BA Kit：从手工 BA 到指挥 AI 的 BA

问题

开发团队已经用上 AI，做得很快。BA 团队仍然全靠手工：开会时记录客户意见，会后再整理提炼，分析完再创建任务。分析和测试这两个环节成了瓶颈：开发等需求，客户等反馈。

BA Kit 之前瓶颈在中间

1. 1客户意见在会议中
2. 2BA 手工处理记录、提炼、分析、创建任务
3. 3开发使用 AI做得很快，然后等待

背景与角色

• BA 团队三人，同时支持多个项目。
• 项目知识分散在文档、聊天消息和每个人的脑子里。
• AI 的用法没有统一标准，每个人各问各的，结果难以信赖。
• 我负责提出方案、设计、搭建、试用和培训，同时兼顾项目的 BA 工作。
• 约束：AI 只能读取开发环境；AI 的所有产出必须有人验证。

第 1 步：逐步手工操作并评估

在自动化之前，我亲自手工完成流程的每一步，评估哪一步耗时、哪一步反复出现。

流程评估哪些步骤适合交给 AI 起草

• AI 起草，BA 审核
• AI 只收集数据，BA 决定

	耗时	重复度	所需判断	AI 的部分
记录会议内容	高	高	低	草稿
把客户意见提炼成需求	高	高	中	草稿
查阅代码库和数据库以评估影响	高	高	高	仅收集数据
编写用户故事和验收标准	中	高	中	草稿
创建 Jira 工单，关联 Epic 和标签	中	很高	低	草稿
绘制界面	高	中	中	草稿
绘制流程图	中	高	中	草稿
准备 UAT 文档	中	高	低	草稿

第 2 步：搭建项目知识库

AI 只有在上下文正确时才有用。每个项目的知识存放在一个带 wikilink 的 Obsidian vault 中，供智能体读取：会议有录音，提取转录稿，并与由此产生的需求双向链接。

Vault 结构每个项目一个 vault，一切都指向需求

第 3 步：搭建并打磨 BA Kit

各项流程被封装成供 IDE 智能体（Claude Code、Codex、Antigravity）使用的 skill，通过 MCP 连接 Jira、数据库和 vault。这套工具在每次实际使用后持续改进，目前共有 30 个 skill。

BA Kit代表性的 skill 类别

	AI 生成的草稿	验证人
从会议中提取需求	需求、未决问题、待办事项	BA
影响评估	受影响组件、风险	BA，必须复核
编写 story	用户故事、验收标准	BA
起草 Jira 工单	符合模板的工单、Epic、标签	BA 点击创建
绘制界面	界面原型	BA
绘制示意图	流程图、系统图	BA
准备 UAT	按角色划分的 UAT 清单	BA
每日工作包	会前摘要、日终报告	BA

规则适用于所有 skill

• 只读取开发或 staging 数据库，绝不读取生产环境。
• 不自行创建工单。AI 生成草稿，由人点击确认。
• 每个结论都必须注明来源：文件、转录稿、时间点。
• 不猜测业务规则。信息不足时，生成向客户提出的问题。

第 4 步：一份转录稿如何经过 BA Kit

模拟示例：AI 做了什么，BA 需要修改什么。

CPClient PM

“…and for the report, sales just wants a list of who’s about to churn, maybe we email it to them every morning. Oh and it should exclude trial accounts, those don’t count.”

REQ-014AI draft

Churn-risk list for Sales

• Daily email to the Sales team every morning
• Exclude trial accounts
• Open questions: What defines “about to churn”? Which timezone is “morning”? Email only, or also visible in CRM?

Source

Weekly client meeting

Suggested links

BR-07, US-04

BA 核实草稿中的三个要点

• AI 建议复用 BR-07。正确，保持不变。
• AI 遗漏了上一次会议中提到的一位相关方。补充向客户提出的问题。
• AI 把邮件当作主要渠道。优先级有误，因为已有 CRM 同步。已更正。

第 5 步：培训并规范新流程

我与团队中的 BA 一起改进流程，然后培训使用方法。

新流程

• BA
• AI
• 开发

1. 1BA会议录音
2. 2AI转录稿存入 vault
3. 3AI提取需求
4. 4BA审查，向客户确认
5. 5AI起草 story、界面、流程图
6. ?BA审核
7. 7开发接收工单

第 6 步：从 BA Kit 到整个 IT 部门的工具包

BA Kit 随后成为 Software KIT 的核心：IT 部门每个角色一套工具包，共用一种规格格式和一套规则。数据统计自工具包仓库，2026.07–09。

Software KIT40 个自研 skill，按角色划分

• BA
• 测试
• PM
• DevOps

• 40 个 skill另有 18 个子智能体和 17 条共用规则

  30721

BA、开发、测试和客户共用一种规格格式。 每条需求是带编号（FR-、BR-、NFR-）的 Requirement + Scenario 块；变更以增量形式（新增、修改、删除）书写。自动检查会发现重复编号、缺少场景的需求和遗留的占位符。

按数据改进改变做法的两个数字

• 仍需提问
• 无需提问

• AI 批量分析的任务，第一次约 90/100 个被开发追问

  9010

• 78 个未决问题，梳理一次后23 个从已有知识中自行关闭

  5523

预览关卡所有对外写入

1. 1AI 准备工单、客户报告
2. 2预览
3. ?人确认
4. 4再执行

结果

根据在已落地流程上的内部统计：

• BA 重复性操作的耗时减少约 70%。
• BA 团队效率提升约 3 倍。
• 相对于开发团队的速度，分析环节不再是瓶颈。
• BA 团队从手工作业转为指挥 AI：让 AI 读取代码库和开发数据库、套用项目规则、绘制界面和流程图、对会议录音并提取转录稿。

我学到的

• 先手工做一遍，再自动化。否则会把错误的步骤自动化。
• 上下文比提示词更重要。没有知识库，任何 skill 都只能靠猜。
• 管控规则不会拖慢速度。正是它让团队敢于信任并每天使用 AI。