# Autonomous Requirement Discovery

> 仅当用户明确要求 AI 从产品方向、愿景、真实现状或用户信号中主动发现值得解决的问题、形成候选需求，或降低对详细需求输入的依赖时使用；负责形成有证据、可验证的需求假设，不负责实现、排期或自动纳入路线图。

- Skill: `peiiii/autonomous-requirement-discovery` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add peiiii/autonomous-requirement-discovery`
- Raw SKILL.md: https://api.skillmd.com/api/skills/peiiii/autonomous-requirement-discovery/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Product & Planning
- Author: peiiii (https://skillmd.com/u/peiiii)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/peiiii/autonomous-requirement-discovery

---


# 自主需求发现

## 定位

探索“在用户没有给出详细需求时，AI 能否主动发现真正值得解决的问题”。这是独立的探索性能力，不是标准开发生命周期阶段，也不自动接管普通任务理解。

输入可以只有产品方向、目标用户、问题域或上位目标，但必须有明确的探索边界。没有证据时提出可验证假设，不把模型直觉包装成用户需求。

## 发现循环

1. 冻结上位目标、目标用户、探索范围、禁止边界和本轮需要改变的决策。
2. 对齐产品愿景，调查当前用户任务、真实产品状态、已有反馈、issue、使用信号和历史决策。
3. 区分已确认问题、弱信号、合理假设和纯猜测；缺少用户数据时明确证据等级。
4. 为每个高价值候选写清受影响用户、真实阻力、期望结果、支持证据和最小反证方式。
5. 用最低成本的只读调查、对照、原型或实验消除最关键不确定性；需要修改产品或外部状态时先取得相应授权。
6. 按用户价值、愿景一致性、证据强度、可验证性和实现代价比较候选，不用伪精确总分掩盖判断。
7. 推荐一个最值得继续的需求假设；只有真实取舍存在时保留一至两个备选。

## 需求质量门

候选需求必须同时说明：

- 它解决的是哪一个用户问题，而不是先选定了哪个功能；
- 为什么现在值得解决，证据和未知项分别是什么；
- 用户或系统出现什么可观察变化才算成功；
- 最小可行验证是什么，什么信号会证伪它；
- 哪些相邻问题和解决方案不属于当前范围。

只有“做什么功能”的想法、没有用户结果或反证方式时，继续调查或降级为待验证假设，不进入实现。

## 输出与停止

输出推荐需求假设、证据、目标用户、成功信号、最小实验、主要未知项、备选与非目标。证据足以支持下一步决策，或继续探索的成本已经高于信息增益时停止。

本 skill 不修改产品实现，不自动创建 roadmap、计划或 issue，也不把探索结论宣称为已确认需求。后续是否进入正式开发由用户或当前任务 owner 决定。