Zion函子需求须精准匹配可验证行为边界：L0-L3四层收敛（目标、行为、规则、排除）+验收驱动反推+类型签名可映射，缺失字符集定义等具体约束将导致编译期类型推导失败。
☞☞☞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☜☜☜
函子Zion的需求描述不是越详细越好，而是要精准匹配可验证行为边界——420字长提示词生成的函数比10行简洁版多出15行冗余逻辑，类型判断层层嵌套却漏掉真实业务中的空字符串校验，这就是“过度描述”引发的抽象污染。
需求描述失焦的典型症状
当你在需求里写“必须兼容未来可能扩展的JSON Schema v9规范”，但当前系统连v7解析器都没接入，这句话就已脱离可验证范畴。它不指向任何具体输入输出，也不触发任一测试用例，只给实现者制造心理负担。
出现“支持高并发”“保证强一致性”这类非量化表述时，【没有对应压测指标或事务隔离级别定义】，该条目即失效。
把“用户点击按钮后弹窗”拆成“前端监听click事件→调用store.dispatch→触发saga→调用API→解析response→更新reducer→触发useEffect→渲染Modal”，这属于技术方案前置，不是需求描述。
真正有效的Zion函子需求结构
方法一：用L0-L3四层收敛法
① L0（目标层）：一句话说清价值，如“订单创建失败时，向运营看板推送结构化告警，避免人工巡检遗漏”。
② L1（行为层）：明确触发条件与响应动作，例如“当支付网关返回code=500且message包含‘timeout’时，调用alert_service.send()，传入order_id、gateway、duration_ms三个字段”。
③ L2（规则层）：只写不可绕过的约束，比如“duration_ms必须是整数，范围0-300000；若超时则丢弃告警，不重试”。
④ L3（排除层）：清晰划界，“不处理code=400类业务错误；不记录原始HTTP header；不触发短信通知”。
方法二：验收驱动反推法
先写测试用例再倒推需求：给定输入{"code":500,"message":"timeout","duration_ms":320000}，期望输出alert_service.send被调用且参数中duration_ms=300000。这个用例存在，才说明需求成立。
如果某个需求点无法导出至少一个自动化断言，它就应该从文档中删除。
Zion函子特有的类型安全约束
在Zion中声明函子时，需求必须能映射到类型签名。例如要求“过滤非法字符”，不能只写“清理输入”，而要明确“对String类型输入，应用Unicode类别\p{L}\p{N}\p{Zs}正则保留，其余替换为空格”。
这是因为Zion的Hindley-Milner类型推导会严格校验每个变换步骤的输入输出类型，【缺失具体字符集定义会导致编译期类型推导失败】，而非运行时报错。
写“支持国际化”不如写“接受Locale参数，当locale=en-US时日期格式为M/D/YYYY，当locale=zh-CN时为YYYY年M月D日”。后者可直接转为Zion类型类约束。
