15b - AI 辅助需求定义与 PRD
本文是《AI Agent 实战手册》第 15 章第 2 节。 上一节:15a-AI辅助市场调研 | 下一节:15c-AI辅助用户访谈分析
概述
需求定义和 PRD(产品需求文档)是连接”想法”与”代码”的桥梁。2025-2026 年,AI 工具已经从简单的文档生成进化到 Spec-Driven Development(规格驱动开发)——AI 不仅能帮你写 PRD,还能将需求自动转化为技术设计和可执行的任务列表。本节覆盖 AI 辅助需求定义的完整工具链、用户故事生成、验收标准编写、Spec 创建的 prompt 模板,以及 PRD 审查与迭代技巧,帮助产品经理和开发者用 AI 将模糊的想法变成清晰的、可执行的产品规格。
1. AI 辅助需求定义工具全景
1.1 PRD 生成与需求管理工具
| 工具 | 用途 | 价格 | 适用场景 |
|---|---|---|---|
| Kiro Spec | Spec-Driven 需求定义,自动生成 requirements → design → tasks | 免费(Preview 阶段) | 完整的 Spec-Driven 开发工作流 |
| GitHub Spec Kit | 开源规格驱动开发框架,PRD/ADR/任务分解模板 | 免费(开源) | 与 Copilot/Claude Code/Gemini CLI 配合使用 |
| ChatPRD | AI 产品经理副驾驶,对话式 PRD 生成 | 免费试用 / $8+/月(Pro) | 快速生成 PRD 初稿、用户故事 |
| Vector (PM Agent) | 会议转录自动生成 PRD 和用户故事 | 新产品,关注定价更新 | 从会议记录直接生成需求文档 |
| aigents.pm | 免费 AI 产品经理 Agent 集合(PRD 生成器等) | 免费 | 快速生成 PRD、策略、想法探索 |
| Giselle | AI 应用构建器,含 PRD 生成功能 | 免费(基础)/ $20+/月 | PRD 大纲、用户故事、技术需求生成 |
| MakePRD | 从想法生成 PRD 和构建提示词 | 免费(基础) | 独立开发者快速锁定范围 |
| PMPrompt | 了解你产品的 AI PM 助手 | 免费(基础)/ $15+/月 | PRD、决策备忘录、利益相关者更新 |
| EltegraAI | AI 需求生成器,自动生成开发就绪的 PRD | 联系销售 | 企业级 PRD 生成,含用户故事和验收标准 |
1.2 需求管理与协作工具
| 工具 | 用途 | 价格 | 适用场景 |
|---|---|---|---|
| Linear | 需求管理 + AI 辅助,Agent 工作流 | 免费 / $8/用户/月 | 工程团队需求追踪、AI 驱动的 Intake |
| Notion AI | 文档协作 + AI 生成需求文档 | $10+/用户/月 | 团队协作式需求文档管理 |
| Figma Make | AI Agent 工作流构建器,捕获逻辑和边缘场景 | Figma 订阅内 | PM 用 prompt 定义产品逻辑和流程 |
| Userdoc | AI 生成用户故事、Persona、用户旅程 | $19+/月 | 专业的用户故事和需求文档生成 |
| Claude(Sonnet/Opus) | 深度需求分析、PRD 撰写、用户故事生成 | $20/月(Pro)/ API 按量 | 复杂需求的深度分析和文档生成 |
| ChatGPT(GPT-4o) | PRD 生成、需求对话、验收标准编写 | $20/月(Plus)/ API 按量 | 通用需求文档生成和迭代 |
1.3 Spec-Driven 开发工具对比
2025 年下半年,Spec-Driven Development 成为 AI 辅助开发的主流方法论。以下是两大核心工具的对比:
| 维度 | Kiro Spec | GitHub Spec Kit |
|---|---|---|
| 类型 | IDE 内置功能 | 开源框架/模板集 |
| 工作流 | Requirements → Design → Tasks(三阶段自动生成) | Specify → Plan → Tasks → Implement(四阶段) |
| 输出格式 | requirements.md + design.md + tasks.md | PRD.md + ADR + task breakdown |
| AI 集成 | 内置 AI Agent 自动执行任务 | 与 Copilot、Claude Code、Gemini CLI 配合 |
| 适合场景 | 完整项目开发,从需求到代码 | 灵活的规格定义,适配多种 AI 工具 |
| 学习曲线 | 低(IDE 引导式) | 中(需要理解模板结构) |
| 价格 | 免费(Preview) | 免费(开源) |
2. AI 辅助需求采集:从模糊想法到清晰需求
2.1 AI “采访”法:让 AI 帮你把需求想清楚
需求定义最大的挑战不是”写文档”,而是”想清楚”。AI 可以扮演一个经验丰富的产品经理,通过结构化的提问帮你发现遗漏的需求和边缘场景。
操作步骤
步骤 1:启动 AI 需求采访
使用 Claude 或 ChatGPT 进行多轮对话式需求采集:
提示词模板(AI 需求采访 - 启动):
你是一个拥有 10 年经验的资深产品经理。我要做 [产品描述]。
请像面试一样"采访"我,帮我理清需求。
规则:
- 每次只问 2-3 个问题,等我回答后再问下一轮
- 问题要具体、有针对性,避免泛泛而谈
- 如果我的回答模糊,追问细节
- 主动提出我可能遗漏的场景和边缘情况
需要覆盖的维度(按优先级):
1. 目标用户是谁?他们的日常工作流是什么?
