利用澄清提问消除需求歧义

所属教程:OpenAI Codex CLI 从入门到大师级完整教程 预计阅读:18 分钟

需求歧义是返工的主要来源之一。与其让代理猜测后推倒重来,不如在动手前锁定关键决策点。本节梳理高频歧义来源、主动澄清的提问方法、代理反问时的响应原则,以及如何把澄清结论沉淀为后续约束,让多轮协作少走弯路。

一、高频歧义点与不问的代价

歧义类型需要锁定的内容不问清的后果
目标行为不明期望的最终行为、输入输出与成功表现实现方向偏离,整轮返工
边界条件缺失异常输入、空值、并发、性能与兼容范围只覆盖主路径,上线后暴露边界缺陷
技术选型未定采用既有方案还是新方案、是否允许新增依赖代理自选实现,与项目技术栈不符
风格与规范不清命名、结构、错误处理、注释等遵循哪套约定产出风格割裂、难以合并维护
验收口径模糊以测试、构建还是特定行为作为完成标准双方对"完成"理解不一致,反复拉扯
范围归属不清哪些属于本轮、哪些留待后续范围膨胀,主线任务被次要工作挤占

二、主动澄清的提问步骤

  1. 列出歧义清单:在下达任务前先找出影响结果方向的关键不确定项,按"不锁定就会做错"的优先级排序。
  2. 给出有限候选:对每个关键决策提供两到三个可选项及其取舍(改动成本、风险、兼容影响),避免开放式空问。
  3. 结合约束做选择:依据项目现状、资源限制与优先级锁定方案,并说明选择理由,便于代理贯彻。
  4. 把结论写回任务:将澄清结论并入目标与约束段,形成明确指令;书面化结论胜过口头默契。

三、代理反问时如何高效响应

四、把澄清结论沉淀下来

五、FAQ

问题处理建议
是否什么都要先问再动手区分方向级与细节级问题:影响方向、选型、验收的先澄清;纯实现细节可在方案中给出建议由人工确认。
代理没反问是否就代表需求清楚不代表;代理可能按默认假设推进,关键决策点仍应由人工主动锁定并写明。
候选方案如何给得专业每个候选附成本、风险、兼容性与适用前提,让选择基于权衡而非偏好。
澄清后又冒出新歧义怎么办判断是否属于本轮范围;属于则补充澄清并确认,超出本轮则单独立项,避免打断当前收敛节奏。

六、动手练习

本章小结与下一章预告

第 5 章贯通了提示词结构、多轮迭代收敛与需求澄清三项中级方法:把任务讲清、逐轮验证纠偏、动手前消除关键歧义。第 6 章进入代码库实战:先高效探索陌生仓库、追踪调用与实现位置,再控制跨文件改动边界,并在行为不变的前提下做安全重构与回归验证。

← 上一节:多轮迭代、补充约束与结果修正  下一节:陌生仓库的高效探索方法 →

本教程目录

返回教程列表 · AI最前沿首页 · AI百科