我要投稿

需求评审 Skill：让 AI 帮你在评审会前找到 15 个问题

发布日期：2026-05-15 12:25:19 浏览次数： 1552

作者：AI测试圈

微信搜一搜，关注“AI测试圈”

评审会上你是不是经常沉默？不是不想说，是真的看不出问题。

产品扔过来一份 PRD，几十页，密密麻麻。你从头翻到尾，感觉好像说的都对，但又说不出哪里不对。评审会上，开发问了几个接口的事，产品答了，然后就散会了。

你全程一言不发。

不是你不行，是这活儿本来就不适合肉眼扫描。

传统评审：靠经验，靠运气

说实话，大多数团队的需求评审是什么样的？

第一种：走过场。产品讲一遍，大家点点头，散会。评审纪要写"无异议"。三周后测试的时候发现需求写的啥也不是，开始扯皮。

第二种：靠老司机。团队里有个干了八年的测试 Lead，他凭经验能挑出几个问题。但他请假那天呢？换个新人呢？

第三种：Checklist 大法。列了一个 50 项的检查清单，每次评审对着勾。问题是，清单是死的，需求是活的。清单上没写的边界场景，你根本想不到。

这三种方式的共同问题是——覆盖面有限，严重依赖个人能力。

我统计过，传统评审平均能发现 2-3 个问题。不是需求没问题，是你没发现而已。

Skill 评审：让 AI 在评审前帮你扫一遍

现在换个思路。

评审会之前，你用一个 Skill，把需求文档喂进去，让 AI 从四个维度自动扫描：

维度一：完整性检查

需求文档里该有的字段有没有？

• 业务背景：写了没？写的是"提升用户体验"这种废话还是真的说清楚了？

• 用户角色：谁在用？不同角色的权限区别说了没？

• 输入输出：接口入参出参定义清楚了没？异常返回码列了没？

• 前置条件：什么情况下能触发这个功能？什么情况不能？

• 性能要求：响应时间、并发量、数据量有没有说？

• 异常处理：网络断了怎么办？数据为空怎么办？重复提交怎么办？

Skill 会逐项扫描，缺什么标什么。你不用靠记忆力，AI 比你细心。

维度二：一致性检查

需求文档前后有没有自相矛盾的地方？

这个最隐蔽。比如第 3 页写"用户可以修改已提交的订单"，第 7 页又写"订单提交后状态锁定不可变更"。你通读一遍可能注意不到，但 AI 会交叉比对每一条描述，把矛盾的地方揪出来。

