版本说明：本文基于 Claude Code v2.1 编写，需求分析流程结合了 AI 辅助需求工程的学术研究和企业实践。

适用对象：技术负责人、产品经理、需要参与需求评审和拆解的开发者。

前置知识：已了解 Claude Code 基本操作（第5篇），理解 CLAUDE.md 配置体系（第10-11篇），掌握自定义命令（第13篇）。

拿到需求文档的第一反应不应该是"开始写代码"，而应该是"我是否真的理解了这个需求"。企业级开发中，需求理解偏差是导致返工的第一大原因。AI 在这个环节的价值不是替你写代码，而是帮你结构化思考、发现盲区、拆解复杂度 。

本文以电商平台"满减券"功能为贯穿案例，演示从拿到需求原文到产出完整功能清单的全过程。

一、拿到需求后的标准处理流程

1.1 传统需求分析的痛点

大多数团队的需求分析流程是这样的：产品经理发一份 PRD 到群里，开发者扫一眼，觉得"大概懂了"，就开始写代码。结果开发到一半发现三种情况——需求有歧义、漏了边界条件、和现有系统冲突。

IIBA（国际商业分析师协会）指出，需求工程中最常见的三类问题是需求不完整、需求模糊、需求不一致 。业界普遍认为，需求缺陷是导致项目返工的首要原因，多项行业研究报告（如 Standish Group CHAOS Report、IBM Systems Sciences Institute）均指出与需求相关的问题占据了返工原因的相当大比例。

1.2 AI 辅助需求分析的 6 步流程

AI 不会改变需求分析的本质，但会改变效率和质量。标准流程如下：

关键原则：AI 做分析和建议，人做决策和确认。Erik Rasin 在探讨需求工程与 Prompt 工程的关系时强调，AI 的角色是"结构化助手"而非"决策者" 。

二、贯穿案例：满减券需求原文

2.1 需求文档片段

以下是产品经理发来的需求原文（真实项目中通常是一份完整的 PRD，这里取核心段落）：

需求名称：新增满减券功能

需求描述：用户在结算时，如果订单金额满足门槛，自动匹配最优满减券进行抵扣。支持多档满减（满100减20、满200减50、满500减150），每档有库存限制，先到先得。运营后台需要能创建和管理满减券活动。

优先级：P0

期望上线时间：2 周内

这份需求看起来简单，但里面埋了大量隐含问题和决策点。直接开始写代码，大概率会在第三天发现漏了什么。

2.2 第一步：粘贴需求原文，让 AI 提取关键信息

打开 Claude Code，将需求原文粘贴给 AI，使用以下指令：

请分析以下需求文档，提取关键信息，按以下结构输出：

1. 业务目标：这个需求要解决什么业务问题
2. 用户角色：涉及哪些用户角色
3. 核心场景：描述 3-5 个核心使用场景
4. 关键业务规则：列出所有明确的业务规则
5. 待澄清问题：列出需求中模糊或有歧义的地方

需求文档如下：
[粘贴需求原文]

AI 的输出示例（以下为示例输出，实际结果可能因模型版本不同而有所差异）：

1. 业务目标：提升客单价和转化率，通过满减激励用户凑单

2. 用户角色：C端用户（领券/下单/抵扣）、运营人员（创建活动/管理库存）、系统管理员

3. 核心场景：
   - 用户下单时系统自动匹配最优满减券
   - 多张满减券同时满足条件时的择优逻辑
   - 库存耗尽后的降级处理
   - 退款时满减券的回收逻辑
   - 运营创建和管理满减券活动

4. 关键业务规则：订单金额满足门槛才可使用；支持多档满减，自动匹配最优；每档库存限制，先到先得

5. 待澄清问题：
   - "最优"的定义：最大优惠金额？还是最大折扣比例？
   - 满减券是否可以叠加使用？
   - 订单金额是否包含运费？
   - 退款后券是退回用户还是直接作废？
   - 库存是全局库存还是按用户限领？

注意 AI 提出了 5 个待澄清问题——这些问题在原始需求中完全没有提到，但每一个都会影响技术方案。这就是 AI 辅助需求分析的核心价值 。