2. 核心问题是什么?现在他们怎么解决的?痛点有多痛?
3. MVP 必须包含哪些功能?哪些可以后续迭代?
4. 有哪些边缘场景需要处理?
5. 数据模型是什么样的?
6. 有哪些非功能性需求(性能、安全、可用性)?
7. 商业模式是什么?用户愿意为什么付费?
8. 成功指标是什么?如何衡量产品是否成功?
请开始第一轮提问。步骤 2:深度追问边缘场景
经过 3-5 轮基础对话后,让 AI 专门挖掘边缘场景:
提示词模板(边缘场景挖掘):
基于我们之前的对话,请帮我系统化地思考边缘场景:
1. **用户异常行为**:
- 用户输入了无效数据怎么办?
- 用户在操作中途退出怎么办?
- 多个用户同时操作同一资源怎么办?
2. **系统异常**:
- 网络断开时怎么处理?
- 第三方 API 超时或返回错误怎么办?
- 数据库满了或写入失败怎么办?
3. **业务边界**:
- 数据量极大时(10x 预期)系统能否承受?
- 免费用户和付费用户的功能边界在哪里?
- 国际化/多语言需要考虑吗?
4. **安全场景**:
- 未授权访问怎么防御?
- 敏感数据如何存储和传输?
- 用户数据删除请求如何处理?
对每个场景,请评估:
- 发生概率:高/中/低
- 影响严重度:高/中/低
- 建议处理方式:MVP 必须处理 / 可以后续迭代 / 可以忽略步骤 3:需求优先级排序
提示词模板(需求优先级矩阵):
基于我们的对话,请将所有识别出的需求按以下框架排序:
**P0 - MVP 必须(没有就不能上线)**:
- [列出核心功能]
- 判断标准:用户无法完成核心任务
**P1 - 重要(上线后 1-2 个迭代内完成)**:
- [列出重要功能]
- 判断标准:显著影响用户体验或留存
**P2 - 锦上添花(有时间再做)**:
- [列出增强功能]
- 判断标准:提升体验但不影响核心流程
**P3 - 未来考虑(记录但不承诺)**:
- [列出远期功能]
- 判断标准:需要更多验证或技术成熟度
对每个需求,请标注:
- 预估开发工作量:S(1-2天)/ M(3-5天)/ L(1-2周)/ XL(2周+)
- 依赖关系:是否依赖其他需求先完成2.2 从会议记录到需求文档
Vector (PM Agent) 等工具可以直接从会议转录生成结构化需求,但你也可以用通用 LLM 实现类似效果:
提示词模板(会议记录 → 需求提取):
以下是一次产品讨论会议的记录/转录:
[粘贴会议记录]
请从中提取结构化的产品需求:
1. **决策事项**(会议中明确达成共识的决定)
| 决策 | 决策人 | 影响范围 |
|------|--------|---------|
2. **功能需求**(讨论中提到的功能点)
| 功能 | 提出者 | 优先级推测 | 是否达成共识 |
|------|--------|-----------|-------------|
3. **待确认事项**(讨论中未达成共识或需要进一步调研的)
| 事项 | 相关方 | 建议下一步 |
|------|--------|-----------|
4. **用户故事草稿**(从讨论中提炼)
- As a [角色], I want [功能], so that [价值]
5. **风险和顾虑**(会议中提到的担忧)
| 风险 | 提出者 | 严重度 | 建议缓解措施 |
|------|--------|--------|-------------|
请标注哪些是"明确提到的",哪些是"AI 推断的"。3. AI 辅助用户故事生成
3.1 用户故事生成工作流
用户故事是敏捷开发的核心需求表达方式。AI 可以从产品描述自动生成结构化的用户故事,但关键在于生成后的人工审查和迭代。
提示词模板:批量用户故事生成
提示词模板(用户故事批量生成):
产品描述:[一段话描述你的产品]
目标用户:[列出 2-3 个主要用户角色]
请为每个用户角色生成用户故事,遵循以下格式:
### [用户角色名称]
**US-001: [故事标题]**
- As a [角色]
- I want [功能/行为]
- So that [业务价值/用户价值]
- Priority: P0/P1/P2
- Estimated Size: S/M/L/XL
**验收标准:**
- Given [前置条件]
- When [用户操作]
- Then [预期结果]
- And [附加预期]
**边缘场景:**
- [场景 1]:[处理方式]
- [场景 2]:[处理方式]
---
要求:
1. 每个角色至少 5 个用户故事
2. P0 故事必须覆盖核心用户旅程
3. 每个故事的验收标准必须具体到可以写成自动化测试
4. 标注故事之间的依赖关系
5. 用中文编写提示词模板:单个用户故事深度展开
提示词模板(用户故事深度展开):
请将以下用户故事展开为完整的需求规格:
原始故事:As a [角色], I want [功能], so that [价值]
请输出:
## US-XXX: [故事标题]
### 用户故事
As a [角色], I want [功能], so that [价值]
### 背景与动机
[为什么这个功能重要?用户现在怎么解决这个问题?]
