Appearance
第 10 篇｜让 AI 听话的“需求工程”：把写代码变成写 PRD
导读：
几乎所有新手都经历过这种崩溃：
兴致勃勃地在输入框敲下一行字：“帮我做一个类似小红书的图文社区，要有发帖、点赞和评论功能。”
敲下回车，AI 狂飙了 30 个文件，结果一运行：界面丑陋不堪、按钮点不通、代码全是未完成的半成品死胡同。
你怪 AI 太笨，其实是你把 AI 逼疯了。这就像去工地上对工人喊：“给我盖一栋 30 层的豪华大厦！”工人除了糊弄你一堆空心砖，根本没法开工。
这一篇，我们彻底颠覆你的表达方式：教你用“切片思维”和“黄金 PRD 模版”，把模糊的脑洞翻译成 AI 无法拒绝的施工蓝图。 记住一个判断：在 AI 原生时代，清晰的自然语言需求（PRD），就是最高级的编程语言。
一、 致命的“一句话陷阱”
为什么给 AI 一句宏大的指令，交付出来的多半是工业垃圾？
回顾我们在第 02 篇学到的原理：AI 是个概率填空机。
当你的指令跨度太大、边界太模糊时，输入给 AI 的确定性信息太少，AI 就必须用大量的“概率脑补（自由幻觉）”去填满中间的巨大鸿沟。
你的一句话需求：“给我做个电商结算系统”
▼ （留白太大，AI 疯狂脑补）
AI 脑补中：
- 要不要支持海外外汇结算？（写了 500 行无用代码）
- 用户未登录怎么处理？（它自作主张帮你写了一套烂系统）
- 数据库字段该叫什么？（瞎编一气，和你已有的结构完全对不上）
▼
结果：生成了一堆庞大、冗余、且跑不通的“代码死结”在 AI 原生开发中，有一条必须刻在骨子里的铁律：
你写代码的时间为 0，并不代表你思考的时间为 0。你省下来的所有敲代码精力，都必须加倍投入到“精准定义需求”上。
二、 核心心法：把大象切成独立积木的“切片思维”
任何一个看似复杂的软件，本质上都是由几十块独立的小积木拼起来的。
高手指挥 AI 的秘诀不是打字有多快，而是懂得把大任务切碎，一次只交付一块可验收的积木。
举个真实例子：你想做一个“个人专属书签收藏夹”。
❌ 菜鸟思维（一锅端，必然翻车）：
“帮我做一个完整的书签管理系统，支持分类、多标签、自动抓取网页标题和图标，还能按时间搜索。”
✔ 架构师切片思维（小步快跑，积木拼装）：
【积木 1：纯静态布局】➔ 页面左边是分类列表，右边展示 3 张假数据的书签卡片，先确认 UI 视觉是否好看；
【积木 2：本地内存增删】➔ 允许用户在输入框手动添加书签，能在当前页面即时渲染出来（先不管持久化）；
【积木 3：接入数据库】➔ 引入 Supabase，把刚才前端的数据真正保存到云端数据库；
【积木 4：自动化增强】➔ 加一个功能：用户只输入网址，系统自动去抓取网页的 Title 和 Favicon 图标。为什么切片能让 AI 彻底听话？
- 注意力极致聚焦：每一个切片的目标极度单一，AI 的上下文不会被其他无关功能干扰，一次只做一件事，出错率大幅下降；
- 极易验收和救错：做完第 1 块积木，你在浏览器里肉眼看一眼，跑通了再进入第 2 块；如果崩了，直接在这个切片内就地解决，绝不会出现“改了前面、塌了后面”的系统性崩盘。
三、 黄金 PRD 结构模版
当你准备启动一个项目或一个核心切片时，不要随手打字。花 3 分钟套用下面这个标准的 “AI-Native 黄金 PRD 模版”，把它保存成一个文本喂给 AI：
markdown
# 需求文档：[项目/功能名称]
### 1. 核心目标与用户场景 (Goal & Context)
- 本模块要解决的核心痛点是什么？
- 典型使用场景：用户在什么情况下、通过什么动作达成什么目的？
### 2. 界面与交互细节 (UI & Interaction)
- 页面必须包含哪些关键元素（如：搜索栏、卡片流、弹窗）？
- 核心交互行为：点击某个按钮时，界面发生什么即时变化？加载中（Loading）和报错时显示什么？
### 3. 技术约束与规范 (Constraints)
- 语言与框架：明确限定范围（如：必须使用 React + Tailwind CSS，图标使用 Lucide）
