AI 对齐与工程 · 想法与需求对齐

先把问题说清,AI 才可能做对

早期翻车常在需求层:想法没压成对象、边界、例外、啥算成功,后面流程、架构、测试都只能在模糊地基上打补丁。

概念地图

方法不同,目标一样:想法进规格

JTBD、Story、BDD、共享语言、PRD/ADR 表面各异,核心都是把进展、语言和可验证行为说清。差别在你先对齐任务、叙事、示例还是边界。

JTBD

先问用户要完成什么任务、在什么情境、怎样算进展;少堆功能清单,多问系统为何存在。

User Story / Story Mapping

把零散需求放回用户旅程,看清范围和先后顺序,避免优先级失真。

BDD / Specification by Example

用场景和具体例子(Given/When/Then)把正确行为说死,别让各角色各理解一套。

Ubiquitous Language

产品、设计、代码用同一套命名;概念不稳,判断就会漂。

PRD / ADR 边界

PRD 写要解决什么,ADR 写为什么这样实现;别把需求和技术决策糊在一篇里。

先看需求层的偏差

返回 AI 对齐与工程 »

prompt 越写越长、讨论越乱?多半不是你不会写,是概念、边界、啥算成功还没压稳。

约束比聪明更重要

约束比聪明更重要

能力放大方向;方向错了,聪明只是加速偏航。对齐=目标可裁判+代价硬约束+熔断,不是更听话。