### 验收标准(Given/When/Then)
**正常流程:**
1. Given [前置条件]
When [用户操作]
Then [预期结果]
2. Given [另一个前置条件]
When [用户操作]
Then [预期结果]
**异常流程:**
3. Given [异常前置条件]
When [用户操作]
Then [错误处理]
**边界条件:**
4. Given [边界条件]
When [用户操作]
Then [边界处理]
### UI/UX 要求
- [界面元素描述]
- [交互行为描述]
- [响应式要求]
### 数据要求
- 输入数据:[字段、类型、验证规则]
- 输出数据:[展示格式、排序规则]
- 存储需求:[持久化、缓存策略]
### 非功能性需求
- 性能:[响应时间要求]
- 安全:[权限、数据保护]
- 可用性:[无障碍要求]
### 依赖关系
- 前置:[需要先完成的故事]
- 后续:[依赖本故事的故事]
### 开放问题
- [需要进一步确认的问题]3.2 用户故事质量审查
AI 生成的用户故事需要经过质量审查。以下模板帮助你用 AI 审查已有的用户故事:
提示词模板(用户故事质量审查):
请审查以下用户故事,按 INVEST 原则评估:
[粘贴用户故事列表]
对每个故事,评估:
| 故事 | I(独立) | N(可协商) | V(有价值) | E(可估算) | S(小) | T(可测试) | 总分 |
|------|----------|-----------|-----------|-----------|--------|-----------|------|
评分标准(每项 1-5 分):
- **Independent**:是否可以独立开发和交付?
- **Negotiable**:是否留有实现方式的灵活性?
- **Valuable**:是否对用户或业务有明确价值?
- **Estimable**:是否足够清晰可以估算工作量?
- **Small**:是否足够小可以在一个迭代内完成?
- **Testable**:验收标准是否具体到可以写测试?
对于总分 < 20 的故事,请给出具体改进建议。
额外检查:
1. 是否有遗漏的用户角色?
2. 是否有遗漏的核心用户旅程?
3. 故事之间是否有隐含的依赖关系未标注?
4. 验收标准是否有歧义或不可测试的描述?4. AI 辅助验收标准编写
4.1 Given/When/Then 格式详解
验收标准是连接需求和测试的桥梁。好的验收标准应该具体到可以直接转化为自动化测试。AI 在这方面特别擅长——它可以从模糊的需求描述中提取出结构化的验收标准。
提示词模板:从需求描述生成验收标准
提示词模板(需求 → 验收标准):
请将以下需求描述转化为 Given/When/Then 格式的验收标准:
需求描述:[粘贴需求描述]
要求:
1. 每个验收标准必须是独立可测试的
2. 覆盖正常流程、异常流程、边界条件
3. 使用具体的数据示例(不要用"某个值"这样的模糊描述)
4. 标注每个标准的测试类型(单元测试/集成测试/E2E 测试)
输出格式:
**AC-1: [标准标题]**
- Given [具体的前置条件,包含示例数据]
- When [具体的用户操作或系统事件]
- Then [具体的预期结果,包含可验证的断言]
- Test Type: [单元/集成/E2E]
**AC-2: [异常场景标题]**
- Given [异常前置条件]
- When [触发操作]
- Then [错误处理行为,包含错误消息]
- Test Type: [单元/集成/E2E]
**AC-3: [边界条件标题]**
- Given [边界值条件]
- When [操作]
- Then [边界处理行为]
- Test Type: [单元/集成/E2E]4.2 验收标准的常见模式
以下是 AI 生成验收标准时应覆盖的常见模式:
提示词模板(验收标准完整性检查):
请检查以下验收标准是否覆盖了所有必要场景:
[粘贴已有的验收标准]
请按以下清单检查并补充遗漏:
□ **Happy Path**(正常流程)
- 标准的成功操作流程是否覆盖?
