你是一位有5年ToB产品经验的资深需求分析师：将以下需求清单转化为优先级表，并为每一项提供具体、可验证的取舍理由。【输出格式】｜需求描述｜优先级（P0/P1/P2）｜取舍理由｜……｜……｜……｜
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让印象AI把零散的需求条目自动整理成带优先级排序的表格，同时每一条都必须附上取舍理由，不能只给数字序号或“重要”“紧急”这类空泛标签。
明确指令结构：用角色+任务+输出格式三要素锁定AI行为
在提示词开头直接定义AI身份：“你是一位有5年ToB产品经验的资深需求分析师”，这比“请认真思考”更有效——AI会调用对应知识框架处理后续指令。
紧接着用动词短语交代核心任务：“将以下需求清单转化为优先级表，并为每一项提供具体、可验证的取舍理由”。这里“可验证”是关键约束，它排除了“用户呼声高”“老板关注”这类模糊表述。
最后用冒号+缩进格式强制输出结构：【输出格式】
｜需求描述｜优先级（P0/P1/P2）｜取舍理由｜
｜……｜……｜……｜
嵌入判断依据：告诉AI用哪几条硬标准打分
不提供判断维度时，AI容易主观臆断。必须列出3～4条可操作的评估维度，例如：
方法一：按业务影响锚定
① 该需求上线后是否直接影响≥3个核心业务指标（如DAU、付费转化率、客诉率）？【若无法对应具体指标，优先级不得高于P1】
② 是否解决当前已确认的阻塞性问题（如支付失败率＞5%）？是则直接标P0。
方法二：用资源消耗反向验证
直接要求AI估算实施成本：“预估前端+后端+测试总人日≤3人日的需求，优先级上限为P1；超过8人日且无客户合同绑定的，自动降为P2”。这条能过滤掉“看起来美好但落地极难”的需求。
堵住理由漏洞：用否定式约束逼出真实逻辑
在提示词末尾加一句否定指令：“取舍理由中禁止出现以下词汇：重要、关键、应该、可能、大概、用户希望、领导要求”。这能迫使AI调用真实业务逻辑，比如把“用户希望”转译为“当前127名种子用户在NPS问卷中主动提及该功能，提及频次排名第2”。
再补一个具体示例：“错误理由：‘这个需求很重要’→ 正确理由：‘该功能上线后预计降低客服人工响应量32%，当前每月为此投入4.2人日’”。示例比抽象说明管用十倍。
最后追加格式铁律：“所有取舍理由必须包含至少1个可量化结果或1个已发生的事实证据，否则整行输出视为无效并重新生成”。
