我现在所有复杂需求，都会先跑一遍这套 AI Prompt

很多人觉得「用 AI 写代码」才算真正用上了大模型，但在我最近一段时间的实践里，我越来越确定一件事：AI 对开发效率最大的提升，其实发生在「写代码之前」——也就是需求拆解与方案设计阶段。

说实话，这个结论并不是我一开始就有的，而是踩了不少坑、推翻了不少「理所当然」之后，才慢慢形成的。

这篇文章，我想完整记录一次真实经历：我是如何借助 AI，从一个自己并不熟悉的领域出发，一步步拆解开发需求，最终落地一个特征平台核心模块的。

如果你也曾在“需求一来就头大”“方案总是边做边推翻”的状态里反复挣扎，那我相信你会对下面的过程产生共鸣。

一、问题的起点：我其实并不懂「特征元数据」

事情的起点很简单：我需要做一个「特征平台」，第一步是特征原数据 / 元数据管理。

但坦白讲，当这个需求真正落到我头上的时候，我心里是有点发虚的。

这并不是一个我非常熟悉的领域：

• 特征该如何定义？
• 元数据到底要管理哪些维度？
• 和血缘、治理、计算任务之间的关系是什么？

这些问题单拎出来看都不难，但一旦要你「现在就给出一个完整方案」，压力会一下子叠满。

如果按我过去的习惯，我大概率会：

• 翻很多资料
• 看几篇博客
• 然后在「似懂非懂」的状态下直接开始设计

结果也往往很一致：写着写着发现方向不对，只能推翻重来。

而这，正是我过去效率低、返工多、心理负担也很重的根本原因。

这一次，我很清楚地告诉自己：不能再这么干了。

这一次，我刻意换了一种方式。

二、第一步：不做设计，先让 AI「给我讲清楚」

我对 AI 做的第一件事，不是下命令，而是请它当老师。

这个转变对我来说，其实挺重要的。因为很多时候我们用 AI，是带着焦虑去用的——希望它“快点给我答案”。

但这一次，我压住了这种冲动。

我给它的第一个问题，大概是：

「我要做一个特征平台的特征元数据管理模块，请你先不要给我方案，先告诉我：这个模块在行业里通常承担什么职责？核心价值是什么？」

这一问非常关键。

AI 给我的不是代码，而是：

• 这个模块在整体平台中的位置
• 它解决的是哪些问题
• 它为什么是血缘、治理、计算的前置条件

读完这些解释的时候，我其实是松了一口气的。

这一步的价值在于：

我第一次在“动手之前”，就对「我要做什么」有了整体认知，而不是靠直觉硬上。

三、第二步：让 AI 帮我「收敛复杂度」——拆 MVP

理解概念之后，我并没有让 AI 直接输出完整方案，而是继续收紧问题。

因为我很清楚一件事：如果一开始就奔着“完整”“通用”“一次到位”，那这个项目大概率会失控。

我问的是：

「如果只做一个 MVP 版本 的特征元数据管理，这个版本最少要有哪些能力？哪些可以明确不做？」

这一问，本质是在帮我做三件事：

1. 限定边界
2. 控制复杂度
3. 避免我陷入“过度设计”的自嗨

AI 给出的结果非常有用，也非常“冷静”：

• 必须做的：特征定义、类型、口径、归属、生命周期
• 可以不做的：高级治理策略、自动血缘分析、复杂权限体系

看到这份列表的时候，我心里其实是踏实下来的。

这一步，让一个原本「看起来很大、很抽象」的系统，被压缩成了一个可以排期、可以估时、可以推进的工程问题。

四、第三步：结合真实环境，让 AI 参与「工程化思考」

接下来这一步，是我觉得 AI 真正像一个“高级合作者” 的地方。

因为现实世界从来不是白纸一张。

我没有停留在通用方案，而是把真实约束条件一股脑抛给了它：

• 我们已有的基础设施
• 已经存在的技术栈
• 不可能推翻的历史系统

这些条件在很多“理想方案”里，往往是被忽略的。

我问它：

「在这样的基础条件下，请你帮我把这个 MVP 拆成一个 接近 PRD / 技术设计文档级别 的方案。」

然后发生了一件很重要、也让我印象很深的事：

AI 不再只是“输出答案”，而是开始和我反复博弈。

我会不断追问：

• 这个字段有没有必要？
• 这个模型是不是冗余？
• 这个设计会不会影响后续血缘分析？

而 AI 的价值，在于它能：

• 快速给出理由
• 提供替代方案
• 帮我意识到我自己没想到、但未来一定会踩坑的维度

这个过程，其实非常像一次随时可用、没有情绪负担的技术评审。

五、第四步：从「架构 → 数据 → 接口」一层层落地

当整体方案逐渐稳定下来之后，我才真正进入自己最熟悉、也最安心的工程节奏。

这时候，我心里是有一种明显变化的：不再焦虑“方向对不对”，而是专注“怎么把它做好”。

此时 AI 的角色也发生了转变。

1️⃣ 数据模型设计

• 表该如何拆
• 主键、唯一约束如何设计
• 哪些字段是为「未来治理」提前预埋的

2️⃣ 系统架构与模块边界

• 哪些能力应该高度内聚
• 哪些必须拆成独立模块，避免未来牵一发动全身

3️⃣ API 协议与调用方式

• 写请求该暴露什么
• 哪些信息必须强校验，防止脏数据扩散

在这些阶段，AI 更像一个随时可以对话的架构评审委员会。

