scene-analysis

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

1. 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
2. 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
3. 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
4. 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
5. 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。