- 严禁擅自引入未在清单中的重型依赖库。
### 4. 明确的不做清单 (Out of Scope / Non-goals) ★★★ 最重要！
- 本次迭代绝对不做什么？
- （例如：本次暂不考虑用户登录鉴权、暂不做多语言国际化、暂不处理图片上传云存储）🎯 重点强调：为什么“明确的不做清单（Out of Scope）”最重要？
AI 极度热心，往往有严重的“过度工程（Over-engineering）综合征”。如果你不告诉它什么不用做，它会在一个极小的功能里附赠一大堆你根本不需要的冗余代码，最后反而把自己绕晕。
画地为牢，明确告诉它“别管什么”，是约束 AI 幻觉的最有效武器。
四、 绝招：让 AI 先当“总设计师”（SPEC 驱动开发）
即使你写好了 PRD，也不要急着命令它：“马上开始写代码！”
高段位的玩家，会在正式施工前多设一道“蓝图确认卡点”：强制让 AI 把它的理解反写成一份 SPEC.md（技术规格方案）。
实操口令：
*“这是我的需求文档。现在严禁编写任何业务代码！
请你先充当资深架构师，通读需求后输出一份SPEC.md，内容必须包含：
- 数据结构设计（有哪些字段和类型）；
- 计划创建或修改的文件清单及各自分工；
- 分步实施步骤清单。
输出后等待我的审批，只有当我回复‘确认执行’后，你才能开始写第一步的代码。”*
你的 PRD 需求 ──► AI 消化并输出 SPEC.md 蓝图 ──► 你花 1 分钟肉眼审阅
│
┌───────────┴───────────┐
▼ ▼
【发现理解偏差】 【逻辑清晰无误】
一句话当场纠偏 回复“确认，开工！”
（成本几乎为 0） （产出近乎完美）为什么这一招能省掉大半返工时间？
因为修改一份文本方案只需要你动几句嘴皮子，成本几乎为 0；而如果让 AI 带着错误的理解先写了上千行代码，再想扭转它的思路，就得面临漫长的改 Bug 地狱。
五、 实战对照：小白指令 vs 架构师指令
看看同一项任务，两种沟通方式带来的巨大差距：
| 任务情境 | 小白随缘指令（大概率翻车） | 架构师标准姿势（稳定可控） |
|---|---|---|
| 做一个待办清单的过滤功能 | “加个筛选，能看完成和没完成的。” | “实现待办状态过滤切片： 1. UI：在列表上方增加三个选项卡：全部 / 待完成 / 已完成，激活态背景加深； 2. 逻辑：点击切换时，基于本地 state 的 isCompleted 字段做瞬时过滤；3. 不做：不需要做后端同步，先保证本地过滤交互流畅。” |
| 做一个导出表格的功能 | “加个按钮把数据导出成表格。” | “实现 CSV 导出功能： 1. 技术约束：严禁引入笨重的前端导出大库，直接用原生 JS 拼接 CSV 字符串生成 Blob 下载； 2. 交互：点击后显示‘正在生成...’，下载完成后自动恢复； 3. 先出计划：先告诉我你的拼接思路，不要直接修改主文件。” |
📝 结语与本篇自查
- 为什么在 AI 原生时代，我们说“写好需求就是最高级的编程”？
(因为 AI 承担了具体的语法搬砖工作，系统的成败完全取决于人类能否给出无歧义、高收敛的逻辑定义。) - 在需求模版中，为什么“明确的不做清单（Out of Scope）”往往比功能清单还重要？
(防止 AI 出现过度工程的毛病，画出清晰边界，扼杀不必要的冗余代码和潜在幻觉。) - 在让 AI 动手写大量代码前，多加一道“输出 SPEC.md 方案并等待人工确认”的步骤，核心价值是什么？
(把纠错成本前置到几乎为零的方案阶段，避免带着理解偏差写出一堆错误代码后再陷入调试地狱。)
下一篇预告：
学会了切片和写 PRD，AI 的单次执行已经非常精准了。但做大项目时，你一定会遇到另一个折磨人的问题：
同一个低级错误，为什么换个新会话 AI 每次都要重新犯一遍？每次都要重新叮嘱它“用中文、别乱引库”烦不烦？
在下一篇《第 11 篇｜项目记忆脚手架：用 Harness 与 Skills 让裸 AI 进化成业务老员工》中，我们将传授一套给项目注入“永久基因”的秘法，为 AI 打造一本量身定制的《员工入职手册》！