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 StartedRust0446
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0765
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0311
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
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
494
515
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
800
1.14 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++
782
1.57 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++
966
2.28 K
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
845
6.18 K
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++
1.21 K
1.25 K
AtomGit CLI (ag cli),AtomGit 命令行工具,参考 GitHub CLI (gh) 开发。
目前 atomgit-cli 项目已在 AtomCode 的 Coding Plan 项目列表中
Go
40
24
CANN 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 Notebook
645
283
暂无描述
Markdown
828
5.48 K