夜雨聆风问题换个方式问
关于 AI 写需求这件事，很多讨论都在聊「怎么和 AI 交互」——要追问几轮、用什么提示词、分几步迭代。
但这些都是过程。真正重要的是结果：最后生成的那份需求文档，应该长什么样？
不管是人写还是 AI 写，评判标准只有一个：
AI 读完这份文档，能独立判断「这个方案是否符合要求」的比例有多高。
合格的文档，要能回答四个问题
这个产品是为谁解决什么问题？ 怎样算做对了？ 什么方向是明确错的？ 某条规则是这样定的，背后是为什么？
这四个问题，就是 AI 在整个项目里所有判断的坐标系。后面解释为什么每一个都不能少。
为什么这四个问题缺一不可
「为谁解决什么问题」——所有判断的起点
AI 在执行任何任务时，都会遇到你没有明确规定的情况。它凭什么做选择？凭它对「这个产品存在的意义」的理解。
同样是内部审批系统，服务对象是「需要快速走完流程的员工」还是「需要留存完整记录的合规团队」，AI 做出的设计方向会完全不同。这个问题答不上来，后面写再多功能点也是沙上建塔。
「怎样算做对了」——让 AI 能自我校验
「结账体验好」不是标准，「用户从加入购物车到完成支付不超过两步」才是。
AI 在做方案设计时，需要能用某个标准来校验自己的输出。成功标准必须是可观测的结果，而不是形容词。
「什么方向是明确错的」——比正确方向更有效
告诉 AI 什么是做错了的感觉，比列举正确方向更有效，因为它直接划定边界。
一个番茄钟 app，「让专注变得简单」是正向描述，有指导意义。加上「不是任务管理工具，不和 Todoist 竞争」，就消灭了一整个错误方向。AI 生成方案时会自动回避复杂化的倾向，不用你逐一纠正。
「规则背后的为什么」——最容易缺失，也最重要
规则告诉 AI 做什么，Why 告诉 AI 为什么这样做。这个差别在需求完全覆盖的情况下无关紧要——但需求永远覆盖不了所有情况。
「导出文件只支持 Excel 格式」是规则。加上「因为目标用户的财务部门只用 Excel 处理数据」就是 Why。有了 Why，AI 遇到其他导出相关的决策时，会自动以兼容用户现有工作流为优先，而不是按自己的默认值来。
前三个问题写漏了，AI 顶多做出一个平庸方案。Why 缺失，AI 会在规则边界之外系统性地猜错。
一个具体的对比
假设你在做一个短视频 app，让 AI 设计用户上传视频的交互流程，没有规定具体步骤。
四个问题都没有答案时，AI 会给你一个「合理的」方案。它可能参考抖音或 Instagram，设计出选视频、加音乐、加滤镜、写描述、选封面、设权限这样一套完整流程。每一步都合理，合起来是一个功能完备的创作工具。
四个问题都有答案时：目标用户是有创作欲望但没有剪辑技能的普通人；成功标准是从打开 app 到发出第一条视频不超过 3 分钟；不是专业创作工具，不和剪映竞争；步骤精简是因为用户的最大障碍是「不知道怎么开始」而不是功能不够用。
AI 面对同样的设计决策，会自动砍掉多余步骤，把流程压到最短。不是因为你告诉它「步骤不超过三步」，而是因为它理解了「复杂度是这个产品的敌人」。
需求是分层的，但这四个问题始终要有
需求文档天然分四层：问题层、产品层、功能层、规格层。一个全新项目，从问题层开始，功能和规格的细节需要时再写。
但不管项目在哪个阶段，上面四个问题都应该有答案。它们不属于某一层，而是贯穿所有层的判断依据。
写完文档，用这四个问题对照自查。都能回答，AI 就有了稳定的决策坐标系。有一个答不上来，那个地方就是它最可能跑偏的地方。
