不懂技术，也可以准备需求

很多企业在咨询时会担心自己无法描述技术功能。实际上，前期最重要的不是指定模型或开发框架，而是说明真实业务：谁在做这项工作、每天怎么做、哪里最耗时、哪些步骤容易出错。

服务方应当把业务语言转换成可执行方案，而不是要求客户先完成技术设计。

建议准备的六类信息

1. 当前业务流程

用简单步骤说明工作从哪里开始、经过哪些人员或系统、最后产生什么结果。例如：客户在网站提问，客服查找产品资料，判断客户类型，回答问题并记录联系方式。

2. 典型问题或任务样本

准备 10～30 个真实问题、表格或任务案例，通常比笼统描述更有价值。它们可以帮助判断 AI 需要理解什么、输出什么，以及哪些情况容易失败。

3. 可使用的知识资料

包括产品介绍、常见问答、制度文件、操作手册、报价规则或历史文档。还应说明哪些资料有效、谁负责更新，以及哪些内容不能被普通用户查看。

4. 使用人员和权限

明确智能体面向外部客户还是内部员工，是否区分部门、岗位和数据权限。涉及个人信息、合同、报价或内部数据时，需要提前设计访问边界和人工确认机制。

5. 希望得到的结果

结果可以是回答问题、生成文案、整理表格、创建工单或提醒负责人。描述结果时最好给出格式、速度和准确性要求，而不是只说“更智能”。

6. 验收标准

提前约定用哪些真实任务进行测试，哪些错误不能出现，哪些问题必须转人工。可验证的标准有助于双方判断项目是否达到交付要求。

资料还不完整怎么办？

资料不完整并不代表不能开始，但需要先确定最小范围。可以选择资料相对清楚、问题重复度高的一个场景做首版，同时整理缺失内容。对于无法确认的业务规则，智能体应当明确提示或转交人工，而不是自行猜测。

建议使用的需求描述模板

你可以直接写：“目前由谁完成什么工作，每天大约发生多少次，主要使用哪些资料，最常见的问题是什么，希望 AI 帮助完成哪一步，哪些结果必须人工确认。”有了这些信息，通常就能开始判断可行性。

结语

好的 AI 智能体不是从功能清单开始，而是从真实流程和痛点开始。鉴维网络会先理解客户业务，再评估是否适合实施，并根据资料情况设计可落地、可维护的定制方案。