还有一种一致性问题是跨模块矛盾。A 模块说这个字段必填，B 模块说这个字段选填。两个产品经理各写各的，谁也没对过。Skill 能帮你抓住这些。

维度三：可测试性检查

需求写的东西，你能设计测试用例吗？

"系统应具有良好的用户体验" —— 怎么测？什么叫"良好"？

"数据应及时更新" —— 多及时？1 秒？1 分钟？1 小时？

"支持大量用户同时使用" —— 大量是多少？100？10000？100万？

这类模糊描述，Skill 会标记为"不可测试"，并给出建议改法。比如建议把"及时更新"改成"数据变更后 3 秒内在前端可见"。

维度四：二义性检查

同一句话，不同人读出不同意思。

"用户登录失败后锁定账户" —— 失败几次锁定？锁多久？锁定后还能找回密码吗？

Skill 会识别这类表述不清的句子，标注可能的歧义点，并建议补充说明。

实战演示：一份真实 PRD 的扫描结果

我拿了一份内部项目的 PRD 做了测试（脱敏后的数据）：

传统评审结果：

• 评审时长：45 分钟

• 参会人数：8 人

• 发现问题：3 个（1 个字段缺失，2 个流程不清）

Skill 预扫描结果：

• 扫描时长：2 分钟

• 发现问题：17 个

- 完整性问题 5 个：缺少异常处理描述、缺少性能指标、缺少回滚方案等

- 一致性问题 4 个：状态流转前后矛盾、字段必填/选填冲突等

- 可测试性问题 5 个：模糊描述无法设计用例

- 二义性问题 3 个：多义表述可能导致实现偏差

17 个问题，2 分钟。

而且这 17 个问题里，有 12 个是评审会上 8 个人都没发现的。

Before / After 对比

评审前准备：Before — 通读文档，凭感觉 → After — Skill 扫描，带着问题清单进会

发现问题数：Before — 2-3 个 → After — 15+ 个

问题覆盖面：Before — 集中在功能层 → After — 完整性/一致性/可测试性/二义性

评审效率：Before — 45 分钟，产出少 → After — 30 分钟，聚焦讨论 Skill 标记的问题

测试阶段返工：Before — 频繁 → After — 大幅减少

个人依赖：Before — 强依赖老司机 → After — 新人也能发现深层问题

最大的变化不是数字，是你的角色转变。

以前你是评审会上的旁听者，现在你是带着 17 个问题进会的提问者。产品经理开始重视你了，因为你总能问到点子上。

避坑指南

坑一：AI 说有问题就一定有问题？

不是。Skill 扫出来的是"疑似问题"，需要你判断。有些是真问题，有些是 AI 理解偏差。比如 AI 可能不理解你们业务的特定术语，把正常表述标记为二义性。

你要做的是过滤和排序，不是照单全收。

坑二：产品经理会不会觉得你在挑刺？

态度很重要。你不是说"你的文档写的有问题"，而是说"AI 帮我预检了一下，发现这几个地方可能需要确认"。把锅甩给 AI，自己做中间人。

坑三：Skill 能替代需求评审吗？

不能。Skill 是评审的前置检查，不是替代品。它帮你发现问题，但问题怎么解决、优先级怎么排，还是得靠人。

坑四：需求文档格式不统一怎么办？

Skill 的 Prompt 里需要定义你们团队的需求文档模板。格式越统一，扫描效果越好。建议先跟产品对齐模板，再跑 Skill。

这个 Skill 的核心思路

简单说就是让 AI 扮演一个资深测试工程师，从四个维度逐项检查：

1. 完整性：对照需求文档模板，检查必要字段是否缺失

2. 一致性：交叉比对文档中的描述，识别矛盾和冲突

3. 可测试性：判断每条需求能否直接设计测试用例

4. 二义性：识别可能产生多种理解的模糊表述

输出格式是结构化的问题清单，每个问题标明维度、严重程度、原文位置、建议改法。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-05-15

26个PPT生成Skill，我做了一次系统梳理

2026-05-15

B 端产品设计 Skill 怎么做？结构对了，比你想的简单

2026-05-14

Perplexity 首次公开了内部 Skill 设计指南

2026-05-14

2篇SkillGraph，一篇阿里，一篇腾讯

2026-05-14

SkillForge：让技能自己学会进化

2026-05-14

Skill配方｜我用三个skill 实现了skill 自由

2026-05-14

需求总返工、PRD总跑偏？产品经理最该补的是这8个Skill

2026-05-14

这两个 Skills，让我终于不用一张张下载活动照片了

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

开源「女娲.skill」，你现在可以去蒸馏任何人！

2026-04-05

OpenCode进阶指南：MCP协议与Skill技能，让你的AI助手真正"开外挂"

2026-03-04

Agent Skills：把提示词升级成“员工手册”，让 Agent 真正可复用、可规模化

2026-03-03

视频分镜提示词Skill，详细制作过程分享！

2026-03-17

OpenAI Codex Skills 深度技术解读

2026-03-05

Skills 真的可以帮我干活了：把工单分析变成一个可复用的 Skill

2026-03-03

OpenClaw 搭团队太折腾？这个 Skill 一键搞定多智能体协作

2026-03-10

当AI自己学会搭积木：Skills的崛起，会杀死Dify吗？

2026-03-17

🦞元宝派「养虾」常见问题答疑

2026-03-26

让你的 ClaudeCode 秒变 Openclaw（龙虾），连接飞书、Discord 远程控制

2026-03-05

大家都在问

怎么创建一个真正能干活的 Skills？

2026-05-09

Skill 是怎么悄悄变成 SOP 的?

2026-05-08

如何从0到1创建一个画原型的Skills？

2026-04-29

如何把经验装到Skills？

2026-04-29

你写的 Skill，及格了吗？

2026-04-22

万字干货！Harness Engineering如何工程化落地？

2026-04-22

如何用 Skills，高效完成产品经理的工作？

2026-04-18

装了N个skills之后，鹅厂员工觉得“最香”的是哪一个？

2026-04-15

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw