需求池 427 条，最近半年动过的不到三分之一 · 「进来了没人清、历史需求没人敢删」—— 每一条都是不敢碰的存量
需求归集 · 真实业务触发
江晓接手需求池的第二年：累计 427 条，状态「待评估」的 190 多条，最早的一条是 2023 年的「支持 IE 浏览器」。她想过清理 —— 但每一条都要读、都要判断、都要问「当时谁提的」，一天下来清了 11 条就放弃了。沈知行在季度会上说「需求池是个仓库还是个垃圾场，取决于有没有人清淤」。没人清的原因很简单：清一条的成本是一杯咖啡，清 427 条是一场休眠。
不是流程描述，是调研出来的真痛点 —— 每条可点开核对出处
变化不在「快」，在「参与的角色」和「覆盖的范围」
5 步 · 每一步的产出都是下一步的输入
痛感 4 × AI 适配 4 ÷ 落地难度 2 = 8.0
最大差异点 · 不要求先洗池子。现状导出扔进来 —— AI 批量重读 427 条、按时间/关联度/来源给三档建议，人只做最终拍板。
评分口径：痛感看「这事没做好谁会生气、生气到什么程度」； AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」； 落地难度是分母 —— 需要客户先做数据治理的场景，分数会被压得很低。
判断标准只有一个：这份东西能不能直接进企业的流程
不做「自动删除/自动归档」—— 只出建议清单，删不删逐条人拍板。也不做「状态自动流转」—— 那是工具自带 Automation 的活。
Live Demo 里有一个完整案例的每一步，包括 Agent 在哪一步拦住了