案例研究
用 AI 降低客户需求收集摩擦
一个可重复的 intake 管道，减少上下文丢失，让范围定义更快。
- 对象
- 小型工作室 / 咨询型协作
- 角色
- 主导工程师与流程设计者
- 周期
- 3 周
- 发布时间
- 2026-03-14
Next.js
TypeScript
OpenAI API
Postgres
Vercel
背景
工作从哪里开始
请求来自多个渠道，团队每次写 proposal 前都要重新拼装上下文。
问题
真正需要改变的是什么
上下文分散、责任不清，每一次报价都要手工重新还原背景。
约束
是什么塑造了解法
- 客户可见输出前保留人工审核
- 不要过度自动化资格判断
- 保留可检索的交付记录
过程
我是怎么推进它的
- 梳理请求来源与失效点。
- 为项目上下文、约束与紧急度定义小 schema。
- 加入 AI 辅助分类与摘要草稿。
- 在对外发送前设置审阅检查点。
方案
最终交付了什么
构建了一个结构化的 intake 与 triage 系统，带有清晰交接点、可复用模板与可审阅输出。
结果 / 影响
最后改变了什么
团队得到了一条更平静的客户 intake 流、更快的 scope 速度，以及更少的 kickoff 前往返。
范围定义更依赖清晰上下文，而不是记忆力。
复盘
我学到了什么
- 这里的 AI 最适合作为起草者，而不是决策者。
- schema 本身就是系统边界。