「需求访谈」智能体 Skill 是什么:能做什么、适合谁、怎么开始
如果你在文档、看板与会议工具里反复做需求访谈,可以考虑把经验沉淀为一个 Skill:写清触发条件、步骤、输出格式和边界,让智能体代劳重复部分,人只负责把关。
一句话说明
「需求访谈」技能让智能体准备并整理需求访谈。你提供访谈目标,它按固定步骤处理,交付访谈提纲与洞察。
| 项目 | 说明 |
|---|---|
| 技能 | 需求访谈(discovery-interview) |
| 作用 | 准备并整理需求访谈 |
| 输入 | 访谈目标 |
| 输出 | 访谈提纲与洞察 |
| 形态 | 纯提示词 |
| 风险 | 低 |
| 适用人群 | 产品经理与项目经理 |
它解决什么问题
没有技能时,产品经理与项目经理每次都要重新描述要求,智能体的输出时详时略、格式不一,关键的检查步骤也经常被跳过。把流程写成技能后:
- 每次都按同样的顺序执行:设计问题→记录回答→提炼需求→验证假设
- 输出结构固定,便于复核和归档
- 领域规矩(如「优先级与对外承诺需要团队确认」)写在技能里,不靠临时提醒
适合与不适合
适合:经常处理访谈目标、希望结果格式统一、愿意花十分钟把流程写清楚的产品经理与项目经理。
不适合:一次性的临时任务;需要大量现场判断、无法写成步骤的工作;以及没有人复核就要直接对外使用的场景。
可以在哪些平台实现
同一个技能的思路可以落在不同平台上,常见选择有:
- 飞书 aily:飞书 aily 是飞书推出的企业级智能伙伴开发平台
- Claude Code Skill:Claude Code 的 Agent Skills 以文件夹为单位:一个 SKILL.md(YAML 头写 name 与 description)加上可选的脚本和参考资料。智能体平时只看到 description
- Function Calling:Function Calling(工具调用)是主流大模型 API 的通用能力:你用 JSON Schema 描述函数
- LangChain / LangGraph 工具:LangChain 用 @tool 装饰器把函数变成工具
怎么开始
建议先用纯提示词版本在日常对话助手里试几次,确认步骤合理;再按SKILL.md 写法封装成技能;最后用测试用例验收。
这个技能纯指令型,不需要额外脚本或外部连接,复制到大多数平台都能用;风险较低,但输出仍需快速过目再使用。
想了解提示词层面的基础用法,可以先读站内的智能体技能与插件入门。
交付物结构示例
建议把访谈提纲与洞察固定成下面的结构(示意),方便复核与归档:
## 结论
一句话说明最重要的发现或结果
## 主要内容
- 设计问题:……
- 记录回答:……
- 提炼需求:……
- 验证假设:……
## 依据
- 引用输入中的具体位置或数据
## 需人工确认
- ……(没有则写“无”)
结构固定之后,复核的人只要先看“结论”和“需人工确认”两部分,就能快速判断结果能否使用。
平台选择建议
同一个「需求访谈」技能可以落在不同平台上,选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统:
- Dify 工作流:Dify 是开源的大模型应用开发平台。详见Dify 工作流 版
- n8n AI Agent:n8n 是可自托管的工作流自动化工具。详见n8n AI Agent 版
- Claude 应用中的 Skills:在 Claude 的网页或桌面应用里。详见Claude 应用中的 Skills 版
这个技能纯指令型,不需要额外脚本或外部连接,复制到大多数平台都能用,可据此排除不支持相应能力的平台。
延伸阅读
说明:文中的配置、代码与目录结构均为示意,用于说明思路;各平台的入口、字段名与能力会更新,落地前请以对应官方文档为准。示例中的数据与场景为虚构,不代表真实案例。