- 所有正常输入组合是否考虑?
□ **Validation**(输入验证)
- 必填字段为空时的行为?
- 格式错误的输入(邮箱、电话、URL)?
- 超出长度限制的输入?
- 特殊字符和 XSS 攻击向量?
□ **Authorization**(权限控制)
- 未登录用户的行为?
- 无权限用户的行为?
- 不同角色的权限差异?
□ **Concurrency**(并发场景)
- 多用户同时操作同一资源?
- 乐观锁/悲观锁的行为?
□ **Error Handling**(错误处理)
- 网络超时的行为?
- 服务端错误(500)的行为?
- 第三方服务不可用的行为?
□ **Boundary**(边界条件)
- 空列表/空数据的展示?
- 数据量极大时的分页/性能?
- 首次使用(无历史数据)的体验?
□ **State Transitions**(状态转换)
- 所有合法的状态转换路径?
- 非法状态转换的拒绝?
请补充遗漏的验收标准,并标注优先级。4.3 从验收标准到测试用例
验收标准写好后,可以直接让 AI 生成测试代码框架:
提示词模板(验收标准 → 测试代码框架):
请将以下验收标准转化为测试代码框架:
[粘贴验收标准]
技术栈:[Jest/Vitest/Pytest/其他]
语言:[TypeScript/Python/Rust/其他]
要求:
1. 每个验收标准对应一个 describe 块
2. 每个 Given/When/Then 对应一个 test case
3. 只生成测试框架(describe/it/test),不写具体实现
4. 添加注释标注对应的验收标准编号
5. 包含 setup/teardown 的占位符
输出示例:
```typescript
describe('AC-1: [标准标题]', () => {
// Given: [前置条件]
beforeEach(() => {
// TODO: 设置前置条件
});
it('should [预期行为] when [操作]', () => {
// When: [操作]
// Then: [预期结果]
// TODO: 实现测试
});
});
---
## 5. AI 辅助 PRD 生成
### 5.1 结构化 PRD 生成
经过需求采访和用户故事梳理后,可以让 AI 生成完整的结构化 PRD。以下模板融合了业界最佳实践:
#### 提示词模板:完整 PRD 生成
提示词模板(结构化 PRD 生成):
基于我们之前的对话(或以下需求摘要),请生成一份结构化的 PRD:
[粘贴需求摘要或对话记录]
请按以下结构输出 Markdown 格式的 PRD:
[产品名称] - 产品需求文档(PRD)
1. 产品概述
- 一句话描述:[产品是什么,为谁解决什么问题]
- 背景与动机:[为什么要做这个产品]
- 产品愿景:[长期目标]
- 成功标准:[如何判断产品成功]
2. 目标用户画像
Persona 1: [角色名称]
- 背景:[职业、经验、技术水平]
- 目标:[使用产品想达成什么]
- 痛点:[现在遇到什么问题]
- 使用场景:[在什么情况下使用产品]
Persona 2: [角色名称]
…
3. 用户故事列表
P0 - MVP 必须
| 编号 | 用户故事 | 验收标准数量 | 预估工作量 |
|---|---|---|---|
| US-001 | As a… I want… So that… | X 条 | S/M/L |
P1 - 重要
…
P2 - 锦上添花
…
4. 详细验收标准
US-001: [故事标题]
AC-1: Given… When… Then… AC-2: Given… When… Then… …
5. 非功能性需求
- 性能:[响应时间、吞吐量、并发数]
- 安全:[认证、授权、数据加密]
- 可用性:[SLA、容灾、备份]
- 可访问性:[WCAG 级别、屏幕阅读器支持]
- 国际化:[多语言、时区、货币]
6. 数据模型草案
[核心实体、关系、关键字段]
7. 技术约束与假设
- 技术栈:[前端/后端/数据库/基础设施]
- 第三方依赖:[API、SDK、服务]
- 假设:[需要验证的假设列表]
8. KPI 与成功指标
| 指标 | 目标值 | 衡量方式 | 时间框架 |
|---|
9. 风险与缓解措施
| 风险 | 概率 | 影响 | 缓解措施 |
|---|
10. 里程碑与时间线
| 里程碑 | 内容 | 预计时间 |
|---|
### 5.2 PRD 审查与迭代
PRD 初稿生成后,需要经过多轮审查和迭代。AI 可以扮演不同角色来审查 PRD:
#### 提示词模板:多角色 PRD 审查
提示词模板(PRD 多角色审查):
请从以下 3 个角色的视角审查这份 PRD:
[粘贴 PRD 内容]
角色 1:资深工程师视角
- 技术可行性评估:哪些需求技术上难以实现?
