一句「让客服机器人更聪明一点」，拆完变成 6 个子任务、13.5 人日，每条都有量化验收标准。 拆不动，任务就变成「改到老板满意为止」。
上一节收尾在「AI 是什么」，这一节开始讲「每天干什么」。
一、模糊需求为什么拆不动
「更聪明」不是指标，「答非所问」不是定义。 两句话都没法直接执行，所以团队会陷入一个循环：改一版、老板说不像、再改一版。 拆解的目标是把这两句话换成四样东西：数据从哪来、指标叫什么、验收看哪个数、做多久。 四样齐了，任务才可执行、可结项。 Demo 把它拆成六步：定义「答非所问」、建评测集、定指标、补知识库、调检索、上线灰度。 总工时 13.5 人日，六条都有量化验收。
二、六步里哪一步最容易被跳过
第二步「建评测集」最容易被跳过，因为它是纯投入、看不见效果。 但没有固定的测试集，每次改动都无法比较——只能靠感觉。 第一步「定义答非所问」也一样：抽 200 条真实对话人工标对错，还要算标注一致性（≥ 0.8）。 一致性不达标，说明定义本身还模糊，得回去改定义，不是继续标。 这两步加起来 3 人日，占整个任务的 22%。看着「没产出」，但它们决定了后面所有工作有没有方向。 顺带说一个反直觉的：调检索只花 2 人日，补知识库花 3 人日。 很多团队一上来就调模型参数，其实大部分「答非所问」是知识库缺条目。
三、验收标准怎么写
要写「数」，不写「感觉」。 比如「答对率提升 ≥ 5 个点」「转人工率不升」「抽检 20 条全对」——这三条都能当场核。 还要写「不做什么」。比如「不改模型结构」「不动前端交互」——范围不划清，任务会无限膨胀。 最后要写「谁拍板」。灰度一周后数据出来了，谁说「可以全量」？这个角色不定，数据再好也发不出去。
四、动手 Demo：一句模糊需求拆成六条可验收任务
拿一句真实感很强的需求（「让客服机器人更聪明，客户老说它答非所问」），拆成六个子任务， 每个写清怎么做、多少工时、怎么算做完，最后合计工时并检查「有几条是可验收的」。
tasks = [
(u'定义答非所问', u'抽 200 条对话人工标对错', u'2 人日', u'一致性 ≥ 0.8'),
(u'建评测集', u'分层抽 100 条做固定测试集', u'1 人日', u'覆盖 ≥ 8 个意图'),
...]
实跑输出：
--------------------------------------------------------------------
把一句模糊需求拆成能验收的任务
--------------------------------------------------------------------
子任务 怎么做 工时 验收标准
--------------------------------------------------------------------------------------------
定义「答非所问」 抽 200 条真实对话，人工标「答对/答错」 2 人日 标注一致性 ≥ 0.8
建评测集 从标注里分层抽 100 条做固定测试集 1 人日 覆盖 ≥ 8 个意图
定指标 主指标用「答对率」，辅指标用「转人工率」 0.5 人日 两边都写进验收单
补知识库 把答错的 60 条对应的知识条目补齐 3 人日 补齐后抽检 20 条全对
调检索 相似度阈值从 0.75 扫到 0.55 2 人日 答对率提升 ≥ 5 个点
上线灰度 10% 流量跑一周，对比转人工率 5 人日 转人工率不升
原始需求 让客服机器人更聪明一点，客户老说它答非所问
拆成 6 个子任务
合计工时 13.5 人日
可验收的条数 6 / 6（每条都有量化标准）
原始需求里没有一个词能直接执行：「更聪明」不是指标，「答非所问」不是定义。
拆完才有四样东西：数据从哪来、指标叫什么、验收看哪个数、做多久。
这四样缺一样，任务就会变成「改到老板满意为止」——那是无底洞。
工时是我给的估算，不是报价。它在这里的作用是让「一个月能不能做完」有得算。
六条任务、合计 13.5 人日，六条全都有量化验收标准（6/6）。 工时是我给的估算，不是报价。 它的作用是让「一个月能不能做完」有得算——没有工时估算，排期就只能拍脑袋。 表里最容易被砍的是「建评测集」（1 人日），最容易被低估的是「补知识库」（3 人日， 还要抽检 20 条全对）。 「上线灰度 5 人日」看着不像技术活，但它是唯一能验证「真用户有没有变满意」的一步。 前面五步验的都是离线指标。
30 秒实验
- 把你手上一个模糊需求按这四样（数据、指标、验收、工时）拆一遍。
- 想一想：为什么「转人工率」比「答对率」更难造假？
- 给「补知识库」这一步补一条验收标准，要求能当场核。
常见误区
- 「先做起来再说」——没有评测集，改十版也说不清哪版好。
- 「指标定得越高越好」——定到做不到，团队会开始改口径。
- 「验收就是老板点头」——那是主观验收，会无限返工。
自测三问（点开对答案）
1. 模糊需求要拆成哪四样东西？ —— 数据从哪来、指标叫什么、验收看哪个数、做多久。 2. 六步里哪一步最容易跳过、为什么不能跳？ —— 建评测集；没有固定测试集，改动之间无法比较。 3. 验收标准要写成什么样？ —— 写成能当场核的数，并写清不做什么、谁拍板。职责清楚了，下一节看这些活分布在哪些行业里。
- ☐ （本节完，下一节 2.2.2 AI训练师从业领域：实现更智能化的解决方案）