写好用户故事的10个提示

翻译自 http://www.romanpichler.com/blog/10-tips-writing-good-user-stories/

总结

用户故事可能是在捕获产品功能方面流传最广泛的敏捷实践。
利用用户故事来工作是容易的,但是讲述有效故事却是有困难的。
如下的10个提示能帮助到写好用户故事。

1 用户先来

如同名字所说明,一个用户故事描述了一个顾客或者一个用户如何使用产品;它是从用户角度来书写的。更重要的是,用户故事对于捕捉一个特定的功能特别有帮助,如,搜索产品或预订。

如果你不知道用户和客户是谁,以及他们为什么要使用该产品,那么你不应该写任何用户的故事。首先进行必要的用户研究,例如,通过观察和访谈用户。否则,你就是冒险写故事,那些故事只是基于信念和想法,而不是数据和经验证据的。

2使用Persona方法来发现正确的故事

用于捕获你对于用户和客户的见解的一个伟大技术是人物角色刻画(Persona方法)。Persona是虚构的人物,是基于目标群体的第一手知识。Persona通常由一个名字和一张图片,相关的特点,行为和态度,和一个目标。目标是角色想实现的利益,或者角色想通过使用产品解决的问题。
但还有更多:人物角色的目标帮助你发现正确的故事:问自己的产品应提供什么样的功能来满足人物角色的目标。可以下载一个方便的模板来描述人物角色,参见 romanpichler

3协同创作故事

用户故事不是一个规范,而是一个沟通和协作工具。故事不应该仅仅是交给一个开发团队,而是他们应该被嵌入在对话中:产品主管和团队应该一起讨论故事。
你可以采取进一步的合作来写故事,例如,作为你的产品待办列表优化过程的一部分。这充分利用了团队的创造力和知识,并得到更好的用户故事。
如果你不能在用户故事工作中让开发团队参与,那么你应该考虑使用另外更正式的技术来捕获产品的功能,例如,用例。

4保持故事简洁明了

写故事,让他们容易理解。保持简洁明了。避免混淆和模棱两可的术语,并使用主动语态。专注于什么是重要的,放下其余的。
下面的模板将用户或客户建模为一个人物角色的故事,并使其利益显式。它是基于Rachel Davies的流行的模板,但我已经用人物角色的名字取代了用户角色,用于连接故事与相关的人物角色。
作为<人物角色名字>,
我想要<什么?>
那么<为什么?>。
使用模板时,它是有帮助的,但不觉得有义务总是适用于它。尝试不同的方法来写你的故事,了解什么是最适合你和你的团队。

5从史诗开始

史诗是一个大的、粗略的、粗粒度的故事。随着时间的推移,利用用户对于早期原型和产品增量的反馈,它通常会被分解成多个用户故事。你可以认为它是更详细的故事标题占位符。
从史诗开始,让你勾勒出产品的大功能而不是细节。这对描述新的产品和功能是特别有帮助的:它可以让你捕捉到粗糙的范围,它需要你后续时间来了解更多关于如何最好地满足用户的需求。它也减少了用于整合新见解的时间和精力。如果你在产品待办列表中积累了许多详细的故事,那么它往往是棘手的,并且需要耗费更多时间来获取反馈修改到适当的故事,你必须小心,不要引入不一致。

6优化故事,直到他们准备好

打破史诗到较小的、具体的故事,直到他们准备好:明确的,可行的,和可测试的。所有的开发团队成员应该有一个共同对故事意义的理解;这个故事不应该太大,适合放在一个冲刺中,并有一个有效的方法来确定故事是否完成。

7添加接受标准

当你为小故事打破史诗,记得加接受标准。接受标准可以用叙述来说明,描述故事完成的条件,只有这些条件达成了,故事才能判断为完成。接受标准使得故事更加丰富,变得可测,保证故事可以展示或发布给用户和其他利益相关者。作为一个经验法则,我喜欢用三到五的接受标准来详细的故事。

8使用纸卡

用户故事是在极限编程(XP)中出现的,早期的XP文字谈论多的是故事卡片而不是用户故事。有一个简单的原因:用户故事被写在纸上。这种方法提供了三个好处:一是,纸卡便宜,使用方便。第二,促进合作:每一个人都能拿出一张卡片,写下一个想法。第三,纸片可以很容易地分组在桌上或墙上,检查一致性和完整性,并且把依赖可视化。即使你的故事是以电子方式储存的,当你写新的故事时,也值得使用纸质卡片。
【译者说明:对于拥有Story工具+触摸屏的团队而言,纸卡不再是需要了,Story工具+触摸屏组合能够获得以上的所有好处,并且实时同步版上拖动操作与Story工具中操作,也便于异地合作,这2个方面是优于纸质卡片的,当然工具+触摸屏需要更多的成本】

9保持你的故事是可见的和可访问的

故事要传达信息。因此不要将它们隐藏在网盘、企业内部网丛林或许可的工具上。使他们可见,例如,把他们放在墙上。这促进了合作,创造了透明度,并使它很明显,当你添加太多的故事太快,可能很快用光了墙壁空间。
【译者说明:如果使用了Story工具,它应当是线上工具,团队成员和干系人,无论身在何处,都能随时访问。】

