客户看到「四十个场景」的第一反应不是「好全」，而是挑最不靠谱那个来问。 一个伪需求会削弱旁边所有真场景的说服力 —— 所以这一页存在的意义，是让 15 个真场景更可信。
产品岗是伪需求重灾区，因为「AI 替你写 PRD」的故事最好讲、翻车的判例也最全。判断只需要三句话：这个判断你敢让 AI 替你拍吗？这份文档里的每句话都有依据吗？这个表现在有人维护吗？第三句答不上来，就不要做。
它看起来完全合理：纸质登记乱、统计麻烦、月底要追问还剩多少。 但制度里写着「月度汇总提交采购与财务作成本核算依据」—— 现实中签完字这件事就结束了，汇总表没有人看。 把一张没人看的表加速录进系统，等于加速垃圾数据入库。 真正有价值的是另一个问题：为什么某个部门的耗材是别人的三倍。
最后一列是客户主动提出时的回应口径 —— 不是拒绝，是把他引到真场景上
| 伪需求 | 命中法则 | 更优解 / 真实瓶颈在哪 | 客户提出时怎么回应 |
|---|---|---|---|
| AI 一键生成完整可开发 PRD | 法则三 · 瓶颈在需求理解与拍板，虚假精确害人 | PRD 找茬预演（DC-01）+ 一致性终审（DC-02）—— AI 做检查，写作与拍板留给人 | 老板，AI 写 PRD 出过这样的事：把没想清楚的假设填成「每小时触发提醒」这种详细规则，研发照做，返工两周、项目延期一个月。AI 越快、推敲的成本越往后压。咱们换个打法：您的人写 PRD，AI 扮演最挑剔的工程师提前找茬 —— 实测能把评审通过率从六成抬到九成，这才是省返工。 |
| AI 竞品分析一键出报告 | 法则三 · 瓶颈在分类框架与差异化判断（市场侧竞品情报已由市场库覆盖） | 工单聚类（CX-01）里的「竞品提及」主题 —— 竞品情报从客户原声里长出来 | 五十页的竞品分析我们见过太多 —— 开三周会定不了「对标是谁」。真有用的竞品情报在客户的抱怨里：工单聚类会把「客户提到别家」的原话聚成一簇，那才是对手真正打中的点。 |
| AI 直接定需求优先级 / 自动排期 | 法则二 · 排序即取舍即担责 | 需求归集（RQ-01）带证据包（提及频次/客户价值）—— 预打分人排序 | 排优先级这事儿，AI 给的每一分都会被老板一句「和本季度核心指标关联度在哪」问死。AI 能做的是把每个需求的证据摆齐：几个客户提的、什么级别、提了几次 —— 排序那一下，还得您来。 |
| AI 对客户承诺上线时间 / 交付范围 | 法则二 · 对外承诺担责 | 客户承诺台账（CX-02）只登记已发生的承诺 —— 生效与变更人拍板 | 有家公司让 AI 托管智能客服，三天出 PRD、一周 demo、两周全量上线，结果字段对不上、引用旧条款，客户投诉直接炸了。对客户说「Q3 一定上」这种话，必须是人的承诺。AI 做的是把已经许出去的承诺集中登记 —— 至少您知道销售替您答应了什么。 |
| AI 自动扩写需求 / 生成功能点充需求池 | 法则三 · 制造虚假繁荣，清洗成本转嫁研发 | 需求归集（RQ-01）只收真实来源 —— 一条需求必须有出处（人/渠道/时间） | V2EX 上有个真实帖子：PM 用 AI 两周生成一千多个功能点，前端被迫加班「糊弄」演示逻辑。需求池的价值在真不在多 —— 我们的归集只收有出处的：谁提的、哪个渠道、什么时候，一条都编不了。 |
| 需求状态自动流转 / 到期提醒机器人 | 法则一 · 确定性规则任务，脚本更快更准 | 需求池清淤（RQ-02）管的是「该不该留」这个理解题 —— 流转交给工具自带 Automation | 状态提醒这种活，飞书项目、Teambition 自带的自动化就能干，九块九的插件都有 —— 犯不着用 AI。AI 真正的题是「这 96 条半年没动的需求哪些该归档」—— 这要读懂内容，脚本干不了。 |