- 工作量评估:哪些需求被低估了?
- 技术债务风险:哪些设计决策可能导致未来的技术债务?
- 缺失的技术需求:是否遗漏了重要的非功能性需求?
角色 2:QA 工程师视角
- 可测试性评估:哪些验收标准不够具体,无法写测试?
- 遗漏的测试场景:哪些边缘场景没有被覆盖?
- 验收标准质量:Given/When/Then 是否清晰无歧义?
- 测试策略建议:建议的测试类型和优先级
角色 3:用户体验设计师视角
- 用户旅程完整性:是否有断裂的用户流程?
- 可用性问题:哪些交互设计可能让用户困惑?
- 无障碍考虑:是否满足基本的无障碍要求?
- 一致性问题:不同功能之间的交互模式是否一致?
对每个角色,请输出:
- 发现的问题(按严重度排序)
- 具体的改进建议
- 需要进一步讨论的开放问题
#### 提示词模板:PRD 差距分析
提示词模板(PRD 差距分析):
请对比以下 PRD 和行业最佳实践,找出差距:
[粘贴 PRD 内容]
检查维度:
-
完整性:是否缺少关键章节? □ 产品概述 □ 用户画像 □ 用户故事 □ 验收标准 □ 非功能性需求 □ 数据模型 □ 技术约束 □ KPI □ 风险 □ 时间线
-
具体性:是否有模糊的描述需要量化?
- “快速响应” → 具体到毫秒
- “大量用户” → 具体到并发数
- “安全” → 具体到加密算法和认证方式
-
一致性:不同章节之间是否有矛盾?
- 用户故事和验收标准是否对应?
- 技术约束和非功能性需求是否兼容?
- 时间线和工作量估算是否合理?
-
可执行性:开发团队能否直接基于此文档开始工作?
- 是否有足够的细节开始技术设计?
- 是否有明确的优先级指导迭代顺序?
- 是否有清晰的验收标准指导测试?
请输出差距报告和改进建议。
---
## 6. Spec-Driven 开发工作流
### 6.1 Kiro Spec 工作流详解
Kiro 的 Spec-Driven 开发是 2025 年最具代表性的"需求→代码"工作流。它将传统的 PM/工程流程压缩为三个自动化阶段:
#### 操作步骤
**步骤 1:创建 Spec**
在 Kiro 中描述你的产品想法,Kiro 会自动生成 `requirements.md`:
在 Kiro 中:
- 打开 Spec 面板 → 点击”Create Spec”
- 用自然语言描述你的产品想法(越详细越好)
- Kiro 自动生成 requirements.md,包含:
- 用户故事(As a… I want… So that…)
- 验收标准(WHEN… THEN… SHALL…)
- 需求编号和分组
- 审查每一条需求,确认或修改
**步骤 2:生成技术设计**
确认需求后,Kiro 自动生成 `design.md`:
Kiro 自动生成的 design.md 包含:
- 架构概述
- 组件和接口设计
- 数据模型(TypeScript 接口、数据库 Schema)
- API 端点设计
- 错误处理策略
- 正确性属性(Correctness Properties)
- 测试策略
**步骤 3:生成任务列表**
技术设计确认后,Kiro 生成 `tasks.md`:
Kiro 自动生成的 tasks.md 包含:
- 按依赖关系排序的任务列表
- 每个任务的子任务分解
- 任务与需求的追溯关系(Requirements: X.X)
- 任务状态追踪(not_started → in_progress → completed)
**步骤 4:AI Agent 执行任务**
Kiro 的 AI Agent 按照任务列表逐个执行,每个任务都有明确的需求和设计作为上下文。
#### Kiro Spec 的 requirements.md 格式示例
```markdown
# Requirements Document
## Introduction
[产品简介和背景]
## Glossary
- **Term1**: 定义
- **Term2**: 定义
## Requirements
### Requirement 1: [需求组标题]
**User Story:** As a [角色], I want [功能], so that [价值]。
#### Acceptance Criteria
1. WHEN [条件], THE [系统] SHALL [行为]
2. WHEN [条件], THE [系统] SHALL [行为]
3. WHEN [条件], THE [系统] SHALL NOT [禁止行为]6.2 GitHub Spec Kit 工作流
GitHub Spec Kit 是 2025 年中推出的开源规格驱动开发框架,采用四阶段工作流:
操作步骤
步骤 1:Specify(规格定义)
创建 SPEC.md 或 PRD.md,定义产品需求:
