帮助识别、评估和验证需求,在开始设计之前确保方向正确
Scanned 9/7/2026
Install to Claude Code
npx -y skills add modbender/skill-library-mcp --skill requirement-discovery --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Requirement Discovery?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/modbender-requirement-discovery)More formats (shields.io, HTML) on the badges page.
---
name: 需求调研与发现
description: 帮助识别、评估和验证需求,在开始设计之前确保方向正确
version: 1.5.0
updated: 2026-01-19
---
# 需求调研与发现 Skill
> 做正确的事,比正确地做事更重要。本 Skill 帮助你在开始设计之前,确保需求方向正确。
## 速查表
| 我想... | 跳转到 |
|---------|--------|
| 评估需求优先级 | [RICE 评分](#rice-需求评分) |
| 评估 AI 可行性 | [AI 能力边界评估](#ai-能力边界评估) |
| 做用户调研 | [快速用户调研](#快速用户调研) |
| 验证需求假设 | [假设验证循环](#假设验证循环) |
| 生成调研报告 | [调研报告模板](#调研报告输出) |
**核心流程**: 识别需求来源 -> 用户调研 -> 评估优先级 -> AI可行性 -> 输出调研报告
---
## 关联 Skill
| Skill | 关系 | 说明 |
|-------|------|------|
| doc-writing | 下一步 | 调研完成后,撰写需求文档 |
| doc-review | 后续 | 需求文档完成后评审 |
| development | 后续 | 评审通过后开发 |
| code-review | 后续 | 开发完成后代码评审 |
**完整工作流**: `requirement-discovery` -> `doc-writing` -> `doc-review` -> `development` -> `code-review`
---
## 使用场景
- "帮我调研一下这个需求"
- "评估一下这个功能要不要做"
- "这个 AI 功能技术上可行吗"
- "帮我做一下用户调研"
- "这几个需求哪个优先级更高"
---
## 调研流程
### 第一步: 识别需求来源
需求通常来自以下 4 个来源:
| 来源 | 说明 | 如何获取 |
|------|------|---------|
| **用户反馈** | 用户直接提出的需求 | 客服记录、用户访谈、评论 |
| **竞品功能** | 竞争对手有我们没有 | 竞品分析 (见 doc-writing) |
| **团队洞察** | 团队发现的机会点 | 头脑风暴、日常观察 |
| **市场趋势** | 行业发展方向 | 行业报告、技术趋势 |
**需求来源记录模板**:
```markdown
## 需求来源记录
| 来源类型 | 需求描述 | 提出人/渠道 | 日期 |
|---------|---------|------------|------|
| 用户反馈 | [需求描述] | [来源] | YYYY-MM-DD |
```
---
### 第二步: 快速用户调研
> 不需要重型的调研,5 分钟用户访谈法足够
#### 5 分钟用户访谈法
**核心问题 (按顺序问)**:
| # | 问题 | 目的 |
|---|------|------|
| 1 | "你现在是怎么解决这个问题的?" | 了解现状 |
| 2 | "这个过程中最让你头疼的是什么?" | 挖掘痛点 |
| 3 | "如果有个工具能帮你 [解决痛点],你愿意用吗?" | 验证需求 |
| 4 | "你愿意为此付费吗? 大概多少?" | 验证价值 |
| 5 | "还有什么我没问到但你想说的?" | 开放收集 |
**访谈记录模板**:
```markdown
## 用户访谈记录
**访谈对象**: [用户基本信息]
**访谈日期**: YYYY-MM-DD
**访谈时长**: X 分钟
### 现状
[用户目前如何解决问题]
### 痛点
[用户最大的痛点是什么]
### 需求验证
- 需求是否存在: [OK]/[X]
- 愿意使用: [OK]/[X]
