Imported from majiayu000/claude-skill-registry (skills/product/interview-to-us-tikazyq-agentic-spec-forge-2/SKILL.md). Install upstream with npx skills add majiayu000/claude-skill-registry --skill interview-to-us-tikazyq-agentic-spec-forge-2. Copyright stays with the author.

Interview to US Skill

Scope: REQUIREMENTS

版本: 0.1.0 | 创建日期: 2025-12-04

概述

将非结构化的访谈记录、会议纪要、邮件沟通快速转换为符合CRAFT标准的User Story草稿，帮助PM/BA节省大量手动整理时间。

核心价值：

• 自动识别需求关键词（"想要"、"希望"、"需要"）
• 自动提取As-Want-So结构
• 标记不确定点，生成澄清问题清单
• 保留原始来源引用，便于追溯

时间节省：手动整理1小时 → 自动生成10分钟

适合人群：不太熟悉敏捷开发，不知道如何从访谈记录写US的用户

适用场景

场景1：需求澄清会议后有大量访谈笔记

现状：

会议记录（2025-12-04）：
客户说：我们的店长每天早上需要查看昨天的营收情况，现在要手动打开好几个表格很麻烦。
希望能一登录就看到，最好3秒内能打开，不然早上太忙了。
另外，密码总是记不住，能不能记住账号？

需求：将这段口语化的记录转换为标准US

场景2：客户邮件中提出零散需求点

客户在一封长邮件中混杂了10个需求点，需要逐一提取为US

场景3：产品经理头脑风暴后的想法列表

PM在笔记中记录了很多零散的功能点，需要快速结构化

执行步骤

步骤1：读取访谈记录

• 接受自然语言输入（可能很口语化）
• 可选：读取SPEC_PRJ_DESC获取项目背景
• 预处理：分段、去除噪音信息（如时间戳、发言人标记）

步骤2：关键词识别（NLP分析）

2.1 需求关键词

识别表达需求的词汇：

• 明确需求："想要"、"希望"、"需要"、"必须"、"应该"
• 问题导向："不满意"、"很麻烦"、"太慢"、"不方便"
• 期望表达："能不能"、"希望能"、"最好是"、"如果能"

2.2 角色关键词

识别用户角色：

• 明确角色："我作为"、"作为一个"、"我是"
• 推断角色："店长"、"管理员"、"客户"、"用户"
• 复数角色："我们的"、"所有"、"每个"

2.3 价值关键词

识别业务价值：

• 目的表达："这样我就可以"、"为了"、"目的是"、"以便"
• 好处描述："就不用"、"就能"、"更方便"、"更快"
• 问题解决："解决"、"避免"、"减少"、"提高"

步骤3：提取As-Want-So结构

3.1 提取As（角色）

• 优先使用明确的角色描述
• 如果角色不明确，标记 [? 角色待确认]
• 如果有多个角色，为每个角色生成独立的US草稿

3.2 提取Want（功能）

• 提取核心功能描述
• 去除实现细节（如"用按钮"、"用表格"）
• 保持业务语言（如"查看营收"而非"查询数据库"）
• 如果功能描述模糊，标记 [? 功能边界待确认]

3.3 提取So that（价值）

• 从"为了"、"以便"等关键词后提取价值
• 如果访谈中未明确价值，从问题反推价值
  • 例："太慢了" → "以便快速完成任务"
• 如果价值不明确，标记 [? 价值待确认]

步骤4：生成US草稿

4.1 创建Front Matter模板

---
id: US-[DOMAIN]-[NUMBER]  # [? 待分配ID]
sn: [DOMAIN]  # [? 待分配SN，建议：AUTH/ORDER等]
priority: medium  # [? 待确认优先级]
status: DRAFT  # 标记为草稿状态
source: "访谈记录 2025-12-04"  # 原始来源
---

4.2 生成US内容

## US-[ID]: [从Want提取的标题]

As a [提取的角色]  # [? 角色待确认] 如果不确定
I want to [提取的功能]  # [? 功能边界待确认] 如果模糊
So that [提取的价值]  # [? 价值待确认] 如果不明确

