档踩过坑的点，总结成九个模块，让AI按模块逐层提问。这样既不会漏掉重要内容，又能在提问过程中自然排序。

我给AI的核心指令是，上面这些模块都要覆盖，但一次不要全抛出来，要像正常访谈一样按节奏推进。如果一个模块我已经讲清楚了，不要反复纠缠，直接进入下一个模块；如果我的回答里存在明显的前后矛盾或歧义，它应该把理解复述一遍并问我“是不是这个意思”，而不是自己默默修正。

2.3 分轮次提问，而不是一次性抛出三十个问题

最开始踩过一个坑：我把九个模块的所有问题一次性塞给AI，让它“根据这些提问”，结果它直接生成了五页纸的问题清单，差点把我劝退。后来我想明白了，一次问3到5个问题是最舒服的节奏，回答的人不会觉得压力大，也不容易敷衍。再多的话，前几个问题回答得还认真，到后面就开始为省事而回答，质量直线下降。

我的解决方式很简单：在系统提示词里明确写“每轮只能问3到5个问题，上一轮问题没有完全得到回答前，不要跳到下一个话题”。有这句话之后，AI就变“稳”了，会像真人采访一样等着你回答，然后根据你的内容继续往下挖。需要说明的是，我用的这套提示词基本不挑工具，无论是对话框还是自定义 Agent 都可以跑，核心是先让AI遵守提问纪律。

3. 实操全过程：从一团模糊到一份能直接用的需求文档

3.1 先丢一份可以直接抄走的提示词底稿

在进入实操流程前，先放一份我目前的提示词底稿。如果你要复现，不用一字不改，但建议核心规则先保留，跑顺后再按自己行业调整。

text复制# Role
你是一名参与过多个B端、C端产品从0到1的资深需求访谈员。你的目标是通过提问帮我厘清需求，而不是直接替我写需求文档。

# Task
你只能通过提问来工作。一次只问3到5个问题，基于我的回答继续追问，不要一次性抛出一大堆问题，也不要自问自答。

# Modules
请按顺序覆盖下列模块，但如果某个模块我已经表达得足够清楚，不要重复提问，直接进入下一个模块。
1. 项目背景与业务目标
2. 目标用户与角色
3. 典型使用场景与用户故事
4. 业务流程与状态流转
5. 功能清单与优先级
6. 非目标和本期不做
7. 数据字段、权限与安全
8. 异常处理、兼容与边界
9. 验收标准

# Rules
1. 不要在我没有明确说“你来决定”的情况下，擅自替我设计功能、补充规则。
2. 如果我的回答存在歧义，请把你的理解复述一遍，再向我确认。
3. 当我表示所有模块都已经聊完，我会输入“生成文档”，你才能把对话整理成正式的需求文档。
4. 整理文档时，不要新增任何前面对话没有出现过的需求点。

这个提示词最关键的是第3条和第4条。第3条确保AI在访谈过程中不会急着出方案，第4条确保AI不会在整理文档的时候偷摸加料。很多AI直接生成文档翻车，就是因为它在整理时为了显得完整，自己脑补了一堆需求，最后还需要人去核对，反而增加负担。

3.2 真实访谈过程实录：从“内部报销审批流优化”说起

为了让你更直观地看到这套玩法的状态，我用一个近期做过的内部需求来举例——团队内部报销流程优化。

我刚开始只给AI一句话：“我们想优化内部报销审批流程，现在太慢了。”如果按以前的习惯，我大概会直接让AI写文档，然后得到一份“报销系统需求说明书”，里面会有“用户可在线提单”“财务可审核”“支持导出报表”这些正确的废话。但这次我让它采访我，第一轮它问了四个问题：

1. 目前报销流程慢，具体卡在哪个环节？有没有量化数据，比如平均审批耗时？
2. 这个项目主要服务哪些角色？这些角色当前分别用什么方式协作？
3. “太慢”这个问题的业务影响有多大？优化到什么程度算成功？
4. 是希望做一套新系统，还是在现有方式上做改进？

