k-brainstorm

name	k-brainstorm
description	想法还模糊时的讨论入口，做分诊后路由到 feature-design / feature-brainstorm / roadmap。采用逐支澄清方法：沿决策树按依赖顺序推进、单题串行并给建议答案，可由代码验证的问题先查代码。AI 是思考伙伴不是记录员。触发：用户说"有个想法还没想清楚"、"先 brainstorm 一下"、"聊一聊这块"、"方向还在摇摆"、"grill me"。不处理 bug 和重构。

k-brainstorm

brainstorm 是"讨论层"统一入口。

三件最重要的事：

• brainstorm 是创意空间不是审计关卡——探索 / 质疑 / 改主意 / 聊着聊着发现真正想做的是另一件事都正常
• 任何话题都可以聊——用户想聊库 / Schema / 接口就聊；TA 提出来说明心里有谱，趁早讨论清楚 design 阶段更省力，不设话题黑名单。
• 用决策树推进对话——把问题拆成"先决策什么、后决策什么"的树，按依赖从上到下逐支澄清，直到形成共享理解
• AI 是思考伙伴不是记录员——用户来这步是想被挑战、被启发，不是被一条条问题填表。如果只是把用户的话整理一遍写下来这步就白做了

共享路径和命名约定看 .kflow/reference/shared-paths.md。

---

分诊

四种 case 速览

case	规模	用户状态	产物
case 1：已经够清楚	不限	一句话能说清做什么 / 为谁 / 怎么算成功 / 不做什么	不落盘，直接 k-feat-design
case 2：小需求	单 feature	知道要解决什么问题，对解法 / 边界还摇摆	.kflow/features/{feature}/{slug}-brainstorm.md → k-feat-design
case 3：大需求，拆解 ready	多 feature	心里已有大致模块划分，想直接做拆解和接口契约	不落盘，移交 k-roadmap
case 4：大需求，先发散存档	多 feature	还不想拆——想先深挖、发散、产生想法存着	.kflow/brainstorms/{slug}/brainstorm.md → 之后 k-roadmap 读到

判错 case 不是灾难——允许升降级。case 2 聊着发现范围越聊越大切 case 3/4，case 3 聊着发现需要先深挖切 case 4，case 4 深挖完可以直接拆切 case 3，当场切换出口。

开聊前检查

每次都做，但按需加载正文：

1. 扫一眼仓库索引——先检查 .kflow/attention.md 是否存在；Glob .kflow/ 顶层和 architecture/、features/、roadmap/、brainstorms/、requirements/、compound/ 的目录名 / 文件名。缺 attention.md 视为骨架不完整，不回退读外部 AI 入口。默认不读 attention 全文；要做 spike / 落盘 / 触碰代码前再读短清单
2. 用关键词缩小范围——从用户原话提取 2-5 个关键词，先 rg 文件名和 frontmatter / 标题 / slug。只读取命中的正文；没有命中就不要为了"熟悉项目"打开架构总入口或历史 feature
3. 按决策需要补读：
   • 需要判断术语 / 模块边界 → 读相关 architecture 小节或架构总入口
   • 需要判断是否接续工作 → 读相近 feature / roadmap / brainstorm 正文
   • 需要规避旧坑 → 搜 compound，命中后只读相关 learning / decision / trick
   • 用户问的是事实问题 → 先读对应代码或文档证据，再回到对话
4. 是不是接续之前的工作：
   • features/ 下有名字相近的 brainstorm？roadmap/ 下有相近子目录？brainstorms/ 下有相关创意记录？
   • 没有 → 当新讨论
   • 有 brainstorm 内容是中断留下的 → 读完汇报"上次聊到 {…}，接着聊还是推翻？"
   • 有同名 design.md → 告诉用户 design 已开，是不是走错入口
   • 有同名 roadmap → 这块已在 roadmap 跟进，是不是要推进具体子 feature
   • brainstorms/ 下有相关创意记录 → 读完汇报"之前 {日期} 存过一份脑暴记录，方向是 {…}，接着聊还是直接拆 roadmap？"
5. 确认这是新功能 brainstorm——bug 走 k-issue，重构走 k-refactor
6. 如果你已经能替用户写出 design 需求摘要的初稿——当场判 case 1。揽下不属于自己的活是本阶段最大反模式

开场分诊：一两轮对话判 case

不是填表——分类题问太多用户觉得在走流程。

用户只说一个模糊词 / 短句（"我想要一个权限系统"、"想聊聊通知"）：

一句话先对齐：你想解决的是 {AI 复述的问题} 对吧？这块你脑子里多大范围——是"加一个小能力"那种一个 feature 能装下的，还是"一整块新子系统得分几轮做"的规模？