- 愿意付费: [OK]/[X] [金额]
### 其他发现
[用户提到的其他有价值信息]
```
#### 用户画像模板
```markdown
## 目标用户画像
### 基本信息
| 项目 | 描述 |
|------|------|
| 用户类型 | [如: 产品经理/开发者/普通用户] |
| 年龄段 | [如: 25-35] |
| 技术水平 | [高/中/低] |
### 核心特征
- **目标**: [用户想要达成什么]
- **痛点**: [用户最大的困扰]
- **现有解决方案**: [目前怎么解决]
- **为什么不满意**: [现有方案的问题]
### 使用场景
[用户在什么情况下会使用我们的产品]
```
---
### 第三步: RICE 需求评分
> 量化评估需求优先级,避免主观判断
#### RICE 评分公式
```
RICE 分数 = (Reach x Impact x Confidence) / Effort
```
| 因素 | 含义 | 评分方式 |
|------|------|---------|
| **R**each (触达) | 影响多少用户? | 预计用户数 / 时间周期 |
| **I**mpact (影响) | 对用户的影响程度? | 3=大 / 2=中 / 1=小 / 0.5=极小 |
| **C**onfidence (信心) | 对估算的信心? | 100%=高 / 80%=中 / 50%=低 |
| **E**ffort (投入) | 需要多少人力? | 人天数 |
#### RICE 评分表模板
```markdown
## 需求 RICE 评分
| 需求 | R(触达) | I(影响) | C(信心) | E(投入) | RICE分数 | 优先级 |
|------|---------|---------|---------|---------|----------|--------|
| 需求A | 1000 | 3 | 80% | 5 | 480 | P0 |
| 需求B | 500 | 2 | 50% | 10 | 50 | P2 |
| 需求C | 2000 | 1 | 100% | 2 | 1000 | P0 |
### 优先级结论
1. **P0 (必做)**: 需求C (RICE=1000)、需求A (RICE=480)
2. **P1 (应做)**: ...
3. **P2 (可选)**: 需求B (RICE=50)
```
#### RICE 评分指南
**Reach (触达) 估算**:
- 日活用户 x 使用比例
- 例: 1000 DAU x 50% = 500
**Impact (影响) 评分**:
| 分数 | 含义 | 示例 |
|------|------|------|
| 3 | 巨大影响 | 核心功能,显著提升体验 |
| 2 | 较大影响 | 重要功能,明显改善 |
| 1 | 一般影响 | 有帮助,锦上添花 |
| 0.5 | 微小影响 | 可有可无 |
**Confidence (信心) 评分**:
| 分数 | 含义 |
|------|------|
| 100% | 有数据支撑,非常确定 |
| 80% | 有用户反馈,比较确定 |
| 50% | 直觉判断,不太确定 |
**Effort (投入) 估算**:
- 单位: 人天
- 包含: 设计 + 开发 + 测试
---
### 第四步: AI 能力边界评估
> AI 不是万能的,提前评估技术可行性
#### AI 可行性检查清单
| 检查项 | 问题 | 评估 |
|--------|------|------|
| **效果预期** | AI 能达到用户期望的效果吗? | [OK] 能 / [!] 部分能 / [X] 不能 |
| **数据依赖** | 需要什么数据? 我们有吗? | [OK] 有 / [!] 需获取 / [X] 无法获取 |
| **模型能力** | 现有模型能支持吗? | [OK] 能 / [!] 需调优 / [X] 不能 |
| **响应时间** | 能在用户可接受的时间内响应吗? | [OK] 能 / [!] 边界 / [X] 太慢 |
| **成本可控** | Token 成本在预算内吗? | [OK] 可控 / [!] 边界 / [X] 太贵 |
| **内容安全** | 有内容安全风险吗? | [OK] 安全 / [!] 需审核 / [X] 高风险 |
#### AI 功能可行性评估模板
```markdown
## AI 功能可行性评估
### 功能描述
[描述 AI 功能的目标]
### 评估结果
| 维度 | 评估 | 说明 |