这些问题看起来不难，但真要我回答时，我才意识到我脑子里只有“慢”这个模糊印象。于是我去翻了一遍上个月的记录：一线业务人员通过邮件发报销单给部门领导，部门领导打印签字后交到财务，财务手工核对票据和预算，再找总经理签字，出纳最后打款。全流程平均需要5天，月中高峰期有七八天也不稀奇。我给AI的目标也从“让报销快点”变成了“报销全流程平均处理时长从5天降到2天以内，邮件流转改成系统流转”。

紧接着第二轮AI追问了几个我压根没想过的问题：“不同金额段位的审批节点是否需要区分？”、“如果部门审批人出差或请假，流程是等着还是自动转交？”、“所有报销类型都走同一个流程吗，比如团队团建费和差旅费有没有区别？”

这些问题一下把我问住了。我原来想的逻辑很简单：提单→部门负责人→财务→总经理→出纳。但实际业务里，两千块的团建费和两万块的差旅费，关注颗粒度完全不一样，财务更想盯的是预算归属。如果所有单子都“共享”同一条审批链，只会把总经理时间耗在小额审批上。于是我又补了一条分级规则：5000元以下部门负责人审批后直接到财务，5000元以上才需要总经理审批；如果部门负责人请假，系统自动转交同部门同级审批人。这些规则，我在过去文档写了六版都没想到，因为没人系统地问过我“例外情况怎么处理”。

3.3 把访谈记录整理成正式需求文档的关键步骤

整个访谈大概进行了四轮，前前后后大概半小时。等我把AI要问的问题都答完，输入“生成文档”，它就会按背景、目标、用户角色、业务流程、功能清单、权限、异常规则、验收标准这些章节自动整理。看到成稿的那一刻，最大的感受是：这份文档每个字都是我“自己说的”，只不过AI帮我把它们串成了结构化的表达。

这里要提醒一句：AI整理出来的初稿，不意味着可以直接丢给开发。我通常会再单独发一轮指令，让它“逐条检查文档中哪些需求点没有明确来源，全部标出来”，这能防住AI利用常识补细节。除此之外，我会人工再过一遍异常规则，特别是金额分级、审批超时怎么办、驳回后流程怎么走这类容易出纠纷的节点。这一步不是我信不过AI，而是我作为需求负责人，本来就应该为业务规则兜底。

文档整理好以后，我还有一个习惯：把成稿丢回给AI，让它扮演一个开发工程师找问题。我会说“现在你是这个需求的开发负责人，请从实现角度找出这个文档里所有会导致开发歧义的地方，列出清单”。通常能抓出几个我没写透的边界条件。这一步等于在评审会前又做了一次预评审，效果很直接。

4. 落地工具怎么选：从对话工具到Cursor、AI Agent 的适配

4.1 其实核心不是工具，而是访谈流程能不能固化

这套方法对工具的要求并没有那么高。普通的在线对话大模型产品就能跑，因为核心逻辑在提示词里。但我后来发现，如果只是临时在对话框里粘贴提示词，每次重新开一轮对话都要再来一遍，很麻烦。于是我把这套流程固化成了固定开场白，放在自己的常用提示词库里，每次有模糊需求就直接开聊。

如果你本身在Cursor或者类似的AI编程环境里工作，还能多做一步：把整理好的需求文档放进项目上下文里，让AI基于文档帮你列出开发拆解任务，甚至让它检查后续代码是否偏离了文档里的规则。这样需求文档不再只是给评审会看的一张纸，而是整个开发过程中的统一参照物。对我这种偏产品但偶尔要碰代码的人来说，这个链路相当顺手。

4.2 不同工具下的落地姿势

强调一下，无论哪种工具，我都推荐你保留“人工确认”这个动作。AI能帮我们减少大量低价值的整理工作，但它不是业务负责人。报销规则到底该听谁的、超时要不要自动提醒，这些不是提示词能替你拍板的，需要你拿着AI梳理好的问题清单去找真正的业务负责人拍板。

4.3 把访谈结果沉淀成团队真正能用的文档

还有一个容易忽略的问题是：访谈结束，AI吐出了一份很长很完整的文档，然后呢？如果只是丢到群里或者放在个人网盘里，那它很快就会成为又一份“写过即封存”的文档。我在实际使用中会要求AI在整理文档时，最后附上一段变更摘要，写清楚“这份需求相比上一版，改动点是什么、新增了哪些此前没明确的规则”，方便评审会上一眼看到核心变化。

