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。
本文目录
本文核对于 3 个月前，部分命令可能已有变化。 如有出入，请告诉我们。
要点速览
厘清需求，就是在写下第一行代码之前，把一个模糊的想法变成需求说明：请 LLM 来采访您，而不是直接给答案，依次明确一句话目标、用户、按优先级排列的功能、技术栈、明确的范围之外事项和风险，再拆成 3 到 5 个可交付的里程碑。这场讨论请用您能用到的最好的模型，比如 Anthropic 的 Claude Opus 5.5 或 Claude Sonnet 5.5。之后，这份需求说明就成为项目记忆文件（CLAUDE.md 或 AGENTS.md）的基础。
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，您掌舵
- 复审 测试、安全、第二意见
- 部署 隧道，上线
用哪个模型来厘清需求？
厘清需求靠的是推理能力和流畅的对话，远比写代码的速度重要。所以请用您能用到的最好的模型：一次需求讨论消耗不多，而模型的水平恰恰在这里最见成效。
- Anthropic 家，Claude Opus 5.5 是默认之选。Claude Sonnet 5.5 紧随其后（在 Quelle IA 2026 年 9 月 28 日版的综合排行榜上，两者并列第一），API 价格只有一半：做个小项目绰绰有余。Claude Fable 5.1 是这个系列里能力最强、也最贵的，留给真正棘手的需求梳理。Claude Haiku 4.5 快速又便宜，更适合重复性的小任务，而不是深度思考。
- 其他家，OpenAI 的 GPT-6 Astra 与最好的 Claude 模型处在同一档次；Google 那边，最新的 Gemini 3.8 Flash 在 Quelle IA 综合榜上与 3.7 版不相上下（2026 年 9 月 28 日那一期为 89.7 对 89.9），Gemini 4 Argon 也已上榜，但分数仍是暂定的。
- 本地模型也可以，但在这类开放式思考上差距明显：在内存不超过 128 GB 的机器上，能装在家里的最佳模型在 Quelle IA 的评分中最高为 82.4，而 Claude Opus 5.5 为 99.9（本地模型排行榜，法语网站）。
想自己比较的话，Quelle IA 综合排行榜（法语网站）列出了各模型的误差范围和价格，找到我的模型（法语网站）则通过四个问题（任务、预算、开放权重、内存）为您指路。
一步步来：从模糊想法到需求说明
打开一个和 LLM 的对话，最好和您的代码项目分开：网页界面就完全够用。如果您更想留在智能体里，就把它切换到计划模式，在这个模式下它只读取和提议，不做任何修改：在 Claude Code 里按 Shift + Tab 直到显示计划模式，或者输入 /plan；在 OpenCode 里按 Tab 切换到 plan 智能体。在这里，我们不写代码。我们思考。
已完成 0 步，共 5 步 勾选记录只保存在此浏览器中。
-
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。
本文全部命令
常见问题
为什么不直接让智能体把应用写出来？
因为您没告诉它的东西，它都会去猜：技术栈、存储、身份验证、设计。而且会猜错。之后您得花好几个小时去纠正它的假设。先厘清需求，就是用决定来取代这些假设。
厘清需求应该在代码智能体里做，还是另开一个对话？
最好在与代码项目分开的对话里做，LLM 的网页界面就完全够用。如果您更想留在智能体里，就把它切换到计划模式，此时它只阅读和提议，不做任何修改：在 Claude Code 里按 Shift + Tab 或输入 /plan，在 OpenCode 里按 Tab 切换到 plan 智能体。
能用本地模型来厘清项目需求吗？
可以，但在这类开放式思考上差距很明显。在内存不超过 128 GB 的机器上，能在家里安装的最好模型在 Quelle IA 评分中最高只有 82.4，而 Claude Opus 5.5 是 99.9。厘清需求的讨论消耗很少，所以这正是顶尖在线模型最划算的时候。
为什么要写明范围之外的事项？
智能体总想讨好您：没有明确的边界，它会给一个您每月独自运行两次的脚本加上身份验证、深色模式、REST API 或端到端测试。写下比如「v1 不做身份验证，不做多用户」，就能防止它搭出一套臃肿的系统。每一行范围之外的说明，都能让您少清理一堆用不上的代码。
厘清项目需求时要避免哪些错误？
常见的有四种：太快执行一个模糊的需求；一句句「顺便再加上」让范围不断膨胀；在第一个里程碑之前就规定每个细节；为变量名争论不休，提前滑进了写代码。先让 LLM 采访您，冻结 v1 的范围，只定好骨架，细节随使用逐步补上。
本文涉及的术语： Linux智能体推理APIRAM（内存）开放权重模型Claude CodeOpenCode
发现错误？
命令失效了，价格变了？
这些工具每个月都在变。请告诉我这篇文章哪里不对，我会改正并更新日期。