|------|------|------|
| 效果预期 | [OK]/[!]/[X] | [说明] |
| 数据依赖 | [OK]/[!]/[X] | [说明] |
| 模型能力 | [OK]/[!]/[X] | [说明] |
| 响应时间 | [OK]/[!]/[X] | [说明] |
| 成本可控 | [OK]/[!]/[X] | [说明] |
| 内容安全 | [OK]/[!]/[X] | [说明] |
### 可行性结论
- [OK] **可行**: 可以开始设计
- [!] **有条件可行**: 需要 [条件]
- [X] **不可行**: 原因 [原因]
### 建议方案
[如果有条件可行或不可行,替代方案是什么]
```
#### 常见 AI 能力边界
| 场景 | AI 能力 | 注意事项 |
|------|--------|---------|
| 对话/问答 | [OK] 擅长 | 可能产生幻觉 |
| 文本生成 | [OK] 擅长 | 需要审核 |
| 翻译 | [OK] 擅长 | 专业领域需调优 |
| 代码生成 | [!] 中等 | 需要人工审核 |
| 图像识别 | [!] 中等 | 准确率有限 |
| 实时数据 | [X] 不擅长 | 需要外部数据源 |
| 100%准确 | [X] 无法保证 | 必须接受误差 |
---
### 第五步: 假设验证循环
> 创业的本质是验证假设
#### 假设验证循环
```
构建假设 -> 设计 MVP -> 收集数据 -> 验证/推翻 -> 迭代
```
#### 需求假设模板
```markdown
## 需求假设
### 假设陈述
我们相信 [目标用户] 在 [场景] 下,
有 [痛点/需求],
如果我们提供 [解决方案],
他们会 [期望行为]。
### 验证指标
- 成功指标: [如何判断假设成立]
- 失败指标: [如何判断假设不成立]
### 验证方式
- [ ] 用户访谈 (N=?)
- [ ] 问卷调查 (N=?)
- [ ] MVP 测试
- [ ] A/B 测试
### 验证结果
- 状态: [OK] 验证通过 / [X] 推翻 / [~] 需要更多数据
- 结论: [基于数据的结论]
- 下一步: [行动计划]
```
#### MVP 思维
| 原则 | 说明 |
|------|------|
| **最小** | 只实现验证假设所需的最小功能 |
| **可行** | 必须是可用的,不是 Demo |
| **产品** | 为真实用户解决真实问题 |
---
## 调研报告输出
完成调研后,输出以下格式的报告:
```markdown
# [需求名称] 调研报告
## 报告信息
| 项目 | 内容 |
|------|------|
| 需求来源 | [用户反馈/竞品/团队洞察/市场趋势] |
| 调研日期 | YYYY-MM-DD |
| 调研结论 | [OK] 建议推进 / [!] 需要更多验证 / [X] 不建议推进 |
## 需求概述
[一句话描述需求]
## 目标用户
[用户画像简述]
## RICE 评分
| R(触达) | I(影响) | C(信心) | E(投入) | RICE分数 |
|---------|---------|---------|---------|----------|
| X | X | X% | X人天 | X |
## AI 可行性 (如适用)
| 维度 | 评估 |
|------|------|
| 效果预期 | [OK]/[!]/[X] |
| 技术可行 | [OK]/[!]/[X] |
| 成本可控 | [OK]/[!]/[X] |
## 验证情况
- 用户访谈: [X] 人,[结论]
- 竞品对比: [结论]
- 技术评估: [结论]
## 结论与建议
### 结论
[是否建议推进,理由]
### 建议的下一步
1. [行动项1]
2. [行动项2]
### 风险提示
- [风险1]
- [风险2]
```
---
## 调研原则
### 1. 速度优先
- 不要追求完美调研
- 快速验证,快速迭代
- 80% 的信心足够开始
### 2. 数据说话
- 用数据支撑决策
- 避免"我觉得"
- 小样本也比没有强
### 3. 用户视角
- 从用户痛点出发
- 不是"我们能做什么"
- 而是"用户需要什么"
### 4. 接受失败
- 推翻假设也是成功
- 早发现比晚发现好
- 不要为沉没成本坚持
---
## 下一步
调研完成后,使用 **doc-writing** skill 撰写需求文档:
> "帮我写一个需求文档"
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!