**原始来源**：
> [引用原始访谈记录的相关段落]

**不确定点**：
- [ ] 角色是否准确？是"店长"还是"区域经理"？
- [ ] 功能边界在哪里？只看营收还是包括库存？
- [ ] 优先级如何？是必须项还是期望项？

步骤5：生成澄清问题清单

为每个标记了 [?] 的不确定点生成澄清问题：

## 需要澄清的问题（按US分组）

### US-001: 查看营收数据
1. **角色确认**：是"单店店长"还是"区域经理"？
2. **功能边界**：查看营收时需要包含哪些维度？（如客流、库存、成本等）
3. **优先级**：这个功能对您的紧急程度如何？（必须/重要/可选）

### US-002: 记住登录账号
1. **实现方式**：是记住账号还是完全自动登录？
2. **安全要求**：多久失效？（30天/永久/每次退出清除）

快速开始

最快的3步使用流程：

• 第1步：准备访谈记录文本

  • 文件类型：会议纪要 / 客户邮件 / 头脑风暴笔记（.md 或 .txt 格式）
  • 内容要求：包含业务需求相关内容，可以是口语化的自然表达
  • 示例内容："客户说希望能一登录就看到营收，现在要打开好几个表格很麻烦"

• 第2步：调用SKILL并提供文件路径

  • 命令：>>interview-to-us
  • AI会询问："请提供访谈记录的文件路径"
  • 回复示例："在 访谈记录/2025-12-04会议纪要.md"
  • AI会自动读取并开始转换

• 第3步：查看生成的2个文档

  • 结果位置：spec/requirements/ 文件夹
  • 文档1：user_stories_draft.md（US草稿，标记为DRAFT状态）
  • 文档2：clarification_questions.md（澄清问题清单）
  • 对话窗口会显示生成的US数量和不确定点摘要

⏱️ 预计耗时：10-15分钟（包含1小时会议纪要的整理时间）

🆘 遇到问题？ 查看下方"使用说明"章节获取详细指导

使用说明

📥 AI会读取什么（输入）

自动读取的文档： AI可以读取你准备的访谈记录，支持以下格式：

• 会议纪要（.md或.txt文件）
• 邮件内容（复制粘贴到文本文件）
• 语音转录文本（录音转成的文字）
• 头脑风暴笔记（零散的想法列表）

可以是很口语化的内容，例如：

客户说：我们的店长每天早上需要查看昨天的营收情况，
现在要手动打开好几个表格很麻烦。希望能一登录就看到，
最好3秒内能打开，不然早上太忙了。

项目结构示例：

你的项目/
├── 访谈记录/
│   ├── 2025-12-04会议纪要.md  ← AI会读取这个
│   └── 客户邮件.txt
└── spec/
    └── requirements/  ← AI会在这里生成US草稿

可选的补充信息（有这些会更准确）：

• 如果有项目背景描述，AI能更好地理解业务场景
• 如果有现有的US编号规则，AI会遵循相同的命名方式
• 如果有用户画像文档，AI能准确识别角色

📤 AI会产生什么（输出）

生成的文档： AI会在 spec/requirements/ 文件夹下创建：

1. US草稿文件（新文件，如 user_stories_draft.md）：

   • 每个US都有编号（如US-SALES-001）
   • 每个US都有完整的As-Want-So结构
   • 标记为草稿，表示需要进一步确认
   • 用问号标记不确定的内容，例如：

     As a 便利店店长  # [? 是单店店长还是区域经理？]
     I want to 查看营收数据  # [? 需要包含哪些维度？]
     So that 快速了解业务情况

