来源
- 原始链接：https://www.youtube.com/watch?v=6bmM45jkMDY
- 来源类型：视频逐字稿
- 来源标题：你无法提示整个房间：AI 最后无法取代的技能
文本来源是 AI Engineer 频道视频《你无法提示整个房间：AI 最后无法取代的技能》的修复版中文稿。下面按汉松兴趣画像优先保留机制解释、反常识判断和可复用工作流，而不是做普通摘要。
开头可以先抓住一句：这场演讲的核心判断是：当 AI 让写代码变得便宜之后，软件开发真正稀缺的能力，转向判断该做什么，以及把业务方、用户、决策者拉到同一个房间里，提炼出值得构建的需求。讲者主张重新重视故事地图、用户故事、商业模式画布、价值画布等分析工具，把最聪明的人更早推向客户和业务问题，而不是只追求更快地交付功能或做出演示。
一、从写代码到判断该构建什么
背景
讲者说明 AI 改变了软件开发的瓶颈：代码生成已经不再是最难的环节，真正重要的是理解业务价值、读懂现场、引出正确需求，并避免用 AI 复制已有方案。
模型做不到的事情，很像 Henry Ford 那个类比。他说，如果他去问用户或客户需要什么，他们会说需要更多马。但现实中他造出了汽车，并且取得了成功。所以，如果你只是用 AI 把事情做得更好，或者更快地构建东西，你很可能只是在复制已经存在的东西。因为从定义上说，AI 会倾向于给出最常见的答案。对我们来说，真正的工作是确保 AI 偏离平均答案，走向对我们更好的答案。这样我们得到的就不是一匹更快的马，而是一辆车，一个比原来好一个量级的变化。
讲者说明 AI 改变了软件开发的瓶颈：代码生成已经不再是最难的环节，真正重要的是理解业务价值、读懂现场、引出正确需求，并避免用 AI 复制已有方案。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
二、用故事地图和用户故事提炼需求
背景
本段聚焦故事地图、用户故事、验收标准和 VAD（价值架构设计）思考流程，说明如何把业务价值、流程、架构和设计连接起来，让 AI 获得更明确的上下文。
每个用户故事实际上都由这些众所周知的结构组成：用户角色、需求是什么，以及为什么需要。把这些打包交给 AI，当然还要加上验收标准，因为你可以基于验收标准推导测试用例，这样就能搭好基础，并得到很好的结果。然后，如果你把这些用户故事像链条一样串起来，就能创建一个连贯的系统。基于这个系统，你可以创建规格说明，最终生成代码。因此，AI 并没有让软件开发生命周期本身发生太大变化，真正变化的是我们正在使用的工具箱。
本段聚焦故事地图、用户故事、验收标准和 VAD（价值架构设计）思考流程，说明如何把业务价值、流程、架构和设计连接起来，让 AI 获得更明确的上下文。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
三、识别错误交付，并把聪明人前移到业务现场
背景
讲者讨论构建错误产品的信号，例如功能发得很快但没人复用、演示被当成交付物、PRD 缺少真实用户验证，并给出从指标、角色配置和映射工作坊入手的改进建议。
如果你的 PRD 没有真正的用户测试者，也就是说，如果你没有从真实用户那里收集到合适反馈，那么它很可能无法进入生产环境，人们也不会使用它。这里最重要的是，一切都需要向上游移动。AI 热潮之前，我们最聪明的人在写代码；但现在，我们需要把最聪明的人转向客户，转向业务问题。我们需要花更多时间决定构建什么，因为这才是昂贵的部分。
讲者讨论构建错误产品的信号，例如功能发得很快但没人复用、演示被当成交付物、PRD 缺少真实用户验证，并给出从指标、角色配置和映射工作坊入手的改进建议。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
整体判断
这篇最值得保留的不是某个单点技巧，而是它把「你无法提示整个房间：AI 最后无法取代的技能」放进了更完整的工程框架里：从写代码到判断该构建什么、用故事地图和用户故事提炼需求、识别错误交付，并把聪明人前移到业务现场。这些内容可以作为汉松后续写 AI 工程、Agent 系统和团队工作流时的素材。
更重要的是，它提供了一种判断 AI 系统的方式：先看问题如何被拆成状态、动作、工具、评估和人的边界，再看模型能力如何嵌进去。只有这样，视频里的做法才会从一次演示变成可迁移的方法。