如果你所在团队有现成的需求文档模板，可以把模板要求发给AI，让它对照模板格式重新渲染一遍，而不是让它自己发明一套格式。大多数团队的模板已经沉淀了过往填坑经验，比如会强制要求写“影响范围”“兼容性”“埋点需求”等字段。将这些字段作为输出约束补充进提示词，整理出来的文档会顺利融入现有流程，不会成为团队里的“异类”。

5. 常见问题与避坑经验实录

5.1 问题速查：AI问得不对、问不完、开始自问自答怎么办

这套方法在使用中并不是零门槛，尤其是刚开始的时候，总会有几个问题让人想摔键盘。下面把我在实际使用中遇到的典型问题列成一张速查表，方便你在复现时对照排查。

5.2 几条反复踩坑之后才沉淀下来的心得

第一，回答问题时，永远不要只给一句模糊的话。如果你自己都说不清“为什么要做这个”，AI帮不了你。我试过在访谈阶段偷懒，回答“就为了提升效率”，结果AI后续所有提问都像隔了一层雾，问不到点子上。后来我养成了一个习惯：每一轮回答都会尽量说清背景、限制条件、以及我脑子里隐含的假设。回答得越具体，AI的追问越锋利，访谈质量完全是跟着人工回答质量走的。

第二，不要害怕承认“我不知道”。刚开始用这套方法时，遇到AI问“审批人请假后流程怎么走”这类问题，我总会下意识地想编一个答案，仿佛答不上来就说明自己水平不行。后来我悟了，AI问住我不是坏事，被问住恰恰说明过去没想过。这个场景要是等到开发阶段才发现，那才是真麻烦。所以现在我的应对非常简单：答不上来的地方就老老实实说“这个我要和业务方确认”，然后把它记为待确认问题，AI会把它放到文档的开放问题列表里。评审前拿着这个列表去确认即可。

第三，不要让AI在访谈阶段输出方案。AI只要一有机会，就会忍不住给你建议。一旦它开始说“我建议这里可以加一个自动提醒功能”，你的思路就会被带偏，可能还会觉得它说得很对，最后文档里堆满了AI帮你拍脑袋想出来的功能。我现在的做法是在提示词里强烈约束它“访谈阶段只允许提问和复述确认，不要给方案建议”。把它的输出锁死在“访谈员”这个角色里，才能保证访谈流程不跑偏。

5.3 什么类型的需求不适合这招

这套方法虽好，也不是所有场景都适用。过于琐碎的迭代需求，比如改一个按钮文案、调整一个列表排序，几分钟就能说清楚，根本不需要AI来采访。这种需求如果非要用访谈流程，反而显得笨重，给团队增加不必要的负担。一个判断标准是：如果这个需求一句话能说明白，且没有任何跨角色协作和异常分支，就别用这套方法。

另外，如果需求本身涉及大量高度敏感的业务数据，不方便把详细业务规则发给外部AI工具，你就需要先确认数据合规边界。我之前遇到过一个涉及核心经营数据的需求，当时直接把访谈流程跑在公网对话模型上，心里其实不太踏实。后来我们把敏感信息做了脱敏处理，用代号代替真实业务名词，既保留了访谈流程，又避免了数据风险。这一点根据你所在公司的合规要求来，不能因为流程好用就忽略安全边界。

最后说一点个人体会

我把这套“AI采访式需求梳理法”用了一个多月之后，最大的变化不是文档写得快了，而是我写文档之前的脑子变清楚了。过去所谓写需求文档，其实是在做一次大型记忆拼图，想把脑子里所有碎片想法用书面语言拼出来，结果常常拼到一半发现自己根本没拍过板。现在AI替我干这件事，它负责把拼图的框先搭好，按九个模块一块一块问我，我只需要回答问题，答案清晰了，文档自然就不会返工。你们如果也被需求文档反复折腾过，可以试着把Prompt抄走，先拿一个小需求跑一遍。别急着让AI替你写，先让它问你，你会发现，被问住的那一刻，才是真正开始把需求想明白的瞬间。