2. 原始来源引用：

   • 每个US下方都会引用原始访谈记录
   • 方便你回溯确认理解是否正确

3. 澄清问题清单（新文件，如 clarification_questions.md）：

   • 按US分组的问题列表
   • 每个问题都很具体，可以直接发给客户确认
   • 示例：

     ### US-SALES-001: 查看昨日营收
     1. 【角色确认】是"单店店长"还是"区域经理"？
     2. 【功能边界】查看营收时需要包含哪些维度？
        (如客流、库存、成本等)
     3. 【优先级】这个功能对您的紧急程度如何？
        ○ 必须有 ○ 重要但可以稍后 ○ 可选

结果位置：

• US草稿：spec/requirements/user_stories_draft.md
• 澄清问题：spec/requirements/clarification_questions.md
• 对话窗口中会显示生成的US数量和问题清单摘要

时间节省： 手动整理1小时的会议纪要 → AI自动生成约10分钟 ✅

🎯 如何使用

第1步：准备访谈记录

• 将访谈记录整理成文本文件（.md或.txt）
• 不需要格式化，口语化的内容也可以
• 保存在项目的任意位置

第2步：调用这个SKILL

• 在与AI对话时输入：>>interview-to-us
• AI会询问你："请提供访谈记录的文件路径"
• 你告诉AI文件位置，比如："在 访谈记录/2025-12-04会议纪要.md"

第3步：查看结果

• 打开 spec/requirements/ 文件夹
• 查看生成的US草稿文件
• 查看澄清问题清单

第4步：与客户确认

• 将澄清问题清单发给客户
• 收到客户反馈后，更新US草稿
• 移除所有 [?] 标记后，将状态从"草稿"改为"正式"

常见问题：

Q: AI会不会理解错我的访谈记录？ A: AI会尽力提取，但不确定的地方会用 [?] 标记出来，并生成澄清问题让你确认。

Q: 访谈记录很乱，口语化严重，AI能理解吗？ A: 可以。AI专门设计来处理口语化内容，即使是"嗯...我觉得...可能需要..."这样的表达也能识别。

Q: 生成的US编号是怎么来的？ A: AI会根据内容自动生成编号（如US-AUTH-001表示认证相关）。如果你有现有的编号规则，告诉AI它会遵循。

Q: 我想只提取访谈记录的某一部分，可以吗？ A: 可以。在调用时说明："只提取第2-5段的内容"或"只关注关于登录功能的讨论"。

质量检查

必检项（100%通过）

• 每个US包含完整的As-Want-So结构
• 每个US标记为DRAFT状态
• 每个US包含原始来源引用
• 不确定点用 [?] 清晰标记
• 无技术术语（100%业务语言）

建议项（≥75%通过）

• Front Matter格式正确
• ID/SN遵循命名规范（如果有）
• 角色、功能、价值至少有2项明确
• 生成澄清问题清单
• 原始来源引用完整可读

限制条件

✅ 适用场景

• 有非结构化的访谈记录、会议纪要或客户邮件
• 不知道如何将自然语言转换为标准US格式
• 需要快速整理大量访谈笔记（1小时会议内容）
• 访谈内容口语化、零散，需要提取结构化需求
• 能接受草稿状态的US（需要后续澄清和确认）

❌ 不适用场景

• 已经有US文档，只是缺乏场景感 → 使用 us-enrich-context 增强，而非重新生成
• 完全没有访谈记录，需要进行访谈 → 先完成需求调研/客户访谈
• 需要最终正式的US而非草稿 → 本SKILL只生成草稿（status=DRAFT），需人工确认
• 访谈内容纯技术讨论，缺乏业务需求 → 可能无法提取有效的As-Want-So结构
• 要求100%准确识别，不允许任何模糊点 → 本SKILL会用[?]标记不确定点

📋 前置条件

• 至少有1次访谈记录或会议纪要（.md 或 .txt 文件）
• 访谈内容包含业务需求相关信息（如用户期望、问题、功能描述）
• 可以是口语化的自然表达，无需预先结构化
• 愿意接受草稿状态的US，并进行后续澄清和确认
• 理解生成的US需要人工审查和补充才能转为正式US