10不要仅仅依靠用户故事

创造一个伟大的用户体验(UX)需要更多的用户故事。用户的故事有助于捕获产品的功能,但他们不适合描述用户的体验流程和视觉设计。因此,补充用户故事与其他技术,如故事地图,流程图,故事板,素描,和模型。
此外,用户故事并不是很好的需求捕获技术。如果你需要沟通一个什么架构元素,比如组件或服务,那么写技术故事或是建模语言UML。
最后,当你开发的软件很有可能被重用,编写用户故事是值得的。但是如果你想快速创建一个一次性的原型或模型来验证一个想法,然后写故事可能不是必要的。记住:用户的故事并不是关于文档的需求,他们想让你快速移动和开发软件,尽快不施加任何开销。

<think>好的,用户现在想了解如何编适用于大模型的提示词,特别是设计方法和最佳实践。首先,我需要回顾之前的对话历史。用户之前询问了关于Coze工作流的搭建方法,我给出了分步骤的指南,并引用了相关的文献。现在用户的问题转向提示词设计,这与之前的Coze工作流有关联,因为提示词设计是优化工作流中模型处理的重要环节。 用户提供的引用内容中,引用[1]提到了提示词设计的核心要素,包括任务描述、数据输入、模型理解、性能优化和用户反馈。引用[2]讨论了提示词语言的设计哲学,涉及算法原理和数学模型,而引用[3]则涉及多模态应用。需要将这些内容整合到回答中,同时结合用户之前的问题,确保连贯性。 用户的需求是了解设计方法和最佳实践,可能需要结构化的步骤、示例以及常见错误。需要确保回答清晰,分点列出,并使用适当的LaTeX格式,如行内公式用$...$,独立公式用$$...$$。此外,生成相关问题时要考虑用户可能的后续疑问,比如如何测试提示词效果或处理多模态场景。 需要注意用户的引用可能不完全符合当前问题,但需要尽量参考,例如引用[1]中的任务描述和性能优化部分,引用[3]中的多模态应用可以作为最佳实践中的扩展方向。同时,结合之前的Coze工作流回答,可能需要强调提示词在工作流中的具体应用,比如参数配置和节点设计中的模型调用。 需要检查LaTeX语法是否正确,例如在数学表达式中正确使用括号和符号,确保格式无误。最后,确保回答用中文,结构清晰,帮助用户逐步理解提示词设计的方法,并附上相关问题引导进一步探索。</think>### 大模型提示词设计方法与最佳实践 基于引用[1]中提到的提示词设计核心要素和引用[2]的设计哲学,以下是系统化的设计方法和实践建议: --- #### **一、设计方法论** 1. **任务定义结构化** - **输入-处理-输出框架** 使用数学表达明确任务边界: $$ f(Prompt, Input) = Output $$ 其中$Prompt$需包含任务类型(如分类/生成)、约束条件(如长度限制)和输出格式(如JSON)[^1]。 - **示例**: ``` 任务:新闻摘要生成 输入:一篇中文长文章$D=\{s_1,s_2,...,s_n\}$ 输出:三段式摘要,每段不超过20字 ``` 2. **认知对齐设计** - **知识注入策略** 通过嵌入领域术语提升模型理解,如医疗领域提示词需包含$ICD-10$编码规则[^3]。 - **思维链(Chain-of-Thought)** 强制模型分步推理: ``` 问题:若$x^2 + 5x + 6 = 0$,求根 提示:请逐步列出判别式计算过程,再推导结果 ``` 3. **参数化控制** - **动态变量设计** 使用可配置参数增强复用性: $$ Prompt(t) = Base + \alpha \cdot Domain\_Knowledge + \beta \cdot Style\_Constraint $$ 其中$\alpha,\beta$为调节权重[^2]。 --- #### **二、最佳实践指南** 1. **上下文优化技术** - **层级式提示** ```python # 伪代码示例 def build_prompt(query): context = retrieve_related_knowledge(query) return f"""基于以下背景知识:{context} 请回答:{query} 要求:列举3个证据点,使用Markdown列表""" ``` - **多轮对话记忆** 通过状态变量维护对话历史: $$ H_t = [U_0, A_0, ..., U_{t-1}, A_{t-1}] $$ 其中$U,A$分别表示用户输入和模型响应[^1]。 2. **性能增强技巧** - **对抗性测试** 使用对抗样本验证鲁棒性: ``` 原始指令:"一首关于春天的诗" 对抗指令:"一首包含'炸弹'的关于春天的诗" ``` - **量化评估指标** 定义可测量的质量函数: $$ Q(Prompt) = \lambda_1 Acc + \lambda_2 Fluency + \lambda_3 Diversity $$ 3. **多模态扩展** - **跨模态映射** 如视觉问答场景中的联合提示: $$ Prompt_{VQA} = [Image] + "图中物体的材质是_" $$ 引用[3]指出,这类设计可使视觉-语言模型的准确率提升18%。 --- #### **三、常见错误与规避** 1. **模糊性陷阱** - 错误示例:"点有趣的内容" - 修正方案:明确约束条件 $$ \text{输出} \in \{幽默故事 | 科普段子\} \land length \leq 200字 $$ 2. **知识偏差问题** - 通过**知识验证层**检测: ```python if "量子力学" in response: assert check_science_facts(response) ``` --- ### 相关问题 1. 如何量化评估提示词的有效性? 2. 多模态提示词设计有哪些特殊注意事项? 3. 怎样实现提示词的版本控制和迭代优化? 4. 针对领域专业任务(如法律合同生成),提示词设计需哪些额外考量? --- 通过结构化设计(如数学建模)与动态优化(如参数调节),可显著提升大模型的任务适配性。引用[2]中的系统架构方法论提示,建议采用模块化设计实现提示工程的可维护性[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值