🧭用 LLM 厘清一个项目
这是改变一切的能力。在写下第一行代码之前，先和 LLM 对话，把一个模糊的想法变成清晰的需求说明。80% 的成败就在这里决定。
如果这个网站您只读一篇，那就读这一篇。
机器、Linux、智能体、模型：这些都只是工具。一个周末就能学会。让一个项目成功落地、还是中途崩盘的，从来不是迷你 PC 的算力，也不是用了哪个模型。而是前期厘清需求的质量。把一个超强智能体扔到一个模糊的想法上，它会产出一大堆代码……但做的根本不是您想要的。一个普通智能体在清晰的需求说明指引下，会精确地做出对的东西。
为什么 LLM 是厘清需求的完美工具
您当然可以一个人闷头写需求说明。但 LLM 首先是一个厉害的思考伙伴，然后才是一个执行者。它不会累，不会嫌弃您的蠢问题，更重要的是：它会把盲区暴露出来。您向它描述想法，它会问出二十个您根本没料到的问题。这是一场随叫随到的免费需求访谈。
经典的陷阱，就是跳过这一步：打开智能体直接打「给我做一个任务管理应用」。智能体会去猜。它会猜技术栈、存储方式、鉴权、设计, 而且它会猜错，因为您没告诉它。接下来您要花三个小时去纠正它的假设。厘清需求，就是用决定取代假设。
完整的循环
厘清需求不是一个孤立的步骤：它是一个循环的第一环，而这个循环您每个项目都会重复一遍。
简报
两句话讲清想法
梳理
与 LLM 一起定需求
记忆
CLAUDE.md + 记忆文件
构建
智能体写代码，你掌舵
复审
测试、安全、第二意见
部署
隧道，上线
↻ 不断回环：每一轮都打磨需求与记忆。
一步步来：从模糊想法到需求说明
打开一个和 LLM 的对话（网页界面，或者您的智能体的讨论模式），它要和您的代码项目分开。在这里，我们不写代码。我们思考。
抛出最原始的简报，两句话就够
别一上来就追求精确。把想法原样扔出来：
「我想要一个小看板，把本周的电影上映汇总起来，带海报和评分，能从手机上看。」
这就足够开始了。剩下的澄清工作，LLM 会帮您做。
让它来访谈您，而不是回答您
那句魔法咒语：
「在提出任何方案之前，先问我所有必要的问题来厘清这个项目：用途、用户、技术约束、明确不在范围内的东西。需要的话一次问一个。」
这是关键的反转。您不想让它写代码。您想让它把脑子里的决定抽取出来。
回答它，让真正的约束浮现出来
「给谁用？」→ 只有您，还是整个团队？「数据从哪来？」「离线也得能跑吗？」「同时多少个用户？」每一个回答，都关上了一扇智能体本来会随机推开的门。
让它来撰写需求说明
访谈结束后：
「把这些全部综合成一份结构化的需求说明：目标、用户、功能（按优先级排）、技术栈、v1 不在范围内的东西、以及风险。」
您拿到一份文档。再读一遍。修改它。这是您的需求说明，不是它的。
拆分成可交付的里程碑
最后一步：「把它拆成 3 到 5 个里程碑，每个都能独立交付和测试，从最简单到最完整。」您就有了路线图。智能体会先啃里程碑 1，而不是一口气吞掉整个项目。
一份好的需求说明包含什么
格式无所谓，瞄准这几个板块就行。正是它们把「做个应用」变成了智能体不用猜就能执行的东西：
- 一句话的目标。 如果您没法用一句话说清楚，说明这个项目还没成熟。
- 用户和他们真实的用途。 「我，窝在沙发上，用手机」是一条规格。「人们」不是。
- 功能，按优先级排。 哪些进 v1，哪些往后排。排优先级本身就是那个困难的决定。
- 技术栈和约束。 语言、框架、在哪跑、离线与否、预算。
- 不在范围内的东西，要写明。 最被低估的一个板块。写下「v1 不做鉴权，不做多用户」，就能阻止智能体把一个您独自一个月跑两次的脚本盖成一座巨无霸工厂。
- 风险和未知。 那些您心里没底的东西。智能体可以帮您优先把它们排除掉。
厘清需求时的陷阱
从需求说明到一个活的项目
代码一旦开跑，厘清需求并不会死去。您的需求说明会成为项目记忆的基石。具体来说：
- 您把需求说明（或它的摘要）放进项目的
CLAUDE.md/AGENTS.md。智能体每次会话都会重读它, 见记忆文件。 - 每交付一个里程碑，您就回到需求说明：什么变了，学到了什么，什么往后推。这就是图里的「↻ 再循环」。
- 反复出现的决定（「我们总是用某个库」「永远别碰某个文件夹」）会在记忆里凝结成规则，于是您不用再重复它们。