Phase 1: 需求分析
2026-04-19 10:33:29作者:江焘钦
Phase 1: 需求分析
- [ ] 收集用户操作场景
- [ ] 定义核心功能清单
- 状态: 进行中
Phase 2: 架构设计
- [ ] 选择技术栈
- [ ] 设计命令结构
- 状态: 待开始
**关键执行原则**:
1. **2次浏览规则**:每进行2次信息查询/搜索操作,必须更新findings.md
2. **即时记录决策**:技术选型和架构调整必须记录决策依据
3. **错误零容忍**:任何错误无论大小,立即记录在progress.md的错误日志中
> 📊 思考:如果跳过阶段划分直接开始编码,可能会导致什么问题?(答案:需求遗漏、架构缺陷、返工成本增加)
### 2.3 校准阶段:保持任务航向
长时间工作后,智能体容易偏离目标——校准阶段就是定期"回到航图"的过程。关键动作包括:
**每日校准三步骤**:
1. 重读task_plan.md确认当前阶段和目标
2. 检查findings.md确保新知识已记录
3. 更新progress.md的5-Question Reboot Check:
- Where am I?(当前阶段)
- Where am I going?(剩余阶段)
- What's the goal?(核心目标)
- What have I learned?(关键发现)
- What have I done?(已完成工作)
**自动化校准工具**:
```bash
# 运行状态检查脚本
./scripts/check-continue.sh
2.4 复盘阶段:构建知识闭环
任务完成不代表结束,复盘阶段将经验转化为可复用的知识:
复盘四要素:
- 成果验证:运行完成检查脚本
./scripts/check-complete.sh - 过程分析:识别哪个阶段耗时最长,原因是什么
- 错误归类:统计错误类型,制定预防措施
- 模板优化:根据本次经验改进task_plan.md等模板
实战案例:
在完成一个数据分析任务后,团队发现"数据清洗"阶段耗时远超预期。通过复盘,他们在模板中新增了"数据质量评估"子阶段,并开发了自动化清洗脚本,使后续项目效率提升40%。
自检清单
- [ ] 所有阶段均标记为"已完成"
- [ ] 错误日志完整记录并分类
- [ ] 决策记录包含所有关键技术选择
- [ ] 生成了本次任务的经验总结
三、反直觉实践:提升效率的关键技巧
3.1 先慢后快:前期规划的投入产出比
大多数人倾向于立即动手,但数据显示:每多花1小时规划,可节省4-6小时执行时间。特别是在AI任务中,前期明确目标可大幅减少无效工具调用。
实施方法:
- 强制预留任务总时长的20%用于规划
- 使用"如果...那么..."格式记录可能的分支情况
- 在task_plan.md中设置明确的阶段退出条件
3.2 冗余记录:过度文档化的价值
"这步太简单了,不用记下来"——这是导致后期困惑的主要原因。AI智能体尤其需要详细记录,因为其"记忆"无法像人类一样自然关联。
关键记录点:
- 为什么选择A方案而非B方案
- 尝试过但失败的方法及原因
- 外部资源的关键结论(而非链接)
- 临时决策和假设
3.3 频繁同步:2次操作规则的科学依据
研究表明,AI在连续处理超过2个外部信息源后,信息保留率下降60%。2次操作规则(每2次浏览/搜索后更新文档)正是基于这一发现设计的知识固化机制。
实施技巧:
- 在浏览器/搜索工具旁放置findings.md编辑窗口
- 使用"发现-结论-行动"三段式记录新信息
- 对重要数据使用表格形式增强可读性
自检清单
- [ ] 规划时间占任务总时长的20%以上
- [ ] 每个技术决策都有"为什么"记录
- [ ] 外部信息都转化为自己的语言记录
- [ ] 严格遵守2次操作规则
四、规划模板速查
4.1 研究型任务模板
task_plan.md重点章节:
## Goal
[一句话描述研究目标和预期成果]
## Phases
### Phase 1: 问题定义
- [ ] 明确研究问题边界
- [ ] 确定关键指标
- **Status:** pending
### Phase 2: 数据收集
- [ ] 设计数据采集方案
- [ ] 执行数据收集
- [ ] 记录数据来源和局限性
- **Status:** pending
findings.md特殊部分:
## Research Findings
- 关键数据点1: [数值] ([来源])
- 关键数据点2: [数值] ([来源])
- 数据趋势分析: [结论]
## Visual Findings
- 图表1结论: [关键发现]
- 图表2结论: [关键发现]
4.2 开发型任务模板
task_plan.md重点章节:
## Key Questions
1. 技术栈选择: [框架/语言] vs [框架/语言]
2. 架构模式: [选择理由]
3. 交付标准: [可量化指标]
## Decisions Made
| Decision | Rationale |
|----------|-----------|
| 前端框架选择React | 团队熟悉度高,生态完善 |
| 使用PostgreSQL数据库 | 支持复杂查询,适合项目规模 |
progress.md测试记录:
## Test Results
| Test | Input | Expected | Actual | Status |
|------|-------|----------|--------|--------|
| 用户注册 | 有效邮箱+密码 | 注册成功+邮件发送 | 符合预期 | ✓ |
| 用户登录 | 正确凭据 | 返回token | 符合预期 | ✓ |
4.3 创作型任务模板
task_plan.md阶段设计:
## Phases
### Phase 1: 内容规划
- [ ] 确定目标受众
- [ ] 制定内容大纲
- [ ] 收集参考素材
- **Status:** in_progress
### Phase 2: 初稿创作
- [ ] 完成核心章节
- [ ] 保持风格一致性
- [ ] 控制章节长度
- **Status:** pending
findings.md灵感记录:
## Creative Elements
- 标题方案: [3-5个备选标题]
- 开篇钩子: [2-3个引入方式]
- 案例来源: [具体参考资料]
## Feedback Integration
| Feedback | Implementation |
|----------|----------------|
| 增加案例 | 在第3章添加2个实际案例 |
| 简化语言 | 替换专业术语,增加解释 |
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
882
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609