我不需要“全信它”，但它让我：

• 少走了大量弯路
• 很少在代码写完之后，才后知后觉地意识到「这里早该想清楚」

六、回头看：AI 帮我解决的，其实不是技术问题

当这一轮完整走下来之后，我最大的感受其实非常清晰：

AI 帮我解决的，从来不是“不会写代码”，而是“不知道从哪里开始想”。

它真正带来的提升在于：

• 帮我建立问题结构
• 帮我把模糊需求拆成可以逐一讨论的子问题
• 帮我在项目早期，就避免低质量决策

而这，恰恰是很多有经验的开发者，最耗时间、也最容易被忽视的痛点。

七、如果你想复用这套方法，可以记住这 4 句话

最后，我把这次实践浓缩成一套我自己已经在反复使用的提问路径：

1. 先问“这东西在行业里是干嘛的”，不要急着要方案
2. 再问“如果只做 MVP，最小集合是什么”
3. 把真实约束条件全部告诉 AI，再让它参与设计
4. 最后才进入代码、表结构和接口层面

当你把这套流程跑熟之后，你会明显感觉到：

开发不再是“被需求推着走”，而是一步一步在掌控之中。

如果你愿意，你甚至可以把这套流程，固化成你自己的「开发前置 SOP」。

这篇文章只是一个开始。

后面我会继续把：

• 单元测试设计
• 血缘建模
• 复杂系统拆解

这些真实、具体、并且踩过坑的实践，一篇一篇拆开来写。

如果你也在尝试用 AI 提升个人效率，希望这些内容，能在某个时刻，帮你少走一点弯路。

附：一份可直接复用的「AI 拆解开发需求 Prompt 模板」

下面这份 Prompt，是我把上面整篇实践反向提炼出来的结果。它不是用来“让 AI 给你答案”的，而是用来陪你一起把问题想清楚的。

你可以把它当成一个「开发前置对话脚本」，在任何复杂需求出现时直接使用。

🧠 Step 0：设定 AI 的角色（非常重要）

你是一名资深软件架构师 + 产品技术负责人，擅长在需求早期帮助工程师澄清问题边界、拆解复杂系统，并避免过度设计。你的目标不是直接给方案，而是引导我把问题想清楚。

🧩 Step 1：先理解“这是个什么东西”（禁止直接给方案）

我现在要做一个【请填写你的系统 / 模块名称】。 在给我任何设计方案之前，请你先回答下面几个问题：

1. 这个模块在行业里通常承担什么职责？
2. 它主要解决的是哪一类问题？
3. 它通常会和哪些上下游系统发生关系？
4. 如果这个模块设计得不好，最常见的后果是什么？

请用“工程视角 + 行业常见实践”来回答，不要给代码。

👉 目的：先建立整体认知，防止一上来就“凭感觉设计”。

🎯 Step 2：强制收敛复杂度，拆 MVP

基于你刚才的解释，现在假设：

• 我们只做一个 MVP 版本
• 目标是“能上线、能被使用、能为后续演进打基础”

请你帮我回答：

1. 这个 MVP 必须具备的最小能力集合是什么？
2. 哪些能力现在明确不做，否则会显著增加复杂度？
3. 哪些设计是“现在不做，但需要提前预留扩展点”的？

👉 目的：避免“还没开始就把项目做死”。

🏗 Step 3：引入真实约束，进入工程化思考

下面是我当前的真实约束条件：

• 技术栈：【如 Java / Spring / Python / Go 等】
• 已有系统 / 基础设施：【如已有平台、历史模块】
• 明确不能推翻的限制：【如数据模型、组织约束】

请你在这些约束下：

• 把 MVP 拆解成一个接近 PRD / 技术设计文档级别的结构
• 明确模块边界与职责划分
• 指出你认为最容易被忽视、但后期代价很大的设计点

👉 目的：让 AI 从“理想方案”切换到“现实工程”。

🔍 Step 4：进入细节，但保持可讨论

接下来我们进入细节设计，我会逐项和你讨论：

• 数据模型 / 表结构
• 核心字段是否有冗余或缺失
• API 设计是否合理

在每一个点上，请你：

• 说明为什么要这样设计
• 给出 1～2 个可选方案
• 指出每个方案可能带来的长期影响

👉 目的：让每一个“决定”都不是拍脑袋。

🧭 使用建议（非常重要）

• 不要一次性把所有问题问完，一轮一轮对话
• 发现自己开始焦虑、想直接写代码时，退回上一步
• 你不是在“用 AI 代替思考”，而是在外包一部分结构化思考

如果你长期坚持用这套 Prompt，你会明显感觉到：

你做项目时，越来越少“推翻重来”，越来越多“心中有数”。

这套 Prompt，本质上是你自己思维方式的外化。

当你不再害怕“需求一来就很复杂”，你就已经走在成为超级个体工程师的路上了。

我根据近半年的实践，借这次总结也反向提炼出了一套【可复用的Prompt模版】，我现在几乎每个稍微复杂点的需求，都会按这个顺序走一遍。如果您想要获取这套我个人亲自调校的prompt可以关注并在评论区留言[提炼]即可

最后容自我介绍一下，我是国内某大厂一枚架构师，坚定相信人类正朝着Human3.0的时代前进，为了不被时代淘汰，只有用AI思考和行动，你才能赢得这场人类自己发起的战役！我会沉淀和分享自己的思考和经验，欢迎大家一起关注本公众号。