需求澄清器

需求澄清器 - 原创技能。自动追问模糊需求，减少返工和误解。适用于AI编程、需求分析、任务交接等场景。

⚠️ 发布规则

所有发布到ClawHub的技能必须严格测试，确定没有问题再发布

---

技能测试验证清单

• frontmatter格式正确
• 澄清问题模板完整
• 判断逻辑清晰
• 优先级排序合理
• 无语法错误

---

Requirement Clarifier - 需求澄清器

原创技能 | 激活词: 澄清需求 / 追问细节 / 确认需求

核心问题

模糊需求导致的问题：

• AI按错误理解开发
• 完成后需要返工
• 浪费时间精力
• 用户不满意

澄清框架

5W1H 追问法

text

What (什么) - 具体要做什么？
Why (为什么) - 为什么要做这个？
Who (谁) - 谁来使用？
Where (哪里) - 在什么环境使用？
When (何时) - 什么时候需要？
How (如何) - 如何实现/使用？

澄清维度

维度	关键问题	目的
范围	需要包含什么？排除什么？	明确边界
质量	怎样算成功？有什么标准？	定义成功
约束	有什么限制？技术/时间/预算？	了解限制
优先级	什么最重要？	排序决策
风险	有什么担忧？	预防问题

常见模糊模式

模式1: 动词模糊

text

❌ 模糊: "帮我优化这个代码"
✅ 澄清: 优化哪个方面？
       - 性能 (速度/内存)
       - 可读性
       - 可维护性
       - 安全性

❌ 模糊: "修复这个bug"
✅ 澄清: 期望行为是什么？
       实际行为是什么？
       如何复现？

模式2: 名词模糊

text

❌ 模糊: "创建一个用户模块"
✅ 澄清: 需要包含哪些功能？
       - 注册/登录
       - 用户资料
       - 权限管理
       - 头像上传
       需要和哪些系统集成？

❌ 模糊: "做个好看的界面"
✅ 澄清: 好看是指什么风格？
       - 现代简约
       - 传统商务
       - 活泼年轻
       有参考案例吗？

模式3: 范围模糊

text

❌ 模糊: "做个网站"
✅ 澄清: 网站类型？
       - 电商网站
       - 博客网站
       - 企业官网
       - 社交平台
       
❌ 模糊: "处理这些数据"
✅ 澄清: 数据来源？
       处理逻辑？
       输出格式？

澄清流程

text

1. 接收需求
      ↓
2. 识别模糊点
      ↓
3. 生成澄清问题
      ↓
4. 按优先级排序
      ↓
5. 选择最关键问题追问
      ↓
6. 根据回答更新理解
      ↓
7. 重复直到清晰

澄清问题生成

python

def generate_clarification_questions(requirement: str) -> list[Question]:
    questions = []
    
    # 检测模糊模式
    if contains_vague_verb(requirement):
        questions.extend(clarify_verb(requirement))
    
    if contains_vague_noun(requirement):
        questions.extend(clarify_noun(requirement))
    
    if lacks_scope(requirement):
        questions.extend(clarify_scope(requirement))
    
    if lacks_success_criteria(requirement):
        questions.extend(clarify_criteria(requirement))
    
    # 按优先级排序
    questions.sort(key=lambda q: q.priority, reverse=True)
    
    # 只问最关键的3个
    return questions[:3]

模糊检测规则

python

VAGUE_WORDS = [
    '优化', '改进', '提升', '完善',
    '处理', '管理', '系统', '模块',
    '好看', '好用', '快速', '高效',
    '一些', '相关', '合适', '适当',
]

VAGUE_PATTERNS = [
    r'帮我.*',        # 缺少宾语
    r'做个.*',        # 缺少具体描述
    r'处理.*',        # 缺少处理逻辑
    r'优化.*',        # 缺少优化目标
]

澄清输出格式

markdown

## 需求澄清

### 原始需求
"帮我做个用户管理模块"

### 已识别模糊点
1. ⚠️ 范围不清 - 不知道包含哪些功能
2. ⚠️ 标准不明 - 不知道怎样算完成
3. ⚠️ 环境未提 - 不知道在什么环境运行

### 请帮我确认

#### 问题 1/3 [高优先级]
**需要包含哪些用户管理功能？**
- [ ] 用户注册
- [ ] 用户登录
- [ ] 密码找回
- [ ] 用户资料编辑
- [ ] 权限/角色管理
- [ ] 其他: ___

#### 问题 2/3 [中优先级]
**有什么技术要求？**
- 技术栈: ___
- 需要API吗？ ○ 是 ○ 否
- 需要数据库吗？ ○ 是 ○ 否

#### 问题 3/3 [低优先级]
**预计用户规模？**
- [ ] <100人
- [ ] 100-1000人
- [ ] 1000-10000人
- [ ] >10000人

回复理解确认

markdown

## 需求理解确认

### 我理解的如下，请确认：

**功能范围**
- ✅ 用户注册/登录
- ✅ 密码找回
- ✅ 用户资料管理
- ❌ 权限管理 (你说先不做)

**技术要求**
- ✅ 技术栈: React + Node.js
- ✅ 需要REST API
- ✅ 使用PostgreSQL

**成功标准**
- ✅ 所有用户能正常注册登录
- ✅ 资料能正常编辑保存
- ✅ 响应时间 < 500ms

**是否正确？**
- [ ] 是，没问题
- [ ] 不对，需要调整

澄清效果评估

python

def evaluate_clarity(requirement: str, answers: list[str]) -> float:
    # 计算澄清后的清晰度
    
    clarity = 0.0
    
    if has_concrete_features(answers):
        clarity += 0.3
    
    if has_success_criteria(answers):
        clarity += 0.3
    
    if has_tech_constraints(answers):
        clarity += 0.2
    
    if has_scope_boundary(answers):
        clarity += 0.2
    
    return clarity

# 澄清有效阈值: >= 0.7

应用场景

场景1: AI编程

text

用户: "帮我做个按钮"
AI: [触发需求澄清器]
   - 需要什么样式？
   - 点击事件？
   - 有哪些状态？
   - 尺寸大小？

场景2: 任务交接

text

A: "把这个功能交给B"
B: [使用需求澄清器]
   - 功能范围？
   - 接口定义？
   - 交付标准？

场景3: 需求分析

text

产品经理: "用户需要管理数据"
分析师: [使用需求澄清器]
   - 什么类型的数据？
   - CRUD全部需要？
   - 有批量操作？

与Karpathy法则结合

需求澄清 = Karpathy "先思考" 的具体实现

Karpathy法则	需求澄清对应
不假设	不假设用户需求
不隐藏困惑	明确提出疑问
多解释列出	提供选项让用户选择

原创性声明

本技能为原创，融合了：

• 需求工程方法论
• 模糊语言识别
• 追问框架设计
• 交互式澄清对话

---

作者: laosi 创建日期: 2026-04-28