用户带着方案来（"我想做 X，里面有 a/b/c"）：

复述一下看对不对——你想解决的问题是 {P}，打算做 X 包含 a/b/c。这里 a/b/c 合起来更像一个 feature 能搞定，还是三件互相有依赖的事要分几轮？

用户自己拆成多件 → 多 feature 规模，追问"想直接拆 roadmap 还是先深挖后存着？"→ case 3 或 case 4；a/b/c 是同一件事的不同面 → case 2；用户听完复述说"对就是这个想清楚了"→ case 1。

判 case 信号（用户说不清就 AI 自判）：

• 每一条目标是同一件事的不同角度→ case 2
• 几条目标有先后依赖或互相独立的子模块，用户能说出大致拆法 → case 3
• 几条目标有先后依赖或互相独立的子模块，但用户说不清模块边界、想先发散探索 → case 4
• 聊两句"不做什么 / 核心行为 / 成功标准"都对上 → case 1

---

怎么聊（case 2 & case 4 共享工具箱）

以下对话方法对 case 2 和 case 4 通用。case 2 最终要收敛到一个选定方向，case 4 可以更开放、不强制收敛。

两条核心姿态

1. 区分"用户说的"和"用户要的"——开口第一句往往是 TA 想到的方案不是真要解决的问题。听到"我想做 X"先别顺着聊方案，先问"X 是为了解决什么场景下的什么问题"。常见发现：真问题不是 X 能解决的，或有更小、更轻、完全不同方向的解法。一旦进 design 方向就焊死——在用户自己还没意识到之前完成这件事是 brainstorm 阶段最大价值。

2. 用户带着方案来时先评估再接受——不要直接进入"那我们聊聊 a 怎么做"。先做：

• 复述 + 反向追问问题——把方案翻成"你想解决的问题是不是 P"
• 评估并提替代——看到方案有明显问题（解错了 / 过度工程 / 有现成更轻路径 / 踩 learning 坑），直接说出来，提 1-2 个明显不同的替代方向。不要为了显得配合就闭嘴

评估完发现方案确实合理 → "我觉得这个方向 OK 建议直接进 design"，别为凑流程硬发散——当场升级 case 1。

对话节奏

没有固定步骤。三个动作随时可回到上一步：

逐支澄清方法（case 2 / case 4 默认工作方式）：

• 目标是共享理解，不是问答数量——退出标准是关键分支被澄清，而不是问满轮数
• 覆盖每个关键分支——围绕目标、约束、边界、方案、风险逐支走，不跳枝；某分支未决就不假装已对齐
• 先依赖后细节——先问"目标/约束/边界"再问"方案/实现"，避免在未对齐目标前陷入实现细节
• 每轮都要有立场——提问时给 2-4 个有区别度选项，并给推荐答案（含一句理由），让用户确认/修正
• 可验证先验证——能从仓库事实拿到答案就先查代码，再带着证据回来问，不让用户盲猜现状
• 每轮产出分支状态——本轮结论必须落在 confirmed / rejected / open question 之一，避免原地打转

1. 挖问题——按姿态 1 把"真正要解决的问题"问清楚，能用一句话复述、用户说"对就是这个"为止。这一步价值最高不要急着跳过

   深挖模式（按需启动，默认不开）

   默认走轻问——一次复述对上就推进。下面任一信号出现切到深挖模式加深：

   • 显式请求：用户说"多问几轮 / 帮我问清楚再开始 / grill 我"
   • 隐式信号：连续两次复述被"差不多但不太对"驳回；同一概念用不同词反复互指（"权限 / 角色 / 租户"换着说指同一件事）；用户自己也说不清楚
   • 只在 case 2 / case 4 启动——case 1 已清楚再深挖反人性，case 3 用户已 ready 拆解不需要深挖
   • 强度调节：用户明确说 "grill me" 时，按"关键分支尽量走完"执行；未显式要求时维持轻量深挖，避免过度盘问

   深挖模式硬约束（防止没完没了）：

   • 最多 3-5 轮重点问题，一轮没拿到新增信息就退到发散（轮数是上限不是目标）
   • 每轮一个问题 + 2-4 个有区别度的候选让用户挑，不让 TA 自由作文（单题串行）
   • 每轮问题后都给推荐答案（先说建议，再让用户确认/修正）
   • 某问题如果能靠仓库事实回答（接口现状、行为约束、已有实现），先读代码再回来问，不把可验证问题丢给用户猜
   • 分支推进按依赖顺序逐个解决：上游分支未确认，不进入下游实现分支
   • 每轮结束时标记本轮分支状态：confirmed / rejected / open question；连续两轮都只产生 open question 就退到发散或提议 spike
   • 遇到"得写起来才知道"的问题：标成 open question 直接跳过，不死磕
   • 用户开始敷衍 / 说"先这样吧 / 差不多了" → 立刻退到收敛，别再追问

