优先级表提示词榜单：需求清单转优先级及取舍理由

用AI处理需求清单时，常见翻车点在于输出格式错乱或理由空洞。解决思路很简单：别让AI猜测意图，而是在提示词中明确告知“决策规则”。下面拆解三个具体动作，每个都有硬指标和避坑要点。

指令结构三要素：角色、任务与输出格式，锁定AI输出行为

第一步，开头立住身份。“你是一位拥有5年ToB产品经验的资深需求分析师”——这句直接触发AI调用成熟的业务分析框架，远强于“请认真思考”这类空泛指令。

接着用动词短语明确核心任务：“将以下需求清单转化为优先级表，为每一项提供具体可验证的取舍理由”。“可验证”是关键约束，能自动剔除“用户呼声高”“老板关注”这类无依据的理由。

最后用冒号+缩进给出标准输出模板：

【输出格式】
｜需求描述｜优先级（P0/P1/P2）｜取舍理由｜
｜……｜……｜……｜

嵌入判断依据：给出3~4条硬性评估维度，避免AI凭直觉打分

常见陷阱是不提供判断维度，AI容易产出模糊结论。务必给出可操作的评估标准。两个方法可以参考：

方法一：以业务影响锚定优先级
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 是否解决已确认的阻塞问题（如支付失败率＞5%）？是则直接标P0。

方法二：以资源消耗反向验证
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”。这能过滤“看起来美好但落地极难”的需求。

堵住理由漏洞：用否定式约束逼迫真实逻辑输出

想让AI避免废话，就得提前封堵废话路径。在提示词末尾加一条否定指令：“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”。这迫使AI将“用户希望”这类模糊表述，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”。

再附一个具体示例，比抽象说明更有效：
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”

最后加一条格式铁律：“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”。这能彻底杜绝AI偷懒写套话。