Preamble (run first)
bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 创建需求调研目录
mkdir -p docs/01-需求调研
# 检查是否有确认需求清单
if [ ! -f "docs/01-需求调研/确认需求清单.md" ]; then
echo "⚠️ 未找到确认需求清单"
echo ""
echo "建议先执行 /pm-clarify 细化需求"
echo ""
echo "您可以选择："
echo "A) 执行 /pm-clarify 先细化需求（推荐）"
echo "B) 手动输入需求列表（快速模式）"
echo "C) 从需求池导入（执行过 /pm-pool）"
fi执行流程
digraph pm_priority {
rankdir=TB;
node [shape=box, style=filled, fillcolor="#e3f2fd"];
subgraph cluster_input {
label="前置数据";
style=filled;
fillcolor="#f5f5f5";
"读取确认需求清单" [shape=box];
"读取需求调研报告" [shape=box];
"快速模式手动输入" [shape=box, fillcolor="#fff9c4"];
}
subgraph cluster_model {
label="排序模型选择";
style=filled;
fillcolor="#fff3e0";
"选择排序模型" [shape=diamond];
"RICE评分" [shape=box, fillcolor="#c8e6c9"];
"KANO模型" [shape=box, fillcolor="#bbdefb"];
"MoSCoW法则" [shape=box, fillcolor="#fff9c4"];
"自定义权重" [shape=box, fillcolor="#f8bbd0"];
}
subgraph cluster_eval {
label="逐需求评估";
style=filled;
fillcolor="#e8f5e9";
"Reach覆盖人数" [shape=box];
"Impact影响程度" [shape=box];
"Confidence信心度" [shape=box];
"Effort投入成本" [shape=box];
}
subgraph cluster_output {
label="输出生成";
style=filled;
fillcolor="#fce4ec";
"计算RICE得分" [shape=box, fillcolor="#ffccbc"];
"P0/P1/P2/P3分组" [shape=box];
"生成优先级排序报告" [shape=box];
}
"读取确认需求清单" -> "选择排序模型";
"读取需求调研报告" -> "选择排序模型";
"快速模式手动输入" -> "选择排序模型";
"选择排序模型" -> "RICE评分" [label="推荐"];
"选择排序模型" -> "KANO模型" [label="用户满意度"];
"选择排序模型" -> "MoSCoW法则" [label="必须/应该/可以/不做"];
"选择排序模型" -> "自定义权重" [label="自定义维度"];
"RICE评分" -> "Reach覆盖人数";
"Reach覆盖人数" -> "Impact影响程度";
"Impact影响程度" -> "Confidence信心度";
"Confidence信心度" -> "Effort投入成本";
"Effort投入成本" -> "计算RICE得分" [label="逐个需求循环"];
"计算RICE得分" -> "P0/P1/P2/P3分组";
"KANO模型" -> "P0/P1/P2/P3分组" [label="按分类排序"];
"MoSCoW法则" -> "P0/P1/P2/P3分组" [label="按分类排序"];
"自定义权重" -> "P0/P1/P2/P3分组" [label="按得分排序"];
"P0/P1/P2/P3分组" -> "生成优先级排序报告";
}步骤 1: 读取前置数据
如果有确认需求清单：
使用 Read 工具读取 docs/01-需求调研/确认需求清单.md
提取需求列表。
如果有需求调研报告：
使用 Read 工具读取 docs/01-需求调研/需求调研报告.md
提取初步需求列表。
如果没有前置文档：
进入快速模式，使用 AskUserQuestion 收集需求列表。
步骤 2: 选择排序模型
使用 AskUserQuestion 询问：
🎯 选择需求优先级排序模型：
A) RICE评分 - 综合Reach、Impact、Confidence、Effort（推荐）
B) KANO模型 - 基于用户满意度分类需求
C) MoSCoW法则 - Must/Should/Could/Won't分类
D) 自定义权重 - 自定义评分维度
用户选择后，记录到变量 PRIORITY_MODEL
步骤 3: 执行优先级评估
如果选择 RICE 评分：
对每个需求，AI 询问：
问题 1: Reach（覆盖人数）
需求"{需求名称}"预计影响多少用户？
A) 全部用户（100%）
B) 大部分用户（50-80%）
C) 部分用户（20-50%）
D) 少量用户（<20%）
评分规则：
- A = 10分
- B = 7分
- C = 5分
- D = 3分
问题 2: Impact（影响程度）
这个需求对业务目标的影响程度？
A) 极大影响 - 直接影响核心指标
B) 较大影响 - 显著提升指标
C) 中等影响 - 有一定提升
D) 较小影响 - 影响有限
评分规则：
- A = 10分
- B = 7分
- C = 5分
- D = 3分
问题 3: Confidence（信心度）
对这个需求的信心如何？
A) 非常有信心 - 有数据或调研支持
B) 较有信心 - 有一定依据
C) 中等信心 - 基于假设
D) 信心不足 - 猜测或不确定
评分规则：
- A = 10分
- B = 7分
- C = 5分
- D = 3分
问题 4: Effort（投入成本）
实现这个需求需要多少工作量？
A) 很小 - 1-2人天
B) 较小 - 3-5人天
C) 中等 - 1-2人周
D) 较大 - 2-4人周
E) 很大 - >1人月
评分规则：
- A = 10分
- B = 8分
- C = 5分
- D = 3分
- E = 1分
RICE 得分计算：