特别说明（针对敏捷新手）

为什么需要这个工具？

传统手动整理的痛点：

1. ⏱️ 时间长：一次1小时的会议，手动整理需要1小时
2. 🤔 遗漏风险：容易漏掉隐含的需求
3. 📝 格式不统一：不熟悉As-Want-So格式，写出来不标准
4. 🔍 难追溯：时间长了忘记需求来源

使用本工具的好处：

1. ⚡ 快速：10分钟完成初稿
2. ✅ 全面：基于关键词识别，减少遗漏
3. 📐 标准：自动生成符合CRAFT标准的格式
4. 🔗 可追溯：保留原始来源引用

生成说明（帮助理解）

示例转换过程：

输入（访谈记录）：

客户说：我们的店长每天早上需要查看昨天的营收情况，现在要手动打开好几个表格很麻烦。希望能一登录就看到，最好3秒内能打开，不然早上太忙了。

识别过程：

1. 角色关键词：「我们的店长」 → 角色 = 店长
2. 需求关键词：「需要查看」 → 功能 = 查看营收
3. 问题关键词：「很麻烦」→ 价值 = 方便快捷
4. 量化信息：「3秒内」→ 性能要求（可作为AC）

输出（US草稿）：

---
id: US-SALES-001  # [? 待确认ID]
sn: SALES  # [? 待确认SN]
priority: high  # [? 待确认优先级]
status: DRAFT
source: "客户访谈 2025-12-04"
---

## US-SALES-001: 查看昨日营收

As a 便利店店长
I want to 一登录就看到昨日营收情况
So that 不用手动打开多个表格，节省时间

**原始来源**：
> 客户说：我们的店长每天早上需要查看昨天的营收情况，现在要手动打开好几个表格很麻烦。希望能一登录就看到，最好3秒内能打开，不然早上太忙了。

**不确定点**：
- [ ] 营收情况包含哪些具体数据？（总额/分类/对比等）
- [ ] "一登录就看到"是首页还是独立页面？
- [ ] 性能要求"3秒内"是否作为硬性约束？

**建议的AC/NFR**：
- AC: Given 店长已登录，When 进入首页，Then 显示昨日营收总额
- NFR: 响应时间 < 3秒（性能要求）

需要人工确认的点（学习引导）

为什么需要澄清？

1. 避免误解：自动提取可能有偏差，人工确认保证准确
2. 补充细节：访谈中可能遗漏的边界条件
3. 优先级判断：AI无法判断业务优先级，需要人工决策

如何进行澄清？

1. 准备问题清单：使用本工具生成的澄清问题
2. 与客户确认：用具体问题引导客户补充
3. 更新US：根据确认结果更新草稿，移除 [?] 标记
4. 转为正式US：所有不确定点清除后，status改为ACTIVE

>> 命令

>>interview-to-us          # 转换单个访谈记录
>>interview-batch          # 批量转换多个访谈记录
>>interview-analyze        # 分析访谈记录中的需求数量
>>interview-clarify        # 生成澄清问题清单
>>interview-quality-check  # 审查生成的US质量

相关 Skills

前置准备：

• document-quality - 访谈记录本身的质量检查

后续使用：

• us-enrich-context - 草稿生成后，进一步丰富场景感
• us-readability-check - 检查生成的US中的模糊表述和技术术语
• user-story-format - 验证生成的US格式正确性

质量保证：

• principle-invest - 确保生成的US符合INVEST原则
• us-readability-check - 检查生成的US是否对非技术人员友好

工作流集成： 本SKILL与WORKFLOW的关系：

• WORKFLOW S3-2 做深度需求收集（引导式提问）
• 本SKILL 做快速需求提取（自动化转换）
• 两者互补，根据场景选择使用

注意：

1. 本SKILL生成的是草稿，不是最终US，需要人工澄清和确认
2. 标记为 [?] 的不确定点必须在转为正式US前全部清除
3. 原始来源引用应该在正式US中保留（作为背景说明）或移到独立的需求溯源文档