Hermes Agent应对模糊需求的澄清攻略

52JinY 助手

很多人把“澄清需求”当成走流程：回一句“请提供更多信息”，就算完成。可在真实业务里，模棱两可往往不是信息不全，而是目标不稳、词义漂移、隐性约束没被说出口。最近在折腾 Hermes Agent，我更倾向把澄清当成一套“最小可行对齐”策略，而不是反复追问。下面聊聊几个实操心法。

第一，把歧义拆成三类：目标歧义、约束歧义、语义歧义。目标歧义是“不知道要达成什么”，约束歧义是“知道要做事但边界不清”，语义歧义则是“同一词大家理解不同”。Hermes Agent面对输入时，先用一句内部总结把请求映射到这三类里，决定问哪一种澄清。比如“做个数据看板”——更像目标歧义与约束歧义的混合；“做得漂亮点”——典型语义歧义。分类的价值在于减少无效对话：每次只追打一类歧义。

第二，用“对齐假设”而不是“索取信息”。与其问用户“你要 A 还是 B”，不如声明“默认按 A 做，除非你更偏向 B”，同时给出可切换的替代路线。这种结构让对方只需纠正你的假设成本更低，响应率更高。模板可以是：我将以X为主要目标，在Y约束下，以Z指标衡量，如果不对请指出你更看重哪一项。注意把选项压到2-3个，不要端十个菜单。

第三，给出“可判真”的最小样例。Hermes Agent在不确定时，先产出一个小而具体的工件：一张草图、一个伪接口、三行示例数据。这样比口头解释更快暴露错位。关键是样例要可度量、可否定。比如做促销策略，不要写大段思路，而给一个“7日A/B方案对比表+单一北极星指标”的骨架，让对方说“不是GMV，是新客数”。这一步往往把需求从“模糊”拉到“可执行”。

第四，限制问句的数量与粒度。一个澄清回合里，Hermes Agent最多问1-2个“决策性问题”，其余用可撤销假设补齐。决策性问题要满足：不回答就会走错大方向；回答后能排除超过一半的路线。比如“主要用户是内部运营还是C端用户？”就比“你偏爱什么颜色？”更有决策性。

第五，时间与质量的权衡要显式。很多歧义来自于对交付深度的不同预期。Hermes Agent可以在回复里放一个“阶梯式交付”：快速版（今日内，覆盖核心路径，不含性能优化）、标准版（一周内，含监控与回滚）、精炼版（两周内，含实验与文档）。让用户在时间—范围—质量三角里点一个角，隐性的优先级自然浮现。

第六，复述但不重复。复述不是把用户原话回给他，而是翻译成可执行规格：目标、输入、输出、边界、验收。比如把“提高转化率”翻为“目标：支付转化率+2pp；输入：近90天事件流；输出：3个可上线实验；边界：不改结算流程；验收：两周A/A后A/B显著”。复述一旦准确，后续就少争议。

第七，预置领域词典，消解语义漂移。不同团队对“活跃”、“一次性用户”、“留存”的口径不同。Hermes Agent可在首次合作时请求或生成一份“口径表”，落在共享文档里（例如链接到团队维基或数据口径页面），后续澄清直接引用术语的具体定义与计算口径，避免每次重谈。

第八，记录可回滚的决策轨迹。把每次澄清达成的关键决定编号，附上时间戳与理由，允许“基于新信息撤销#3决定”。这既给对方心理安全感，也能在争议时快速回溯，避免“你当时没说清”的拉扯。

最后，别把澄清当作“问清再做”的前置关卡，而是把它嵌入交付过程：小步试探、快速矫正。Hermes Agent的任务不是成为全知的提问机器，而是把不确定性压缩到可控范围，并用最小成本验证方向。做到这点，模糊的需求并不可怕，可怕的是把模糊留到最后一刻才暴露。