Retrospective Requirements Analysis
导言
在 AI 开发中，新模型、新算法和新高性能技术经常先以原型、算子替换或小范围穿刺的方式完成验证，正式需求分析却落在后面。此时公司流程仍需要一份完整报告，但任务不应是把代码包装成一段“当时早已想清楚”的故事，而应是从需求片段、代码、测试、实验和运行证据中，回溯一条可审计的决策链。
这篇文章给出一套八阶段方法：从立项边界和证据基线开始，依次重建干系人、场景、根因、需求、质量属性、AI 评测、方案权衡、风险、验收与双向追踪。每个阶段都明确输入、方法、输出和评审门，并把事实、推断、假设、决策和缺口分开记录。
最终目标不是“文档齐了”，而是让审查者能够回答：为什么做、为谁做、解决什么、做到什么程度、为什么选这条技术路线、哪些证据已经验证、哪些仍需责任人确认。