# Product Specification
## Problem Statement
[要解决的问题]
## Goals
- [目标 1]
- [目标 2]
## User Stories
- As a [角色], I want [功能], so that [价值]
## Acceptance Criteria
- [ ] [标准 1]
- [ ] [标准 2]
## Non-Functional Requirements
- Performance: [要求]
- Security: [要求]
## Constraints
- [技术约束]
- [业务约束]步骤 2:Plan(规划)
基于 Spec 生成架构决策记录(ADR)和技术方案:
# Architecture Decision Record
## Context
[决策背景]
## Decision
[选择的方案]
## Consequences
[方案的影响]
## Alternatives Considered
[考虑过的其他方案]步骤 3:Tasks(任务分解)
将规划分解为可执行的任务列表:
# Task Breakdown
## Phase 1: Foundation
- [ ] Task 1.1: [描述]
- [ ] Task 1.2: [描述]
## Phase 2: Core Features
- [ ] Task 2.1: [描述]步骤 4:Implement(实现)
AI 编码助手(Copilot、Claude Code、Gemini CLI)基于 Spec 和 Tasks 生成代码。
6.3 PRD 到 Spec 的转化
如果你已经有传统的 PRD,可以用 AI 将其转化为 Spec-Driven 格式:
提示词模板(PRD → Kiro Spec 格式):
请将以下 PRD 转化为 Kiro Spec 的 requirements.md 格式:
[粘贴 PRD 内容]
转化规则:
1. 每个功能模块对应一个 Requirement 组
2. 每个用户故事使用 "As a... I want... So that..." 格式
3. 验收标准使用 "WHEN [条件], THE [系统] SHALL [行为]" 格式
4. 非功能性需求也要转化为可验证的验收标准
5. 添加 Glossary 定义所有专业术语
6. 验收标准必须具体到可以写成自动化测试
注意:
- 模糊的需求要量化("快" → "响应时间 < 200ms")
- 隐含的需求要显式化(如错误处理、权限控制)
- 每个验收标准编号要与需求组对应7. AI 辅助 PRD 迭代与版本管理
7.1 需求变更管理
产品需求不是一成不变的。AI 可以帮助你系统化地管理需求变更:
提示词模板(需求变更影响分析):
我需要对以下需求进行变更:
**原始需求**:[粘贴原始需求]
**变更内容**:[描述变更]
**变更原因**:[为什么要变更]
请分析这个变更的影响:
1. **直接影响**
- 哪些用户故事需要修改?
- 哪些验收标准需要更新?
- 预估额外工作量:
2. **间接影响**
- 哪些已完成的功能可能受影响?
- 哪些正在开发的任务需要调整?
- 是否影响数据模型或 API 设计?
3. **风险评估**
- 变更引入的新风险:
- 对时间线的影响:
- 对其他需求的连锁影响:
4. **建议**
- 是否建议接受这个变更?
- 如果接受,建议的实施策略:
- 如果拒绝,替代方案:7.2 需求文档版本化最佳实践
将需求文档纳入版本控制(Git),配合 AI 实现高效的版本管理:
推荐工作流:
- 需求文档存放在代码仓库中(如
.kiro/specs/或docs/specs/) - 每次需求变更创建 PR,AI 自动生成变更摘要
- 使用 AI 对比版本差异,生成人类可读的变更日志
提示词模板(需求变更日志生成):
请对比以下两个版本的需求文档,生成变更日志:
**旧版本**:
[粘贴旧版本]
**新版本**:
[粘贴新版本]
请输出:
## 需求变更日志 - [日期]
### 新增需求
- [新增的用户故事或验收标准]
### 修改需求
- [修改前] → [修改后](修改原因)
### 删除需求
- [删除的需求](删除原因)
### 影响评估
- 受影响的模块:
- 预估额外工作量:
- 需要重新测试的范围:实战案例:用 Kiro Spec 定义 RustSync 文件同步工具
案例背景
一位独立开发者想做一个本地文件夹到百度网盘的自动同步工具(RustSync)。以下是使用 Kiro Spec 工作流从想法到可执行需求的完整过程。
步骤 1:AI 需求采访
开发者输入:
我想做一个桌面应用,可以把本地文件夹自动同步到百度网盘。
用 Tauri + React 做前端,Rust 做后端。
AI 采访问题(第 1 轮):
1. 同步是单向(本地→云端)还是双向?
