# Bokata：让LLM帮你把复杂需求拆成可执行的开发路线图 > 一款提示工程框架，通过垂直切片和用户故事映射技术，将模糊的产品需求转化为结构化的渐进式开发计划。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-04-29T19:45:15.000Z - 最近活动: 2026-04-29T19:48:44.099Z - 热度: 159.9 - 关键词: LLM, prompt engineering, vertical slicing, user story mapping, agile development, 需求拆解, Bokata, Walking Skeleton - 页面链接: https://www.zingnex.cn/forum/thread/bokata-llm - Canonical: https://www.zingnex.cn/forum/thread/bokata-llm - Markdown 来源: ingested_event --- # Bokata：让LLM帮你把复杂需求拆成可执行的开发路线图\n\n在软件开发中，最痛苦的事情往往不是写代码，而是搞清楚到底要做什么。面对一份几十页的产品需求文档（PRD），或者只是一个模糊的想法，开发者常常陷入两难：要么一次性规划太多导致项目臃肿难以推进，要么走一步看一步最终偏离初衷。\n\n今天要介绍的开源项目 **Bokata**，尝试用提示工程（Prompt Engineering）的方法解决这个问题——它让大语言模型（LLM）成为需求拆解的助手，把复杂需求转化为渐进式、高价值的开发计划。\n\n---\n\n## 为什么需求拆解这么难？\n\n传统的软件开发流程中，需求分析通常依赖人工完成。产品经理写PRD，开发团队评审，然后拆分成任务。这个流程存在几个痛点：\n\n**信息过载**：一份完整的PRD可能包含数十个功能点，开发者很难一眼看出优先级和依赖关系。\n\n**粒度难以把握**：拆得太细会失去整体视角，拆得太粗又难以估算工期和风险。\n\n**价值导向模糊**：很多时候我们按模块开发，而不是按用户价值交付，导致前期投入大量时间做出来的功能可能并不是用户最需要的。\n\n**沟通成本高**：产品经理和开发团队对同一需求的理解可能存在偏差，需要反复确认。\n\nBokata的核心思路是：既然LLM已经具备了理解自然语言和结构化思维的能力，为什么不让它来辅助完成这个繁琐但规律性强的工作？\n\n---\n\n## 什么是Bokata？\n\nBokata是一个开源的提示工程框架，专门设计用于指导LLM将复杂的软件需求分解为增量式、高价值且可执行的开发计划。它的名字可能来源于某种隐喻——就像把一块大石头（复杂需求）切割成可以搬运的小块（可执行任务）。\n\n项目托管在GitHub上（abrahamvallez/skills），虽然名字比较朴素，但背后的方法论值得关注。\n\n---\n\n## 核心技术方法\n\nBokata采用了两种在敏捷开发中广泛应用的技术：\n\n### 垂直切片（Vertical Slicing）\n\n垂直切片是一种需求拆分策略。与传统的水平分层（先做完所有数据库设计，再做所有API，最后做前端）不同，垂直切片要求每个交付单元都跨越所有技术层，提供一个端到端的用户价值。\n\n举个例子：假设你要做一个电商应用。水平拆分可能是先做用户系统，再做商品系统，最后做订单系统。而垂直切片则是：第一个切片实现"浏览商品并加入购物车"，第二个切片实现"结算并支付"，每个切片都涉及前端、后端、数据库等多个层面，但都能独立交付价值。\n\n垂直切片的好处显而易见：\n- 每个迭代都有可演示的成果\n- 风险早期暴露——如果支付接口有问题，第一周就能发现\n- 用户反馈可以及时纳入后续开发\n\n### 用户故事映射（User Story Mapping）\n\n用户故事映射是Jeff Patton提出的一种需求组织方法。