格子 AI 编程方法论
第 2 章 · 篇2 表达

需求拆解四步法

脑子里有想法,但说不清楚——这是大多数人用 AI 编程效率低的第一原因。四步法帮你把模糊想法变成 AI 能执行的精确需求。

为什么 AI 给的总不是你想要的

最常见的情况是这样的:你脑子里有个想法,比如"做个待办清单"。你跟 AI 说"帮我做个待办清单"。AI 给了你一个——但不是你想要的那种。你说"不对",AI 改了一版——还是不对。来回三五次,你烦了,AI 也"晕"了。

问题不在 AI 的能力,在你的需求没有拆解。"做个待办清单"是一个模糊想法,不是一个可执行的需求。AI 不知道你要什么样的待办清单,它只能猜——猜对了是运气,猜错了是常态。

📌 模糊 → 精确

AI 不是读心术。你说的越模糊,AI 的发挥空间越大(等于越容易跑偏)。你说的越具体,AI 的选择范围越小(等于越容易命中)。需求拆解的本质,就是把 AI 的「猜」变成「执行」。

四步法:从模糊到精确

第一步:模糊想法 → 功能清单

把"做个待办清单"拆成具体功能。问自己:这个东西要能做什么?

这一步的关键是把"做什么"变成"有哪些功能"。每个功能是一个具体的、可描述的行为。

第二步:功能清单 → 优先级

不是所有功能都要一次性做完。把功能分三档:

先让 AI 做"必须有"的部分。这比一次塞一堆需求效果好得多——AI 的注意力有限,需求越聚焦,产出越精准。

第三步:优先级 → 验收标准

每个"必须有"的功能,你要能回答:"什么样算做好了?"这就是验收标准。

比如"添加任务":

验收标准不需要写代码,只需要描述用户看到什么、能做什么。这正是 AI 能理解的语言。

第四步:组合成需求描述

把前三步的结果组合起来,就是一份 AI 能执行的需求:

做一个待办清单网页。功能:
1. 输入框 + 回车添加任务
2. 每个任务有完成按钮,点击后划线
3. 每个任务有删除按钮
先做这三个功能,不要排序和日期。

对比一下"帮我做个待办清单"——哪一个能让 AI 一次命中,一目了然。

💡 四步法速查卡

以后每次跟 AI 提需求前,过一遍: ① 拆功能清单(这东西要能做什么)→ ② 定优先级(哪些必须有)→ ③ 写验收标准(什么样算做好了)→ ④ 组合描述(把前三步串成一段话给 AI)。 多花 3 分钟做拆解,少花 30 分钟改 AI 的错。

完整走一遍:从模糊想法到可执行需求

换个新场景,从头走一遍四步法,感受它到底有多实用。假设你想做一个AA 记账工具——朋友聚餐后自动算每个人该付多少。

起点:一个模糊想法

「我想做个小工具,帮我记账。」——如果直接把这句话丢给 AI,它可能给你做一个带银行同步、预算分析、报表导出的重型财务系统。而你可能只是想算个简单的 AA 饭钱。

这就是为什么需要拆解。

第一步:拆功能清单

坐下来想 2 分钟,这个东西到底要能做什么:

AA 记账工具 - 功能初步拆解:
1. 添加记录(金额、人数、日期)
2. 自动计算每人应付(总金额 / 人数)
3. 查看历史记录
4. 删除某条记录

第二步:定优先级

先让 AI 做「必须���」的四个功能。一口气塞太多,AI 容易出错。

第三步:写验收标准

以「添加记录」为例,什么叫「做好了」?

第四步:组合成需求描述

把前三步串起来,就是一份 AI 能直接执行的需求:

做一个 AA 记账网页。功能:
1. 表单添加记录:输入金额、人数、日期,点击添加
2. 历史列表,每条自动计算「每人应付 = 金额 / 人数」
3. 可删除某条记录
4. 数据存在浏览器本地就行

约束:纯 HTML/CSS/JS,深色背景,手机上方便看。
先做这四项基础功能,不要图表和导出。

从「帮我做记账工具」到这 9 行需求,花了不到 5 分钟。但 AI 给你的第一版,大概率已经能用了。

💡 四步法不是用一次就扔

这个 walkthrough 的每一步,都可以直接套到你的项目上。把「AA 记账」换成你的需求,照着这四个步骤走一遍,你就能产出第一版可执行需求。养成习惯——每次都这么拆,而不是扔一句话给 AI 然后慢慢改。

先说"要什么"再说"怎么做"

四步法的核心原则是:先描述你要什么结果,再描述你想怎么做

很多人习惯一上来就指挥 AI 怎么写代码——"用 React,用 Tailwind,先写一个组件……"。这是在替 AI 做它擅长的事。你只需要告诉它你要什么,怎么实现让它决定。如果它选的方案你不满意,再在反馈阶段调整。

例外:如果你有明确的技术约束(必须用某个框架、必须兼容某个环境),那要在需求里说清楚。但这是"约束",不是"指令"。

一个常见陷阱:需求太细

和需求太模糊相反的极端,是需求太细——把每个 CSS 属性、每个函数名都指定好了。这不叫"提需求",叫"口述代码"。

太细的问题在于:你在替 AI 做它擅长的事(写代码),而忽略了它不擅长的事(理解你的意图)。结果是你累死、AI 还不一定按你想的来。

正确的粒度是:描述行为和结果,不描述实现细节。"点击后划线"是好需求,"给 text-decoration 加 line-through"是太细了。

⚠️ 两个极端都要躲

需求太模糊 → AI 瞎猜,命中率低。
需求太细(口述代码) → 你累死,AI 还不一定听。
正确的中间点:描述用户看到什么、能做什么,不描述代码怎么写。

本章小结

  • AI 没给对,不是它不行——是你的需求没拆
  • 四步法:模糊想法 → 功能清单 → 优先级 → 验收标准 → 组合成需求描述
  • 先描述要什么结果,再说怎么做。让 AI 决定实现方式。
  • 恰到好处的粒度:描述行为和结果,不描述代码怎么写