2. 需要实时监控文件变化还是手动触发同步?
3. 大文件(>100MB)如何处理?
开发者回答:
1. 先做单向(本地→云端),后续考虑双向
2. 实时监控,文件变化后自动同步
3. 大文件需要分片上传,支持断点续传
AI 采访问题(第 2 轮):
1. 需要支持 .gitignore 风格的忽略规则吗?
2. 同步冲突(云端文件被其他设备修改)如何处理?
3. 需要同步日志和历史记录吗?
...步骤 2:生成 requirements.md
# Requirements Document
## Introduction
RustSync 是一个桌面文件同步工具,使用 Tauri + React 前端和 Rust 后端,
将本地文件夹自动同步到百度网盘。
## Glossary
- **SyncPair**: 一组本地文件夹和百度网盘路径的映射关系
- **FileWatcher**: 监控本地文件系统变化的组件
- **TransferScheduler**: 管理文件上传队列和优先级的调度器
## Requirements
### Requirement 1: 文件同步核心功能
**User Story:** As a 开发者, I want 将本地文件夹自动同步到百度网盘,
so that 我的代码和文档有云端备份。
#### Acceptance Criteria
1. WHEN 用户配置了本地文件夹和百度网盘路径,
THE SyncPair SHALL 建立并持久化保存映射关系
2. WHEN 本地文件发生变更(新增/修改/删除),
THE FileWatcher SHALL 在 5 秒内检测到变更
3. WHEN FileWatcher 检测到变更,
THE TransferScheduler SHALL 将变更加入上传队列
4. WHEN 文件大小超过 4MB,
THE TransferScheduler SHALL 使用分片上传
5. WHEN 上传过程中网络中断,
THE TransferScheduler SHALL 支持断点续传
### Requirement 2: 忽略规则
**User Story:** As a 开发者, I want 配置文件忽略规则,
so that node_modules 等不需要同步的文件不会被上传。
#### Acceptance Criteria
1. WHEN 用户创建 .syncignore 文件,
THE IgnoreEngine SHALL 解析 gitignore 风格的规则
2. WHEN 文件匹配忽略规则,
THE FileWatcher SHALL 跳过该文件的同步步骤 3:Kiro 自动生成 design.md 和 tasks.md
Kiro 基于 requirements.md 自动生成技术设计和任务列表,开发者审查确认后,AI Agent 按任务逐个实现代码。
案例分析
这个案例展示了 Spec-Driven 工作流的核心价值:
- 需求先行:在写任何代码之前,通过 AI 采访把需求想清楚
- 结构化输出:requirements.md 的格式让 AI 和人类都能理解
- 可追溯性:每个任务都关联到具体的需求和验收标准
- 渐进式细化:从模糊想法 → AI 采访 → 结构化需求 → 技术设计 → 任务列表
- 人机协作:AI 生成草稿,人类审查确认,AI 执行实现
实战案例 2:用 ChatPRD + Claude 快速生成 SaaS 产品 PRD
案例背景
一个产品经理需要在 2 小时内为一个 AI 写作助手 SaaS 产品准备 PRD,用于团队评审。
工作流
步骤 1:用 ChatPRD 生成初稿(15 分钟)
在 ChatPRD 中输入产品描述,AI 自动生成包含用户画像、功能列表、优先级的 PRD 初稿。
步骤 2:用 Claude 深度展开(45 分钟)
将 ChatPRD 的初稿输入 Claude,使用本节的”结构化 PRD 生成”模板,补充验收标准、数据模型、技术约束等细节。
步骤 3:用 Claude 多角色审查(30 分钟)
使用”多角色 PRD 审查”模板,从工程师、QA、设计师三个视角审查 PRD,修复发现的问题。
步骤 4:导出到 Linear 创建任务(30 分钟)
将 PRD 中的用户故事导入 Linear,利用 Linear 的 AI 功能自动生成子任务和估算。
案例分析
这个案例展示了多工具协作的效率:
- ChatPRD 负责快速生成结构化初稿
- Claude 负责深度展开和质量提升
- Linear 负责将需求转化为可执行的任务
- 整个过程从 2 周压缩到 2 小时
避坑指南
❌ 常见错误
-
直接让 AI 写 PRD 而不做”采访”
- 问题:AI 缺乏上下文,生成的需求模糊、遗漏边缘场景、充满假设
- 正确做法:先用 AI 采访法进行 3-5 轮对话,把需求想清楚再生成文档
-
把 AI 生成的需求当作最终版本
- 问题:AI 会编造看似合理但实际不符合业务的需求,开发到一半才发现问题
- 正确做法:每条需求都要人工审查确认,特别是验收标准和优先级
-
跳过验收标准直接开发
- 问题:开发完不知道怎么验证,“完成”的定义模糊,导致返工
- 正确做法:每个用户故事必须有 Given/When/Then 格式的验收标准
-
需求粒度太大不拆分