它把用户活动（Activities）放在最上层，下面是具体的用户任务（Tasks），最下层才是具体的用户故事（Stories）。\n\n这种二维的组织方式让团队能够：\n- 看到产品的全貌和使用流程\n- 识别出构成最小可用产品（MVP）的核心故事\n- 规划后续的增量发布\n\nBokata将这两种方法整合进提示模板，让LLM能够按照这些成熟的软件工程方法论来分析和重组需求。\n\n---\n\n## 实际工作流程\n\n使用Bokata处理需求大致分为以下几个步骤：\n\n**输入阶段**：开发者提供原始需求——可以是一段描述性的文字，也可以是一份完整的PRD文档。\n\n**分析阶段**：Bokata的提示模板引导LLM识别需求中的核心用户角色、主要活动流程和关键任务节点。\n\n**切片阶段**：LLM按照垂直切片的原则，将需求重组为多个端到端的功能切片，每个切片都包含完整的用户价值。\n\n**映射阶段**：将这些切片组织成用户故事地图的形式，横向展示用户旅程，纵向展示不同深度的实现方案。\n\n**输出阶段**：生成结构化的开发计划，包含优先级排序、依赖关系标注和初步的工期估算建议。\n\n---\n\n## Walking Skeleton：渐进式开发的核心概念\n\nBokata的一个关键输出是所谓的"Walking Skeleton"（行走骨架）。这个概念由Alistair Cockburn提出，指的是一个贯穿整个系统架构的最小可行实现。\n\n想象你在搭建一个人形骨架：\n- 它只有最基本的骨骼结构\n- 但它是"站立"的——端到端可以工作\n- 它证明了核心架构的可行性\n- 后续的开发就像添加肌肉、皮肤、器官一样，在稳固的骨架上逐步丰富\n\nWalking Skeleton与MVP（最小可行产品）的区别在于：MVP强调用户价值的最小集合，而Walking Skeleton强调技术架构的完整贯通。两者结合，就是既能让用户 early 使用，又能让开发团队验证技术方案。\n\n---\n\n## 适用场景与局限性\n\nBokata这类工具最适合以下场景：\n\n**创业团队快速启动**：当只有一个模糊的产品想法时，可以快速生成第一版开发路线图。\n\n**大型项目重构**：面对遗留系统改造，可以用它来重新梳理需求优先级。\n\n**敏捷转型中的传统企业**：帮助团队理解垂直切片和用户故事映射的实践方法。\n\n**远程协作团队**：作为需求讨论的结构化起点，减少沟通中的理解偏差。\n\n当然，它也有明显的局限性：\n\nLLM生成的计划需要人工审核，不能盲目执行。模型可能对特定业务领域的理解不够深入，生成的切片可能遗漏关键的业务约束。对于高度创新或探索性的项目，传统的需求分析方法可能更合适。\n\n---\n\n## 与其他AI辅助开发工具的对比\n\n近年来，AI辅助软件开发的工具层出不穷。Bokata的定位比较独特：\n\n不同于GitHub Copilot这类代码补全工具，Bokata关注的是"写什么"而不是"怎么写"。\n\n不同于一些自动生成完整项目代码的工具，Bokata不直接产出代码，而是产出结构化的开发计划——这让开发者保留了技术决策的自主权。\n\n也不同于简单的需求总结工具，Bokata嵌入了成熟的软件工程方法论（垂直切片、用户故事映射），输出的不是泛泛而谈的建议，而是可以直接指导迭代开发的行动计划。\n\n---\n\n## 总结与思考\n\nBokata代表了一种有趣的尝试：将软件工程的最佳实践编码进提示工程，让LLM成为需求分析师的助手。\n\n它的价值不在于替代人的判断，而在于提供一个结构化的思考框架，帮助团队更快地进入实质性的开发讨论。\n\n对于正在探索AI辅助开发流程的团队来说，Bokata的方法论值得借鉴——无论是否直接使用这个框架，垂直切片和用户故事映射都是经得起考验的实践。而将其与LLM结合的思路，也为我们展示了提示工程在软件开发流程中的更多可能性。\n\n项目开源，感兴趣的开发者可以在GitHub上找到它，尝试用它处理自己的下一个需求文档。