2. 发散——确认问题后再谈方案。提 2-3 个具体候选方向（用户带的方案算其中一个），每个 1-2 句描述 / 价值 / 代价。至少有一个反直觉候选（反转 / 去掉常见约束 / 跨领域类比）。所有候选呈现完再给推荐——先锚定再补别的会污染用户判断

3. 收敛——选定方向后轻轻勾勒：核心行为？明显不做？最大未知？给 design 热身不是替 design 决定

最小 demo / spike

讨论中冒出"这个方向能不能走得通要看 X 实际是不是 Y"——不要靠脑补辩论，停下来花 5-30 分钟搭个最小 demo 验一下比再聊三轮更省时。

默认不做——大多数 brainstorm 是在比较权衡，demo 帮不上忙。同时满足下面三条才主动提议：

1. 是事实问题不是偏好问题——某 API 实际行为 / 库是否真支持 / 性能特征是否成立，不是"哪种风格更好"
2. 结果会改变方向——验出来不管成败，讨论都能收敛
3. 成本可控——你判断 5-30 分钟内能搭出能跑的东西。超过这个量该走 k-feat-ff 直接做或拆成正式 feature

提议格式："这块靠想不准，我做个最小 demo 验一下 {要验的事}，5-10 分钟，OK 吗？" 用户秒过 / 拒绝即可。

spike 落地约定：

• case 2：实验代码扔 .kflow/features/{feature}/ 下（和 brainstorm note 同目录），文件随便起名（spike.py / try-{topic}.ts）
• case 4：spike 放 .kflow/brainstorms/{slug}/，跟 brainstorm.md 挨着
• 验完不强制清理——留着以后看也行；用户嫌乱说一声再删
• 结果必须回写 brainstorm note——成败都要在"已敲定"那节记一条："{结论} —— 已用 spike 验证（代码见 {路径}）"，避免 design / roadmap 阶段再起疑重做

case 1 / case 3 也能借这个动作（不强求落 brainstorm note），逻辑一样：事实存疑 + 改变方向 + 成本可控。

对话中的坑

• 一次只问一个问题——抛三五个用户只回最容易答的
• 先给选项再提问——能用 2-4 个具体有区别度的选项让用户挑就别让 TA 自由作文
• 不要主动把话题拉回"用户感知层面"——用户想聊库 / Schema / 接口 / 选型就跟着聊；AI 自己别主动开技术细节话题填时间，但用户开了的话题就认真陪聊。某问题的答案得看代码 → 按需读代码再带回对话

---

四种 case

case 1：已经够清楚

信号：一句话能说出做什么 / 为谁 / 怎么算成功 / 不做什么；聊两句核心行为 / 成功标准都对上。

处理：

1. 告诉用户"这块你已经想清楚了：{AI 一句话复述}。建议直接 k-feat-design——brainstorm 对你没增量"
2. 看聊过程有没有非琐碎技术决策——讨论了具体库选型 / Schema / 接口形态 / 跨模块约定，落一份精简 brainstorm（只填"已敲定的设计点"那节）让 design 直接读到不必重讨；纯方向确认没聊技术细节就裸退不落盘
3. 停下来等用户触发 design

退出："直接触发 k-feat-design 从零写 design"（不落盘）；轻量落盘则"下一步 k-feat-design 会读到 {路径} 不必重述"

---

case 2：小需求 → feature brainstorm

信号：知道要解决什么问题、大致做哪块，一个 feature 能装下，但对解法 / 边界还摇摆。

怎么聊：按上节"怎么聊"工具箱推进——挖问题 → 发散 → 收敛。收敛到选定方向后落盘。

升降级：

• 聊着发现规模超出单 feature → "这规模超出单 feature，你想直接拆 roadmap 还是先深挖后存着？"→ case 3 或 case 4
• 聊着发现已经全清楚 → case 1

落盘：收敛完成后写 .kflow/features/{feature}/{slug}-brainstorm.md。

目录约定：

• 日期前缀：从环境信息取今天日期
• slug：根据方向自拟英文小写连字符，写进 note 时告诉用户。design 阶段改名只 rename slug 部分日期别动
• 目录不存在就创建；已存在回到开聊前检查的接续逻辑

只在用户确认进 design 那一刻落盘——对话期间不写文件。status 固定 confirmed，没有 draft。

文档模板见同目录 reference.md 的"feature brainstorm 模板"。frontmatter 字段口径跟 design / acceptance 共用一组，看 shared-frontmatter.md。