- 问题:一个用户故事包含太多功能,AI 生成的代码质量下降,难以审查
- 正确做法:每个用户故事控制在 1-2 天的开发量,复杂功能拆分为多个故事
-
验收标准使用模糊语言
- 问题:“系统应该快速响应”、“界面应该友好”——这些无法测试
- 正确做法:量化所有指标(“响应时间 < 200ms”、“支持键盘导航”)
-
忽视非功能性需求
- 问题:只关注功能需求,上线后发现性能、安全、可用性问题
- 正确做法:在 PRD 中明确列出性能、安全、可用性、可访问性要求
-
PRD 写完就束之高阁
- 问题:需求文档与实际开发脱节,成为”废纸”
- 正确做法:将需求文档纳入版本控制,随开发迭代更新,作为 AI 编码的上下文输入
✅ 最佳实践
- AI 做”第一稿”,人类做”终审”——AI 擅长生成结构化内容,人类擅长判断业务价值和优先级
- 需求文档是活文档——随开发迭代持续更新,不是一次性产出
- 把需求文档作为 AI 编码的上下文输入——Kiro 的 Spec 自动做到这一点,其他工具需要手动提供
- 验收标准要具体到可以写成自动化测试——这是检验验收标准质量的黄金标准
- 使用 Spec-Driven 工作流——需求 → 设计 → 任务的三阶段流程,确保 AI 和人类对齐
- 多角色审查——让 AI 从工程师、QA、设计师等不同视角审查 PRD
- 建立需求模板库——将验证有效的 PRD 模板和 prompt 模板积累为团队资产
- 区分”AI 生成”和”人工确认”——在文档中标注哪些内容经过人工验证
相关资源与延伸阅读
- Kiro 官方文档 - Spec-Driven Development — Kiro Spec 功能的完整使用指南
- GitHub Spec Kit — GitHub 开源的规格驱动开发框架和模板集
- ChatPRD — AI 产品经理副驾驶,对话式 PRD 生成工具
- aigents.pm — 免费的 AI 产品经理 Agent 集合,含 PRD 生成器
- Vector PM Agent — 从会议转录自动生成 PRD 和用户故事的 AI 工具
- PMPrompt — 了解你产品上下文的 AI PM 助手
- Userdoc — AI 驱动的用户故事、Persona 和用户旅程生成工具
- Linear — 内置 AI 功能的产品开发系统,支持 Agent 工作流
- Spec-Driven Development 方法论 - Built In — Spec-Driven Development 为什么是 AI 辅助软件工程的未来
- Figma Make - AI Agent Workflow Builder — Figma 的 AI Agent 工作流构建器,帮助 PM 用 prompt 定义产品逻辑
参考来源
- AWS Launches Kiro, A Specification-Driven Agentic IDE - Forbes (2025 年 7 月)
- Why Spec-Driven Development is the Future of AI-Assisted Software Engineering - Built In (2026 年 2 月)
- Spec-Driven Development – Adoption at Enterprise Scale - InfoQ (2026 年 2 月)
- GitHub Spec Kit Explained: Better Plans, Better Code - Geeky Gadgets (2025 年 9 月)
- Product Management Agents Compared (2026) - Ry Walker (2026 年 2 月)
- Vector: AI PM Agent for instant PRDs & user stories - ProductHunt (2026 年 2 月)
- Claude for Product Management: 10 Proven Prompts - 2026 Guide (2026 年 2 月)
- How To Write A PRD Using AI: Tips and Techniques 2025 - Chisel Labs (2025 年 5 月)
- Best Free PRD Tool Comparison - BuildBetter (2025 年 8 月)
- Introducing aigents.pm: Free AI Agents For Product Managers - Paweł Huryn (2025 年 1 月)
- Figma Make - AI Agent Workflow Builder for PMs - Figma (2025 年)
- Getting started with spec-driven development using GitHub’s Spec Kit - Classmethod (2025 年 9 月)
Content was rephrased for compliance with licensing restrictions.
📖 返回 总览与导航 | 上一节:15a-AI辅助市场调研 | 下一节:15c-AI辅助用户访谈分析