RICE得分 = (Reach × Impact × Confidence) / EffortAI 自动计算每个需求的 RICE 得分。
如果选择 KANO 模型：
对每个需求，AI 询问：
这个需求属于哪类？
A) 基本型需求 - 必须有，没有用户会很不满意
B) 期望型需求 - 越完善用户越满意
C) 魅力型需求 - 没有没关系，有了会惊喜
D) 无差异需求 - 有没有都无所谓
E) 反向型需求 - 有了反而用户不满
AI 根据分类进行排序：
- 基本型需求（最高优先级）
- 期望型需求
- 魅力型需求
- 无差异需求
- 反向型需求
如果选择 MoSCoW 法则：
对每个需求，AI 询问：
这个需求的优先级？
A) Must have - 必须有，否则产品无法使用
B) Should have - 应该有，重要但非紧急
C) Could have - 可以有，锦上添花
D) Won't have - 本期不做，后续考虑
AI 根据分类进行排序。
步骤 4: 汇总优先级结果
AI 根据评分或分类，对所有需求进行排序。
步骤 5: 生成优先级排序报告
使用 Write 工具创建 docs/01-需求调研/优先级排序报告.md：
# 优先级排序报告
## 一、基础信息
- **排序模型**: {PRIORITY_MODEL}
- **需求数量**: {N}个
- **生成时间**: {当前时间}
---
## 二、排序结果
### 2.1 需求优先级列表
| 排名 | 需求名称 | RICE得分 | Reach | Impact | Confidence | Effort | 优先级 |
|------|----------|----------|-------|--------|------------|--------|--------|
| 1 | {需求1} | {得分} | {R} | {I} | {C} | {E} | P0 |
| 2 | {需求2} | {得分} | {R} | {I} | {C} | {E} | P0 |
| 3 | {需求3} | {得分} | {R} | {I} | {C} | {E} | P1 |
| ... | ... | ... | ... | ... | ... | ... | ... |
### 2.2 优先级分组
**P0 - 核心需求（必须做）**:
1. {需求1} - RICE得分: {得分}
2. {需求2} - RICE得分: {得分}
**P1 - 重要需求（应该做）**:
1. {需求3} - RICE得分: {得分}
2. {需求4} - RICE得分: {得分}
**P2 - 次要需求（可以做）**:
1. {需求5} - RICE得分: {得分}
**P3 - 待定需求（暂缓）**:
1. {需求6} - RICE得分: {得分}
---
## 三、排序依据
### 3.1 RICE评分说明
**Reach（覆盖人数）**:
- 10分: 全部用户
- 7分: 大部分用户（50-80%）
- 5分: 部分用户（20-50%）
- 3分: 少量用户（<20%）
**Impact（影响程度）**:
- 10分: 极大影响
- 7分: 较大影响
- 5分: 中等影响
- 3分: 较小影响
**Confidence（信心度）**:
- 10分: 非常有信心
- 7分: 较有信心
- 5分: 中等信心
- 3分: 信心不足
**Effort（投入成本）**:
- 10分: 很小（1-2人天）
- 8分: 较小（3-5人天）
- 5分: 中等（1-2人周）
- 3分: 较大（2-4人周）
- 1分: 很大（>1人月）
**RICE得分 = (Reach × Impact × Confidence) / Effort**
得分越高，优先级越高。
---
## 四、实施建议
### 4.1 MVP范围建议
建议第一版（MVP）包含 P0 级需求，共 {N} 个需求：
1. {需求1}
2. {需求2}
3. ...
预计工作量: {估算}
### 4.2 后续迭代
**第二版（V1.1）**: P1级需求
**第三版（V1.2）**: P2级需求
---
## 五、下一步建议
建议执行：
1. **/pm-mvp** - MVP规划，确定第一版具体方案（推荐）
2. **/pm-docs** - 生成PRD文档
3. **/pm-pool** - 需求池管理，长期跟踪需求
---
**项目状态**: 优先级排序完成
**生成时间**: {时间戳}
**生成工具**: super-pm v1.0.0步骤 6: 输出完成提示
使用 AskUserQuestion 提供下一步选项：
✅ 优先级排序完成！
📄 优先级排序报告已生成：docs/01-需求调研/优先级排序报告.md
🎯 建议下一步：
A) 执行 /pm-mvp - MVP规划，确定第一版方案（推荐）
B) 执行 /pm-docs - 生成PRD文档
C) 执行 /pm-pool - 需求池管理
D) 查看优先级排序报告
兜底机制
场景 1: 无需求清单
提供快速模式，允许手动输入需求列表。
场景 2: 需求数量过多
如果需求数量 > 15，询问用户：
⚠️ 需求数量较多（{N}个），评分可能需要较长时间
您可以选择：
A) 全部评分
B) 仅对核心需求评分（前10个）
C) 我来选择要评分的需求
注意事项
- 一次一个需求：避免用户负担过重
- 评分标准明确：每个选项对应明确分数
- RICE计算自动：AI自动计算得分
- 优先级分组：P0/P1/P2/P3便于后续决策
- Markdown存储：排序报告人类可读可编辑
输出质量对比
✅ Good 示例：
- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」❌ Bad 示例：
- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」常见误区 / Red Flags — STOP
出现以下情况立即停止并回溯：
| 误区 | 正确做法 | |------|---------| | 使用"应该"、"大概"、"看起来"做结论 | 必须基于实际数据和验证 | | 未运行检查就声称已完成 | 先验证，再陈述 | | 因时间紧迫跳过关键步骤 | 没有例外，时间紧更要严格 | | "这次应该没问题"的想法 | 每次都要重新验证 |
产出质量检查 / Verification Checklist
- [ ] 前置依赖已满足（输入文档/数据已收集）
- [ ] 核心步骤已全部执行
- [ ] 输出文档已生成到
docs/目录 - [ ] 每个判断都有数据/证据支撑
- [ ] 已推荐 2-3 个后续 skill
⚠️ 任何一项未通过 → 补全后再标记完成。