| name | scene-analysis |
| description | 用于在 AI 项目启动前做业务场景分析与路径判断，帮助团队判断需求该走 Agent、Workflow、DL、规则代码还是暂缓推进。适合需求评审、立项讨论、咨询诊断和方案预判场景。 |
Scene Analysis
适用场景
当用户需要在 AI 项目正式启动前，快速判断“这个需求该不该做 AI、该走哪条技术路径、第一阶段应该怎么推进”时，使用本 Skill。
典型触发场景：
- 业务部门提出一个模糊 AI 需求，需要先判断是否值得立项
- 咨询顾问或产品经理需要给出“Agent / Workflow / DL / 规则代码”的初步路径建议
- 技术负责人需要在需求评审会上快速识别伪需求、高风险需求或前置条件不足的需求
- 团队在讨论“要不要大小模型连用”时，需要先根据输入类型和任务特征做判断
输入要求
- 业务场景描述
- 目标用户或使用角色
- 当前人工处理流程
- 预期产出或希望改善的结果
- 已知约束：数据、系统接口、合规、成本、时效、风险
如果信息不完整，至少要能回答：
- 谁在用
- 现在怎么做
- 最痛的环节在哪里
- 为什么现在想做 AI
执行步骤
- 先判断需求属于哪一类：
- A 类：偏语言理解、知识检索、内容生成、多步推理，优先考虑大模型或 Agent
- B 类：偏固定流程、信息整合、低复杂度自动化，优先考虑 Workflow 助手
- C 类：偏规则、检索、BI、数据治理，优先考虑规则代码、SQL、BI 或流程治理
- D 类：条件不具备、边界不清或风险过高，当前不建议推进
- 再判断具体路径：
- 单轮问答或资料检索：知识库问答 / RAG
- 多步流程编排：Workflow
- 复杂判断与协同：Agent
- 图像、票据、时序、语音等非结构化输入为核心：DL 小模型
- 规则能完整描述：直接写代码，不必强行上 AI
- 对优先级做初判，重点看四个维度：
- 业务价值是否高频且有明确痛点
- 实施难度是否可控
- 当前数据和流程基础是否具备
- 第一阶段是否能做出可验证 MVP
- 判断是否需要大小模型连用。只有同时满足以下两个条件，才建议连用：
- 有图像、音频、扫描件、时序等非结构化输入需要先感知
- 感知结果还需要进一步理解、分析或生成自然语言
- 给出第一阶段建议，明确：
- 第一版做什么
- 当前不做什么
- 下一步应该进入哪个 Skill 或哪个非 AI 方案
输出要求
输出必须使用结构化 Markdown，至少包含以下内容：
## 场景分析报告
**业务场景：** [填入]
**目标用户：** [填入]
**分析日期：** [填入]
### 1. 需求分类
- 类别：A / B / C / D
- 结论理由：
1. [理由 1]
2. [理由 2]
3. [理由 3]
### 2. 推荐技术路径
- 推荐路径：知识库问答 / Workflow / Agent / DL 小模型 / 大小模型连用 / 规则代码 / 暂缓
- 是否需要 DL：是 / 否
- 路径理由：[一句话]
- 当前不推荐的路径：[一句话]
### 3. 优先级判断
- 级别：高 / 中 / 低 / 暂缓
- 业务价值：[评估]
- 实施难度：[评估]
- 当前基础：[评估]
### 4. 第一阶段建议
- 第一版做什么：[一句话]
- 第一版不做什么：[排除项]
- 验证标准：[可测量标准]
### 5. 下一步动作
- [应该进入的下一个 Skill 或替代方案]
输出必须明确指出风险、假设和待确认项，不能只给模糊建议。
参考资料
如果任务中已经有需求文档、会议纪要、现有流程图、业务 SOP 或历史方案，请优先结合这些材料再做判断，不要只根据一句口号式需求下结论。