| 强制全字段需求提交表单（+AI 字段校验） | 法则三 · 表单本身填了归档没人看，瓶颈在治理不在填写 | 多渠道归集（RQ-01）反向解决 —— 从聊天记录自动抽取字段，人只做确认 | Jira 十七个必填字段的下场是六个月后团队滑回 Excel —— 填表的成本全压在干活的人身上。我们不要求任何人改习惯：销售照样发微信截图，AI 从截图里把字段抽出来 —— 表单不空转，字段全自动。 |
| 全自动无人工干预的需求处理 Agent（端到端） | 法则二 · 责任归属无人敢碰 + 90% 试点失败率 | 全库 15 个场景每个都有人拍板点 —— 归集确认、清淤拍板、变更签字 | 麦肯锡的数字：超九成企业的 Agent 试点失败，第一死因就是「出了事算谁的」没人敢碰。所以这套东西的每个环节都留着拍板点：AI 归集、人确认入池；AI 建议归档、人拍板删除 —— 掌控权在您的团队手里。 |
| AI 自动删除 / 归档需求池条目 | 法则二 · 删除有商业与政治风险 | 清淤体检（RQ-02）只出建议清单 —— 删除逐条人拍板 | 「历史需求没人敢删」不是胆小 —— 被拒的需求因为新商机复活是 B 端常态，删错一条的代价远大于留着。AI 把该归档的挑出来、理由列清楚，删不删您看，黑锅我们不替您背也不让您背。 |
| AI 周报 / 汇报 PPT 自动生成（作为主场景） | 法则一 · 模板脚本可做 + 法则三 · 瓶颈在需求池本身失真 | 工单聚类（CX-01）与定制毛利（CX-03）—— 汇报的原料先真实 | 周报写得再快，需求池本身是失真的，周报就是失真的汇总。先把需求池、工单、定制三本账记真了，周报那点活顺手就有 —— 主次别搞反。 |
| AI 画原型 / 自动生成交互稿 | 法则三 · 瓶颈在交互判断与业务适配 | 验收用例（VA-01）管的是「做出来的对不对」—— 原型是设计师的活 | 原型的好坏在交互判断和业务理解，AI 生成的原型研发一眼就看出「没走过脑子」。AI 能管的是另一头：功能做出来了，用例从 PRD 长出来、逐条验 —— 那才是缺人手的环节。 |
| AI 自动回复研发关于 PRD 的提问 | 法则二 · 文档即承诺，答错算产品的 | 一致性终审（DC-02）保证文档本身可靠 —— 研发的问题人来答 | PRD 里的每句话都是要开发照做的承诺，AI 答研发的提问、答错了返工算谁的？先把文档的一致性把住，研发的提问自然会少 —— 少掉的那些，值得人亲自答。 |
主动讲限制比被问出来强得多
所有 Live Demo 页面展示的是「应该怎么跑、每一步看什么、交付什么」，使用的是真实业务格式的脱敏构造数据，不冒充任何公司的真实经营数据。
本场景库不出现任何「几天压到几分钟」「节省百分之九十」这类数字 —— 没有用客户自己的数据实测过，这种数字说出来就是砸口碑。我们讲的是可核实的条数与金额：归集了多少条来源、聚出多少主题、拦下几个发布缺项、算出多少定制占比。
报告引用的返工判例（返工两周/延期三个月）、聚类效果（满意度 +23%）、投资人毛利标准（65% 警戒线）等均为公开报道的个案或行业统计口径，用于说明风险量级与路径存在，不构成对贵司任何结果的承诺。
AI 定优先级（取舍担责）、对客户承诺（对外担责）、自动删除需求（政治风险）、端到端全自动（责任悬空）—— 全部不做。归集、查重、回溯、找茬、留痕、算账 —— 证据层的粗活全包。把这条边界讲明白，是给客户的第一个信任动作。
所有场景的输入都是现成文件：微信截图、工单导出、会议速记、PRD 草稿 —— 连用 Jira 的团队也私下维护影子 Excel 的现实说明：要求改变工作流的方案，六个月后都会滑回原点。
所有交付物保持 Excel/文档/一页纸形态、微信可直接转发 —— 「大家都在填、没人受益」的项目管理工具已经够多了，我们不生产第十八个必填字段。
15 个逐条打过分的场景，全部保留了评分口径可核