需求收集不是把“需求”这个名词写清楚就结束,而是先做出可用的东西,再借它发现真正该要什么。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
“需求”是一个被压缩的名词,真实工作藏在展开之后
材料里的观点立正署名文章把项目在动手前的状态比作一个名词,比如“一个会员系统”。名词把上百个决定压缩成一个看起来完整的对象,规划就发生在这个压缩版本里,而实际工作发生在未压缩的现实里。所以有经验的人也会低估项目:他们能估的是已经看得见的工作,估不到的是第一版会让哪些工作显形1。这解释了为什么需求收集阶段写出的文档往往显得完整,落地时却不断冒出“原来还要决定这个”。
先做一版,用它来暴露需求缺口
同一篇文章里,作者说自己必须先看到页面,才知道层级不对;必须用过仪表盘,才明白哪些信息值得注意、哪些状态让人困惑、哪些流程理论上合理但用起来别扭。第一版不只是实现想法,它揭示了想法有多不完整1。对需求收集的直接含义是:把原型或最小可用版本当成提问工具,而不是当成交付物。每发现一处“用起来别扭”,就回头补一条此前没写进需求的条件。
把需求收集拆成三类工作,别只盯实现
AI推演文章区分了三种工作:construction 把已知想法做成东西;discovery 借这个东西弄清想法本来应该是什么;ownership 在客户、依赖和业务持续变化时让系统保持正确。AI 让 construction 变得极快,需求一旦明确,几周的实现可以压到几天甚至几小时,但它不会让判断和责任消失1。因此需求收集的重点应放在 discovery 和 ownership 上:谁来判断这版暴露出的问题该改需求还是改实现,谁在后续变化中继续维护这份需求。这是 AI 对文章的推演,不是原文给出的流程。
现有材料只提供了一篇关于原型与需求发现方法的文章,没有涉及具体行业的需求收集模板、访谈技巧或工具选型;若问题指向这些,当前片段不足。
出处
- 1为什么AI做原型容易,做产品难?
直接讨论需求作为压缩名词、第一版如何暴露需求缺口,以及实现、发现、维护三类工作的区分。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。