退出：主动问"这块够清楚了可以进 design 吗？"，确认后落盘。如果愿景（用户故事 / 痛点 / 边界）已经聊透了，提示用户可以先 k-req draft 把愿景落成 requirement，design 会读到这份 req 做对齐。告诉用户"下一步 k-feat-design 会读到 {路径}"

---

case 3：大需求 → roadmap 直接拆

信号：多 feature 规模，用户心里已有大致模块划分，能说出拆法，想直接做拆解和接口契约。

处理：

1. 告诉用户"听起来是多个 feature 的集合，单 feature 装不下。k-roadmap 会做拆解和依赖梳理，我把讨论交给它"
2. 把已聊的信息汇总让 roadmap 接手不用重来：真问题 / 大致范围 / 已提到的可能子模块（一句话各一）；聊到的跨模块接口形态、共享协议、技术选型一并列出——这些是 roadmap "架构层详设"节的种子
3. 不落盘——roadmap new 自己建目录和主文档

退出："移交给 k-roadmap"（附聊到的要点汇总），不落盘

---

case 4：大需求 → brainstorms 创意空间

信号：多 feature 规模，但用户说不清模块边界、想先发散探索——"帮我问问清楚"、"先把想法理一理存着"、"方向还乱，聊开了再说"。

这是创意空间，不是设计文档。目标是产生可留存的想法、方向和洞察，供后续 roadmap 消费。

怎么聊：启动深挖模式（见上节"对话节奏 > 深挖模式"），同时自由发散——聊方案、聊类比、聊技术可能性、聊限制。对话比 case 2 更开放，不急着收敛。

升降级：

• 深挖完感觉够清楚了想直接拆 → case 3，落 brainstorm.md 后移交 roadmap
• 聊着发现其实一个 feature 能装下 → case 2
• 聊着发现已经全清楚 → case 1

落盘：用户说"先这样"/"差不多了"/"存一下"，或 AI 判断深挖已到 3-5 轮上限，主动说"这块我先帮你落到 brainstorms 里，之后 roadmap 会读到"。

路径：.kflow/brainstorms/{slug}/

.kflow/brainstorms/{slug}/
└── brainstorm.md    创意记录

目录不存在就创建。slug 根据方向自拟英文小写连字符。

文档模板见同目录 reference.md 的"open brainstorm 模板"。

• doc_type: brainstorm 区别于 case 2 的 feature-brainstorm
• 比 case 2 模板更自由——不要求"选定方向"，允许保留多个倾向
• 不需要"考虑过的方向"那种结构化对比——那是 design 前的事，这里只是创意记录

和 roadmap 的衔接：k-roadmap 启动时会搜 .kflow/brainstorms/ 看有没有相关 brainstorm。如果有，roadmap 把 brainstorm 当输入材料读，不重复分诊直接拆。

退出：落盘后告诉用户"想法存到 {路径} 了，准备好了就触发 k-roadmap，它会读到这份脑暴记录"。如果深挖过程中愿景（用户故事 / 痛点 / 边界）已经比较清楚了，提示用户可以先 k-req draft 把愿景落成 requirement，后续 roadmap 拆解和 design 都有稳定对齐基准

---

硬性边界

1. 不跳过分诊——任何长度的讨论开始前都要先判 case
2. 不替用户决定规模——case 2 / 3 / 4 边界模糊就问用户"你脑子里这块是一个 feature 能装下的规模吗，还是需要先深挖后存着"
3. 不落盘非 case 2 / case 4 产物——case 1 / 3 不写文件
4. 不处理 bug / 重构
5. 不在 case 1 / 3 启动深挖模式——case 1 已清楚再深挖反人性，case 3 用户已 ready 拆解不需要深挖
6. 别自己顺手开始写 design 或 roadmap——阶段间的人工 checkpoint 是 kflow 整套流程的硬约束

---

常见错误

• 跳过分诊默认所有讨论按 case 2 推进——大需求被硬塞进一个 feature
• 分诊问得像问卷——一两轮该有方向；问到第三轮还在对齐规模说明方法错了
• case 1 硬凑 brainstorm note——用户已清楚还写一份模板，后人误以为这里发生过有价值讨论
• case 3 自己做拆解——越俎代庖，那是 roadmap 的产物
• 升降级信号不理——范围扩大还继续 case 2，最后落一份塞不下所有子模块的 note
• 把 case 4 当 case 3 处理——用户想先深挖并存着，却直接移交 roadmap 把未成形的想法硬拆成 feature
• 把 case 3 当 case 4 处理——用户已经 ready 拆解，却强行深挖拖延节奏
• 一次只给一个方案让用户评价——用户被锚定提不出别的方向
• 复述用户方案就落盘——记录员心态，AI 没提供思考伙伴的价值